The mask detection feature has significantly advanced in image processing and computer vision, making a crucial contribution to combating the COVID-19 pandemic. This paper presents a method utilizing the Caffe model in combination with the MobileNetV2 architecture, designed to apply to embedded devices with limited computational capabilities such as Raspberry Pi, NVIDIA Jetson Nano, etc. This method enables real-time mask detection even when individuals are wearing hats or glasses. Experimental results were obtained using a custom-built dataset from students of the Faculty of Electrical and Electronics Technology at the Ho Chi Minh City University of Industry and Trade, achieving an accuracy rate of up to 93%.Tính năng phát hiện khẩu trang đã đạt được những tiến bộ đáng kể trong lĩnh vực xử lý ảnh và thị giác máy tính, góp phần quan trọng vào công tác phòng chống dịch Covid-19. Bài báo này trình bày phương pháp sử dụng mô hình Caffe kết hợp với kiến trúc MobileNetV2 để áp dụng cho các thiết bị nhúng có khả năng tính toán hạn chế như Raspberry Pi, NVIDIA Jetson Nano… làm bộ phát hiện khẩu trang theo thời gian thực ngay cả khi đối tượng đội nón hoặc đeo kính. Kết quả bài toán đã được thực nghiệm trên cơ sở dữ liệu tự xây dựng từ sinh viên Khoa Công nghệ Điện - Điện tử trường Đại học Công Thương Thành phố Hồ Chí Minh với độ chính xác lên đến 93%.