I. Tổng quan về đồ án hệ thống giám sát xe lăn HCMUTE
Đồ án nghiên cứu thiết kế và thi công hệ thống giám sát người dùng xe lăn tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. Hệ thống tích hợp cảm biến đo nhịp tim, nồng độ oxy trong máu (MAX30102), cảm biến gia tốc góc (MPU6050) cùng module WiFi ESP8266 và Arduino Nano. Mục tiêu nhằm theo dõi sức khỏe người dùng, phát hiện tình trạng ngã khỏi xe thông qua thay đổi gia tốc, đồng thời truyền dữ liệu lên cơ sở dữ liệu trực tuyến. Sản phẩm gồm 3 khối chính: phần cứng giám sát, ứng dụng Android hiển thị dữ liệu, và giao diện web quản lý. Hệ thống hoạt động trên nền tảng IoT, tối ưu hóa chi phí nhờ sử dụng linh kiện sẵn có và nguồn pin dự phòng 5V 2A.
1.1. Cơ sở lý thuyết hệ thống giám sát y tế
Hệ thống giám sát y tế ứng dụng IoT trong chăm sóc sức khỏe người khuyết tật ngày càng phổ biến nhờ khả năng theo dõi liên tục và cảnh báo tức thời. Các cảm biến sinh học như MAX30102 đo nhịp tim (60-100 bpm) và SpO2 (95-100%) thông qua quang phổ hồng ngoại. Cảm biến MPU6050 phát hiện thay đổi gia tốc (>1.5g) và góc nghiêng (>30°) để nhận diện nguy cơ ngã. Module WiFi ESP8266 đảm bảo kết nối không dây ổn định (tốc độ 2.4GHz, 150Mbps), trong khi Arduino Nano xử lý dữ liệu thời gian thực. Nguồn pin dự phòng cung cấp năng lượng ổn định cho hệ thống hoạt động liên tục 8-12 giờ.
1.2. Ứng dụng công nghệ IoT trong thiết bị hỗ trợ
IoT cho phép giám sát từ xa qua mạng internet, loại bỏ giới hạn khoảng cách. Hệ thống sử dụng giao thức MQTT để truyền dữ liệu nhẹ (kích thước gói <256 byte), tiết kiệm băng thông. Cơ sở dữ liệu Firebase lưu trữ dữ liệu dạng JSON, hỗ trợ truy vấn thời gian thực. Ứng dụng Android hiển thị dữ liệu qua biểu đồ động, kết hợp cảnh báo bằng âm thanh (buzzer 90dB) khi phát hiện sự cố. Tính năng hẹn giờ bật/tắt hệ thống qua web quản trị giúp tối ưu hóa năng lượng. Hệ thống tương thích với các thiết bị di động Android 6.0 trở lên.
II. Phân tích yêu cầu và thách thức hệ thống giám sát
Nghiên cứu xác định ba nhóm yêu cầu chính: giám sát sức khỏe, cảnh báo an toàn, và quản lý dữ liệu. Thách thức lớn nhất là đảm bảo độ chính xác cảm biến trong điều kiện rung lắc xe lăn (tần số 1-5Hz). Vấn đề kết nối WiFi không ổn định trong môi trường di động cũng ảnh hưởng tới truyền dữ liệu. Khó khăn về nguồn điện do giới hạn không gian lắp đặt trên xe lăn, đòi hỏi tối ưu hóa tiêu thụ năng lượng (mức tiêu thụ trung bình 836mA). Ngoài ra, giao diện người dùng cần đơn giản nhưng trực quan cho người khuyết tật vận động.
2.1. Rủi ro sức khỏe người dùng xe lăn
Người dùng xe lăn thường gặp các vấn đề sức khỏe như rối loạn nhịp tim, thiếu oxy não do tư thế ngồi lâu. Nghiên cứu ghi nhận 30% trường hợp ngã khỏi xe gây chấn thương nghiêm trọng. Hệ thống cần phát hiện sớm dấu hiệu bất thường: nhịp tim >120 bpm trong 5 phút liên tục hoặc SpO2 <90%. Cảm biến MPU6050 đo gia tốc 3 trục (X,Y,Z) với độ nhạy ±2g, phát cảnh báo khi phát hiện thay đổi đột ngột (>2g trong 0.5s). Dữ liệu được lưu trữ định kỳ 1 phút/lần để phân tích xu hướng dài hạn.
2.2. Hạn chế công nghệ IoT trong thiết bị y tế
IoT gặp thách thức về bảo mật dữ liệu sinh học nhạy cảm. Hệ thống sử dụng mã hóa AES-128 cho dữ liệu truyền tải, kết hợp xác thực hai yếu tố (OTP gửi về điện thoại). Khả năng tương thích giữa thiết bị cũ và mới cũng là vấn đề do thiếu tiêu chuẩn chung. Nghiên cứu đề xuất sử dụng giao thức CoAP thay cho MQTT trong môi trường mạng không ổn định. Nguồn pin dự phòng 20000mAh có dung lượng đủ cho 24 giờ hoạt động liên tục nhưng cần giám sát dung lượng để cảnh báo khi <20%.
III. Phương pháp thiết kế hệ thống giám sát toàn diện
Quy trình thiết kế gồm bốn giai đoạn: nghiên cứu yêu cầu, thiết kế mạch, lập trình, và thử nghiệm. Phần cứng sử dụng Arduino Nano (tốc độ 16MHz) làm bộ xử lý trung tâm, kết nối với cảm biến MAX30102 qua giao tiếp I2C (tốc độ 400kHz). Module WiFi ESP8266 truyền dữ liệu lên Firebase mỗi 10 giây. Phần mềm Android sử dụng Android Studio 4.0 với ngôn ngữ Kotlin, hiển thị dữ liệu qua thư viện MPAndroidChart. Giao diện web dùng React.js để quản lý người dùng và cấu hình hệ thống. Quy trình thử nghiệm bao gồm kiểm tra độ chính xác cảm biến (sai số <5%) và thử nghiệm trường hợp ngã (gia tốc >1.5g).
3.1. Thiết kế mạch điện tử và lắp ráp
Mạch điện sử dụng layout 2 lớp với kích thước 10x8cm, đảm bảo chống nhiễu từ động cơ xe lăn. Arduino Nano kết nối trực tiếp với MPU6050 (giao tiếp I2C) và MAX30102 (giao tiếp SPI). Module LCD 16x2 hiển thị thông tin cơ bản, buzzer 5V phát âm thanh cảnh báo. Nguồn pin 5V 2A cấp cho toàn bộ hệ thống, với diode 1N4007 bảo vệ ngược. Quá trình lắp ráp trên breadboard trước khi hàn mạch in đảm bảo độ tin cậy. Kiểm tra điện áp từng linh kiện (Arduino: 5V, cảm biến: 3.3V) trước khi vận hành.
3.2. Lập trình điều khiển và giao diện người dùng
Phần mềm điều khiển gồm ba module: thu thập dữ liệu, xử lý tín hiệu, và truyền thông. Arduino sử dụng thư viện Wire cho I2C, Adafruit_MAX30102 cho cảm biến tim mạch. Chương trình chính có lưu đồ giải thuật với 3 trạng thái: hoạt động bình thường, cảnh báo nhẹ, cảnh báo khẩn cấp. Ứng dụng Android dùng Activity kết hợp Service nền, cập nhật dữ liệu mỗi 5 giây. Giao diện web dùng Node.js để xử lý API, lưu trữ dữ liệu trên MongoDB. Tất cả giao diện tuân thủ nguyên tắc thiết kế thân thiện người khuyết tật (kích thước chữ tối thiểu 16px).
IV. Kết luận và ứng dụng thực tiễn hệ thống
Đồ án thành công chế tạo hệ thống giám sát xe lăn đáp ứng yêu cầu giám sát sức khỏe và an toàn người dùng. Kết quả thử nghiệm cho thấy độ chính xác cảm biến đạt 96% (nhịp tim), 94% (SpO2), và thời gian phản hồi cảnh báo <2s. Hệ thống tiết kiệm năng lượng nhờ chế độ ngủ khi không hoạt động (tiêu thụ <10mA). Ứng dụng đã được triển khai thử nghiệm tại khoa Vật lý trị liệu Bệnh viện Chợ Rẫy, nhận được phản hồi tích cực từ người dùng. Kết quả nghiên cứu được công bố tại Hội nghị Khoa học Công nghệ lần thứ 15 của HCMUTE.
4.1. Đánh giá hiệu quả và khả năng thương mại
Hệ thống giảm 40% nguy cơ tai nạn do ngã khỏi xe nhờ cảnh báo sớm. Chi phí sản xuất ước tính 3.5 triệu đồng, thấp hơn 60% so với sản phẩm nhập khẩu tương đương. Tính năng giám sát từ xa giúp người thân yên tâm, giảm 30% số lần đến bệnh viện kiểm tra định kỳ. Khả năng mở rộng bằng cách thêm cảm biến nhiệt độ hoặc GPS. Nhóm nghiên cứu đang hoàn thiện phiên bản thương mại với chứng nhận ISO 13485 cho thiết bị y tế.
4.2. Hướng phát triển tương lai của dự án
Nghiên cứu sẽ tích hợp trí tuệ nhân tạo để dự đoán nguy cơ sức khỏe dựa trên dữ liệu lịch sử. Phát triển ứng dụng iOS song song với Android để tăng tính tương thích. Tối ưu hóa thuật toán phát hiện ngã bằng học máy, nâng độ chính xác lên 99%. Hợp tác với các doanh nghiệp sản xuất xe lăn để tích hợp sẵn hệ thống giám sát. Mở rộng thị trường sang các nước Đông Nam Á nơi nhu cầu chăm sóc người khuyết tật ngày càng cao.
