Bối cảnh và vấn đề nghiên cứu
1. Lý do chọn đề tài và bối cảnh thực tiễn
Sản xuất nông nghiệp tại Việt Nam phần lớn vẫn mang tính tự phát, áp dụng các phương thức canh tác truyền thống và phụ thuộc chặt chẽ vào điều kiện tự nhiên, thời tiết và tính mùa vụ. Quy trình kỹ thuật chăm sóc, tưới tiêu và điều chỉnh môi trường phần lớn được thực hiện theo cảm tính, dẫn đến năng suất không ổn định, khó kiểm soát chất lượng nông sản cũng như dư lượng phân bón, thuốc bảo vệ thực vật. Trong bối cảnh nhu cầu tiêu dùng rau sạch, an toàn thực phẩm của các hộ gia đình đô thị ngày càng gia tăng, việc chủ động kiểm soát quy trình canh tác trở thành yêu cầu cấp thiết.
Sự phát triển của công nghệ thông tin và Internet vạn vật (Internet of Things - IoT) mang lại khả năng tự động hóa việc theo dõi, đo lường các thông số sinh trưởng của cây trồng như nhiệt độ, độ ẩm không khí, độ ẩm đất và cường độ ánh sáng. Tại Việt Nam, các hệ thống điều khiển vi khí hậu nhà kính nhập khẩu từ Israel, Nhật Bản hay Australia có chi phí đầu tư rất lớn, khó tiếp cận đối với các hộ gia đình hoặc cơ sở sản xuất quy mô vừa và nhỏ. Do đó, tác giả Nguyễn Văn Tiến đã thực hiện đồ án tốt nghiệp ngành Kỹ thuật Máy tính (Information Computer Engineering) tại Trường Quốc tế - Đại học Quốc gia Hà Nội với đề tài: "Smart Vegetable Garden" (Dự án Vườn rau thông minh) nhằm thiết kế một mô hình ứng dụng vi điều khiển và cảm biến chi phí thấp, tối ưu hóa quá trình chăm sóc cây trồng.
2. Mục tiêu và nhiệm vụ nghiên cứu
Văn bản xác định các mục tiêu và nhiệm vụ cụ thể sau:
- Nghiên cứu, thiết kế và chế tạo mô hình vườn rau thông minh có khả năng tự động giám sát độ ẩm, nhiệt độ và cường độ ánh sáng môi trường.
- Thiết lập hệ thống tưới phun sương tự động khi độ ẩm đất xuống dưới ngưỡng cho phép nhằm duy trì độ ẩm ổn định, tiết kiệm nước và bảo vệ cấu trúc đất.
- Tích hợp hệ thống đèn LED quang hợp chuyên dụng nhằm bổ sung ánh sáng và hỗ trợ sưởi ấm cho cây trồng khi thời tiết chuyển lạnh.
- Xây dựng cơ chế đóng/mở mái che tự động bằng động cơ servo nhằm tăng cường thông gió và hấp thụ ánh sáng tự nhiên.
- Truyền tải và lưu trữ dữ liệu cảm biến lên dịch vụ đám mây (Blynk Server và Firebase Realtime Database), hỗ trợ giám sát và điều khiển từ xa qua ứng dụng di động.
- Tích hợp module ESP32-CAM để truyền hình ảnh trực tiếp (live stream) trạng thái vườn cây phục vụ theo dõi trực quan và nhận diện sâu bệnh.
3. Đối tượng và phạm vi nghiên cứu
- Đối tượng nghiên cứu:
- Giao thức truyền thông và cách thức giao tiếp giữa vi điều khiển ESP8266 với các module cảm biến (DHT11, cảm biến độ ẩm đất LM393, module quang trở).
- Phương thức cấu hình, lập trình điều khiển và truyền dữ liệu video qua module ESP32-CAM AI-Thinker và cảm biến hình ảnh OV2640.
- Cơ chế đồng bộ dữ liệu thời gian thực giữa ứng dụng Blynk và cơ sở dữ liệu đám mây Firebase.
- Đặc tính quang hợp và nhu cầu dinh dưỡng, ánh sáng, nhiệt độ, nước của các nhóm cây trồng.
- Phạm vi nghiên cứu:
- Mô hình phần cứng thực nghiệm dạng thu nhỏ (kích thước $40 \times 60 \times 40\text{ cm}$) phục vụ mục đích kiểm chứng giải pháp kỹ thuật trong phòng thí nghiệm.
- Nguồn cấp điện 5V/12V DC cho toàn bộ hệ thống mạch điều khiển và cơ cấu chấp hành.
Cơ sở lý thuyết và phương pháp
1. Cơ sở lý thuyết sinh học và nông nghiệp kỹ thuật cao
Đề tài dựa trên các nguyên lý sinh lý học thực vật và điều kiện vi khí hậu tác động đến năng suất cây trồng:
- Đặc tính quang hợp: Cây xanh sử dụng diệp lục hấp thu năng lượng mặt trời, nước và $\text{CO}_2$ để tổng hợp tinh bột và giải phóng oxy. Điểm bù ánh sáng dao động từ $25 - 85\text{ kcal/dm}^2/\text{h}$ (cường độ hô hấp đạt $1 - 3\text{ mg CO}_2/\text{dm}^2/\text{h}$); điểm bão hòa ánh sáng dao động quanh mức $2000\text{ lux}$ (đối với thực vật $C_3$, trong khi thực vật $C_4$ hầu như không có điểm bão hòa ánh sáng).
- Phổ ánh sáng tác động: Hiệu ứng Emerson chỉ ra rằng sự kết hợp xen kẽ giữa tia sáng đỏ ($\lambda > 680\text{ nm}$) và tia sáng xanh lam ($\lambda < 650\text{ nm}$) giúp tối ưu hóa hiệu suất quang hợp. Phổ bước sóng ngắn kích thích tổng hợp axit amin và protein, trong khi bước sóng dài hỗ trợ tạo glucose.
- Yếu tố $\text{CO}_2$, nhiệt độ và nước: Cây chỉ quang hợp khi nồng độ $\text{CO}_2$ vượt ngưỡng tối thiểu ($0{,}01%$). Nhiệt độ cực tiểu làm ngừng quang hợp ở thực vật nhiệt đới là $4 - 8^\circ\text{C}$, cực đại là $50^\circ\text{C}$. Thiếu hụt nước từ $40 - 60%$ sẽ làm giảm mạnh hoặc đình trệ quang hợp do khí khổng đóng lại.
2. Khung kiến trúc công nghệ IoT
Hệ thống áp dụng mô hình kiến trúc IoT 4 tầng tiêu chuẩn:
- Tầng thiết bị (Things): Các module cảm biến môi trường (DHT11, LM393) và cơ cấu chấp hành (bơm nước Sinleader 60W, động cơ Servo MG90S, đèn LED SMD 5730, module relay 2 kênh).
- Tầng cổng kết nối (Gateways): Vi điều khiển NodeMCU ESP8266EX và ESP32-CAM đảm nhận thu thập tín hiệu, tiền xử lý và đóng gói dữ liệu.
- Tầng hạ tầng mạng và đám mây (Network & Cloud Infrastructure): Mạng không dây Wi-Fi chuẩn $802.11\text{ b/g/n}$, kết nối Internet thông qua giao thức TCP/IP, lưu trữ dữ liệu trên Firebase Realtime Database.
- Tầng ứng dụng và dịch vụ (Services & Applications): Giao diện điều khiển di động Blynk App và Web Console, tích hợp cơ chế bảo mật và xác thực truy cập bằng Auth Token.
3. Phương pháp nghiên cứu
- Phương pháp phân tích lý thuyết: Tổng hợp các tài liệu khoa học, mô hình nhà kính công nghệ cao tại Israel, Anh (dự án Thanet Earth) và thực trạng các nhà lưới, hợp tác xã tại Việt Nam (Đà Lạt, Văn Nội, Tam Đảo).
- Phương pháp thiết kế - thực nghiệm kỹ thuật: Thiết kế sơ đồ nguyên lý, mạch in (PCB), lắp ráp phần cứng cơ khí và điện tử, nạp code điều khiển thông qua Arduino IDE và tiến hành đo đạc, kiểm thử thực tế.
Thiết kế và triển khai hệ thống
1. Lựa chọn linh kiện và thông số kỹ thuật phần cứng
| Linh kiện / Thiết bị |
Thông số kỹ thuật chính |
Vai trò trong hệ thống |
| NodeMCU ESP8266 Lua |
Vi điều khiển ESP8266EX, chip nạp CP2102, nguồn cấp 5V DC (MicroUSB/Vin), mức logic 3.3V, kích thước $25 \times 50\text{ mm}$ |
Xử lý trung tâm, đọc cảm biến, gửi dữ liệu lên Blynk/Firebase và kích hoạt relay |
| ESP32-CAM AI-Thinker |
CPU 32-bit LX6 2 nhân (160 MHz, 600 DMIPS), 4MB PSRAM, Wi-Fi & Bluetooth, tích hợp đèn Flash (GPIO4), LED báo (GPIO33) |
Xử lý hình ảnh, truyền luồng video (live stream) qua camera OV2640 về máy tính |
| Cảm biến DHT11 |
Điện áp $3 - 5\text{V DC}$, đo độ ẩm $20 - 90%\text{ RH}$ (sai số $\pm 5%$), nhiệt độ $0 - 50^\circ\text{C}$ (sai số $\pm 2^\circ\text{C}$), chuẩn 1-Wire |
Đo nhiệt độ và độ ẩm không khí trong khu vực trồng |
| Cảm biến độ ẩm đất |
Điện áp $3.3 - 5\text{V DC}$, IC so sánh LM393, đầu ra Digital (DO) và Analog (AO), có biến trở chỉnh độ nhạy |
Đo hàm lượng nước trong đất, kích hoạt tín hiệu tưới |
| Đèn LED quang hợp |
Chip LED SMD 5730 (Luxeon), đui E27, quang thông $500\text{ lm}$, tuổi thọ $50.000\text{ giờ}$, trọng lượng $0{,}1\text{ kg}$ |
Cung cấp quang phổ kích thích sinh trưởng (tỷ lệ Đỏ:Xanh:Khác = 5:2:2 cho rau ăn lá) |
| Bơm nước Sinleader 60W |
Điện áp $12\text{V DC} - 5\text{A}$, lưu lượng $2{,}1\text{ lít/phút}$, ống dẫn $12\text{ mm}$, đẩy cao $> 15\text{ m}$, công nghệ Nhật Bản |
Cung cấp áp lực nước cho dàn vòi tưới phun sương |
| Module 2 Relay |
Điện áp nuôi $5\text{V DC}$, dòng tiêu thụ $80\text{mA/relay}$, kích mức High/Low tùy chọn qua Jumper, kích thước $51 \times 45{,}5 \times 19\text{ mm}$ |
Đóng ngắt nguồn điện $12\text{V}$ cho bơm nước và hệ thống đèn LED |
| Servo MG90S |
Bánh răng kim loại (metal gears), điện áp $4{,}8 - 6\text{V DC}$, cơ chế hồi tiếp góc quay chính xác |
Đóng/mở cửa mái che bằng tấm nhựa trắng của mô hình |
2. Sơ đồ kết nối chân giữa ESP32-CAM và Camera OV2640
| Tín hiệu Camera OV2640 |
Chân GPIO trên ESP32 |
Tên biến cấu hình trong mã nguồn |
| D0 |
GPIO 5 |
Y2_GPIO_NUM |
| D1 |
GPIO 18 |
Y3_GPIO_NUM |
| D2 |
GPIO 19 |
Y4_GPIO_NUM |
| D3 |
GPIO 21 |
Y5_GPIO_NUM |
| D4 |
GPIO 36 |
Y6_GPIO_NUM |
| D5 |
GPIO 39 |
Y7_GPIO_NUM |
| D6 |
GPIO 34 |
Y8_GPIO_NUM |
| D7 |
GPIO 35 |
Y9_GPIO_NUM |
| XCLK |
GPIO 0 |
XCLK_GPIO_NUM |
| PCLK |
GPIO 22 |
PCLK_GPIO_NUM |
| VSYNC |
GPIO 25 |
VSYNC_GPIO_NUM |
| HREF |
GPIO 23 |
HREF_GPIO_NUM |
| SDA |
GPIO 26 |
SIOD_GPIO_NUM |
| SCL |
GPIO 27 |
SIOC_GPIO_NUM |
| Power / PWDN |
GPIO 32 |
PWDN_GPIO_NUM |
3. Nguyên lý vận hành và tích hợp phần mềm
- Chế độ tự động (Auto Mode): NodeMCU ESP8266 liên tục đọc dữ liệu từ cảm biến DHT11 và cảm biến độ ẩm đất. Khi độ ẩm đất giảm xuống dưới ngưỡng cài đặt, vi điều khiển kích hoạt Relay đóng mạch bơm Sinleader 60W để tưới phun sương; khi độ ẩm đạt mức bão hòa, bơm tự ngắt. Tương tự, hệ thống đèn LED tự động bật khi ánh sáng môi trường yếu hoặc nhiệt độ hạ thấp.
- Chế độ điều khiển từ xa (Manual Mode): Người dùng theo dõi các chỉ số môi trường hiển thị trực tiếp trên giao diện Blynk App/Console, đồng thời sử dụng các nút gạt ảo để bật/tắt máy bơm, đèn chiếu sáng hoặc kéo thanh trượt (slider) điều khiển góc quay Servo MG90S để mở mái che thông gió.
- Lưu trữ và truyền phát: Dữ liệu cảm biến được đẩy lên Firebase Realtime Database theo định dạng JSON với các quy tắc xác thực (closed rules). Module ESP32-CAM phát luồng dữ liệu hình ảnh trực tiếp lên máy chủ nội bộ/máy tính để người dùng quan sát vườn rau theo thời gian thực.
Nội dung chính theo từng chương
Chương 1: Tính cấp thiết, mục tiêu và phương pháp nghiên cứu
Chương mở đầu phân tích sự lạc hậu của phương thức canh tác truyền thống tại Việt Nam, sự phụ thuộc vào thời tiết và nhu cầu tự động hóa các khâu tưới tiêu, chiếu sáng. Tác giả trình bày mục tiêu xây dựng mô hình vườn rau thông minh kiểm soát đa thông số (nhiệt độ, độ ẩm, ánh sáng), nhiệm vụ thiết kế mạch điện tử, lập trình điều khiển và phạm vi thử nghiệm trên mô hình kích thước $40 \times 60 \times 40\text{ cm}$.
Chương 2: Tổng quan về đề tài và công nghệ IoT
Chương 2 hệ thống hóa khái niệm Internet of Things và cấu trúc 4 tầng của hệ thống IoT. Tác giả khảo sát các mô hình nông nghiệp công nghệ cao trên thế giới:
- Israel: Sử dụng nhà kính chịu lực cao, hệ thống màng che, lưới cắt nắng Aluminet, công nghệ làm mát bằng phun sương hấp thụ nhiệt ban ngày và giữ ấm ban đêm, tự động hóa hoàn toàn bằng máy tính.
- Vương quốc Anh (Khu phức hợp Thanet Earth): Quy mô 91 hecta gồm 7 nhà kính khổng lồ (mỗi nhà rộng bằng 10 sân bóng đá), trồng cây không dùng đất (thủy canh/giá thể khoáng), sử dụng ánh sáng nhân tạo suốt đêm, hệ thống 7 hồ trữ nước mưa $189\text{ triệu lít}$ và 7 nhà máy điện cung cấp nhiệt.
- Thực trạng tại Việt Nam: Phân tích ứng dụng tại Đà Lạt, Lâm Đồng, Củ Chi, Đông Anh; chỉ ra điểm hạn chế là trang thiết bị nhập khẩu từ Pháp, Israel có giá thành quá cao, trong khi các cơ sở nhỏ lẻ chỉ dùng lưới che thủ công, sao chép rập khuôn chưa phù hợp với từng vùng khí hậu.
Chương 3: Cơ sở lý thuyết sinh học
Tập trung làm rõ các yếu tố sinh lý tác động đến năng suất cây trồng:
- Cơ chế quang hợp, biểu đồ phụ thuộc cường độ quang hợp vào cường độ ánh sáng, điểm bù và điểm bão hòa ánh sáng.
- Ảnh hưởng của các dải phổ màu (đỏ, xanh lam) và định luật Emerson.
- Mối quan hệ giữa nồng độ $\text{CO}_2$, nhiệt độ môi trường, hàm lượng nước và các nguyên tố khoáng ($\text{N, P, S, Mg, K, Mn, Cl}$) đối với quá trình sinh trưởng và tạo năng suất nông sản (chiếm $90 - 95%$ năng suất cây trồng).
Chương 4: Tính toán - Thiết kế và lựa chọn phần cứng
Phân tích các phương án thiết kế kết cấu nhà trồng rau (so sánh mô hình phủ kín hoàn toàn và mô hình có cửa thông gió). Tác giả lựa chọn giải pháp kết hợp khung gỗ siêu nhẹ chống nước với mái che nhựa trắng đóng mở bằng động cơ Servo MG90S.
Chương này đi sâu vào cấu tạo, sơ đồ chân và thông số kỹ thuật của từng linh kiện: vi điều khiển NodeMCU ESP8266 Lua, cảm biến DHT11, cảm biến độ ẩm đất LM393, module 2 Relay, máy bơm mini 12V Sinleader 60W, hệ thống LED quang hợp SMD 5730 và module ESP32-CAM AI-Thinker.
Chương 5: Chương trình điều khiển và lắp đặt mô hình
Trình bày nguyên lý vận hành của toàn bộ mạch điện tử, sơ đồ nối dây tổng thể giữa khối xử lý trung tâm với khối cảm biến và khối chấp hành. Tác giả thuyết minh quy trình thiết kế mạch in (PCB), lắp ráp các linh kiện lên bo mạch và bố trí thiết bị vào mô hình thực tế.
Chương 6: Xây dựng chương trình giám sát và điều khiển qua Blynk
Hướng dẫn cài đặt thư viện Blynk trên Arduino IDE, cấu hình thiết bị trên Blynk Console, tạo giao diện điều khiển (Dashboard) với các widget đo nhiệt độ, độ ẩm và các nút bấm chức năng. Trình bày cơ chế đồng bộ dữ liệu thời gian thực lên Firebase Realtime Database và cấu hình quy tắc bảo mật dữ liệu.
Chương 7: Kết luận và hướng phát triển của đề tài
Tổng kết các kết quả đạt được về phần cứng, phần mềm và khả năng hoạt động đồng bộ của mô hình; đồng thời định hướng nâng cấp, mở rộng hệ thống cho các giai đoạn tiếp theo.
Kết quả và đóng góp
1. Kết quả thực nghiệm đạt được
- Chế tạo thành công mô hình phần cứng hoàn chỉnh với kích thước $40 \times 60 \times 40\text{ cm}$, sử dụng khung gỗ chống nước và mái che nhựa cơ động.
- Hệ thống tưới phun sương vận hành chính xác theo tín hiệu cảm biến độ ẩm đất, giúp phân tán hạt sương đều, không làm dập nát rau và tiết kiệm nước tưới.
- Thu thập và hiển thị chính xác các thông số nhiệt độ, độ ẩm môi trường từ cảm biến DHT11 lên ứng dụng Blynk theo thời gian thực.
- Thực hiện đóng/mở mái che tự động thông qua động cơ Servo MG90S và điều khiển bật/tắt dàn đèn LED quang hợp hỗ trợ sinh trưởng cho cây.
- Thiết lập kênh truyền hình ảnh trực tiếp từ module ESP32-CAM về máy tính qua kết nối Wi-Fi, hỗ trợ quan sát trạng thái vườn rau từ xa.
- Lưu trữ lịch sử dữ liệu cảm biến ổn định trên nền tảng Firebase Realtime Database.
2. Đóng góp của đề tài
- Đưa ra giải pháp thiết kế hệ thống IoT nông nghiệp sử dụng các linh kiện điện tử phổ biến, giá thành thấp (ESP8266, ESP32-CAM, cảm biến giá rẻ), giúp người dùng phổ thông và các hộ gia đình dễ dàng tiếp cận.
- Kết hợp hài hòa giữa cơ sở lý thuyết sinh học (quang hợp, nhu cầu nước, phổ ánh sáng) với kỹ thuật điều khiển tự động và công nghệ mạng không dây.
Hạn chế và hướng nghiên cứu tiếp
1. Hạn chế của đồ án
- Hệ thống mới được thử nghiệm trên mô hình thu nhỏ ($40 \times 60 \times 40\text{ cm}$), chưa triển khai thực tế trên diện tích canh tác lớn ngoài trời.
- Tính năng xử lý ảnh trên ESP32-CAM mới dừng lại ở mức truyền phát hình ảnh trực tiếp (live stream), chưa tích hợp thuật toán AI/Machine Learning để tự động nhận diện sâu bệnh trên lá.
- Module cảm biến DHT11 và cảm biến độ ẩm đất dạng điện cực kim loại có độ bền hạn chế khi hoạt động liên tục trong môi trường ẩm ướt kéo dài.
2. Hướng nghiên cứu tiếp
- Nâng cấp thuật toán xử lý ảnh trên luồng video của ESP32-CAM để tự động phát hiện và cảnh báo sớm các loại sâu bệnh hại cây trồng.
- Mở rộng quy mô phần cứng, tối ưu hóa công suất bơm và hệ thống chiếu sáng để ứng dụng cho các nhà màng, nhà lưới diện tích lớn.
- Tích hợp thêm các cảm biến chuyên dụng như cảm biến đo nồng độ $\text{CO}_2$, cảm biến đo độ pH và dinh dưỡng đất (NPK).
Giá trị tham khảo
Tài liệu là nguồn tham khảo hữu ích cho:
- Sinh viên ngành Kỹ thuật Máy tính, Công nghệ Thông tin, Điện tử - Viễn thông, Tự động hóa: Tham khảo quy trình thiết kế hệ thống nhúng kết nối IoT, kỹ thuật lập trình vi điều khiển ESP8266 qua Arduino IDE, cách giao tiếp với cảm biến và điều khiển cơ cấu chấp hành qua Relay/Servo.
- Người nghiên cứu ứng dụng ESP32-CAM: Tham khảo sơ đồ ánh xạ chân GPIO (Table 3), phương pháp lập trình truyền luồng video với camera OV2640 và kỹ thuật nạp mã nguồn qua mạch chuyển đổi UART/FTDI.
- Người phát triển ứng dụng giám sát nông nghiệp đô thị: Tham khảo cách kết nối, cấu hình bảng điều khiển Blynk App kết hợp lưu trữ đám mây Firebase Realtime Database, cũng như các thông số quang phổ LED phù hợp cho từng loại rau trồng.
Câu hỏi thường gặp
1. Hệ thống sử dụng vi điều khiển nào làm bộ xử lý trung tâm và vai trò của nó là gì?
Hệ thống sử dụng kit vi điều khiển NodeMCU ESP8266 Lua (dựa trên chip ESP8266EX). Vi điều khiển này đóng vai trò đọc dữ liệu từ các cảm biến nhiệt độ - độ ẩm DHT11 và cảm biến độ ẩm đất, xử lý so sánh với ngưỡng cài đặt sẵn để kích hoạt bơm nước hoặc đèn LED, đồng thời truyền dữ liệu qua Wi-Fi lên ứng dụng Blynk và Firebase.
2. Module ESP32-CAM AI-Thinker đảm nhận nhiệm vụ gì và kết nối với camera loại nào?
Module ESP32-CAM AI-Thinker được sử dụng để thu nhận và truyền luồng hình ảnh trực tiếp (live stream) trạng thái của vườn rau qua sóng Wi-Fi về máy tính, phục vụ giám sát trực quan và định hướng xử lý nhận diện sâu bệnh. Module này kết nối trực tiếp với cảm biến hình ảnh OV2640 qua đầu nối cáp dẻo FPC.
3. Tỷ lệ quang phổ đèn LED kích thích tăng trưởng được tác giả đề xuất như thế nào đối với rau ăn lá?
Theo số liệu kỹ thuật trong đề tài, đối với nhóm rau ăn lá, tỷ lệ phối hợp quang phổ của đèn LED được khuyến nghị là Đỏ : Xanh lá : Phổ khác = 5 : 2 : 2, với mật độ công suất chiếu sáng khoảng $90\text{W / m}^2$ (cho xà lách, bắp cải) hoặc $135\text{W / m}^2$ (cho rau muống, thảo dược, hoa).
4. Kết cấu cơ khí của mô hình thực nghiệm có đặc điểm gì nổi bật?
Mô hình thực nghiệm có kích thước $40 \times 60 \times 40\text{ cm}$, sử dụng khung gỗ siêu nhẹ chống thấm nước để chịu ẩm và thuận tiện di chuyển. Mái che và cửa thông gió được làm từ nhựa trắng chịu nhiệt, chịu sáng, được đóng mở tự động thông qua động cơ Servo MG90S bánh răng kim loại nhằm tối ưu thông gió và đón nắng tự nhiên.
5. Dữ liệu từ hệ thống được lưu trữ và giám sát qua các nền tảng phần mềm nào?
Dữ liệu cảm biến được truyền lên và hiển thị trực tiếp trên giao diện di động của Blynk App và bảng điều khiển Blynk Console để người dùng theo dõi và điều khiển từ xa. Đồng thời, toàn bộ dữ liệu được lưu trữ lâu dài trên cơ sở dữ liệu thời gian thực Firebase Realtime Database với các quy tắc xác thực bảo mật.
Kết luận
Đồ án tốt nghiệp "Smart Vegetable Garden" của sinh viên Nguyễn Văn Tiến đã nghiên cứu và chế tạo thành công mô hình vườn rau thông minh ứng dụng công nghệ IoT dựa trên nền tảng vi điều khiển ESP8266, ESP32-CAM và các cảm biến môi trường. Hệ thống giải quyết hiệu quả bài toán tự động hóa tưới phun sương, bổ sung ánh sáng quang hợp và đóng mở thông gió, giúp tiết kiệm công lao động và tối ưu hóa điều kiện phát triển cho cây trồng. Đây là tài liệu thực nghiệm có giá trị tham khảo cao về mặt kỹ thuật thiết kế phần cứng nhúng, lập trình vi điều khiển và tích hợp dịch vụ giám sát đám mây trong nông nghiệp công nghệ cao.