Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh cuộc Cách mạng Công nghiệp 4.0 và sự bùng nổ của công nghệ Internet of Things (IoT), các thiết bị điện tử gia dụng đang chuyển dịch mạnh mẽ theo xu hướng tự động hóa và thông minh hóa. Sự tích hợp của Trí tuệ Nhân tạo (AI) và thị giác máy tính vào không gian sống (Smart Home / Domotics) mở ra các phương thức giao tiếp người - máy trực quan, giảm thiểu sự phụ thuộc vào các thiết bị trung gian truyền thống như chuột, bàn phím hay màn hình cảm ứng điện thoại. Trong đó, tương tác bằng cử chỉ bàn tay là một trong những phương thức tự nhiên và trực tiếp, hỗ trợ tích cực cho đời sống thường nhật và mở rộng khả năng tiếp cận công nghệ cho người khiếm thính hoặc người bị hạn chế về vận động cơ bắp.

Đề tài khóa luận tập trung giải quyết ba mục tiêu nghiên cứu cụ thể:

  1. Thực hiện điều khiển các thiết bị trong nhà thông minh thông qua mạng Wi-Fi một cách đơn giản và chính xác.
  2. Xây dựng phần mềm thu thập dữ liệu hình ảnh, xử lý và nhận dạng cử chỉ bàn tay trên nền tảng Python/OpenCV để phát lệnh điều khiển các thiết bị đã kết nối.
  3. Thiết kế, tích hợp và hoàn thiện mô hình phần cứng nhà thông minh hoàn chỉnh, phân chia thành các khu vực chức năng (phòng khách, phòng ngủ, phòng bếp) có khả năng tương tác đồng thời qua ứng dụng di động, nút bấm cảm ứng và nhận dạng cử chỉ.

Đối tượng nghiên cứu của đồ án là hệ thống điều khiển nhúng thời gian thực sử dụng vi điều khiển ESP32 kết hợp các loại cảm biến môi trường, các cơ cấu chấp hành (động cơ servo, quạt, đèn, chốt điện từ) và hệ thống thị giác máy tính nhận dạng cử chỉ bàn tay từ dữ liệu hình ảnh thu nhận qua camera. Phạm vi triển khai được thực hiện dưới dạng mô hình nhà thông minh thu nhỏ gồm ba không gian chức năng chính: phòng khách, phòng ngủ và phòng bếp.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và công nghệ nền tảng

  • Hệ thống nhà thông minh (Domotics/Smart Home): Hoạt động theo nguyên tắc kết hợp mạng lưới thiết bị gia dụng đầu cuối với bộ điều khiển trung tâm (Home Server/MCU) qua các giao thức truyền dữ liệu không dây (Wi-Fi, Zigbee) hoặc có dây (PLC), cho phép điều khiển từ xa, tự động hóa theo kịch bản và giám sát trạng thái an ninh, môi trường.
  • Tiến trình xử lý ảnh số cơ bản: Gồm chuỗi các giai đoạn tuần tự:
    1. Thu nhận ảnh (Image Acquisition): Chuyển đổi tín hiệu quang học từ camera sang ma trận điểm ảnh số.
    2. Tiền xử lý (Image Pre-processing): Lọc nhiễu, nâng cao độ tương phản và chuẩn hóa dải sáng.
    3. Phân đoạn ảnh (Image Segmentation): Tách vùng ảnh bàn tay (tiền cảnh) ra khỏi hậu cảnh (nền).
    4. Biểu diễn và trích chọn đặc trưng (Image Representation & Feature Selection): Xác định các đường biên (boundary), vùng (region), các điểm lồi (convex hull) và khuyết tật lồi (convexity defects).
    5. Nhận dạng và nội suy (Recognition & Interpretation): Phân loại cử chỉ dựa trên số lượng ngón tay hoặc mẫu chuẩn hình thái học.
    6. Cơ sở tri thức (Knowledge Base): Lưu trữ cấu trúc dữ liệu và các mẫu cử chỉ huấn luyện.
  • Không gian màu và công thức chuyển đổi:
    • Chuyển đổi từ không gian màu $RGB$ sang ảnh mức xám (Gray level 8-bit, 256 mức) áp dụng công thức: $$X = 0{,}2125 \times R + 0{,}7145 \times G + 0{,}0721 \times B$$
    • Sử dụng không gian màu $HSV$ ($Hue$, $Saturation$, $Value$) để phân lập các đặc tính màu sắc độc lập với cường độ chiếu sáng.
  • Giải thuật trích xuất hình thái học bàn tay: Kết hợp thuật toán trừ nền (Background Subtraction) theo kỹ thuật Codebook trên thư viện OpenCV, xác định bao lồi bằng thuật toán Convex Hull và tìm điểm lõm bàn tay bằng thuật toán Convexity Defects để tính toán số ngón tay mở.

Phương pháp nghiên cứu và thực nghiệm

Tác giả sử dụng phương pháp thiết kế và thực nghiệm hệ thống kỹ thuật:

  • Thiết kế phần cứng: Lựa chọn linh kiện vi điều khiển, module thu phát, cảm biến và cơ cấu chấp hành; thiết kế sơ đồ nguyên lý mạch điện cho từng khối chức năng.
  • Lập trình hệ thống nhúng và giao diện IoT: Xây dựng firmware điều khiển cho ESP32, cấu hình truyền nhận dữ liệu qua giao thức TCP/IP và nền tảng đám mây Blynk thông qua các chân I/O ảo (Virtual Pins).
  • Phát triển module thị giác máy tính: Lập trình bằng ngôn ngữ Python, sử dụng thư viện xử lý ảnh mã nguồn mở OpenCV trên môi trường máy tính/Raspberry Pi để thu nhận luồng video, lọc nhiễu, phân tích hình học cử chỉ và truyền tín hiệu điều khiển tới vi điều khiển trung tâm.

Thiết kế và triển khai hệ thống kỹ thuật

Tổng hợp thông số kỹ thuật phần cứng

Thành phần linh kiện Thông số kỹ thuật / Đặc tính cốt lõi Vai trò trong hệ thống
ESP32-WROOM-32 Vi xử lý Xtensa Dual-Core 32-bit LX6 (80–240MHz), 448KB ROM, 520KB SRAM, 4MB SPI Flash, Wi-Fi 802.11 b/g/n, Bluetooth v4.2/BLE Khối điều khiển trung tâm, tiếp nhận lệnh và điều khiển thiết bị ngoại vi
Cảm biến DHT11 Giao tiếp 1-wire, khung dữ liệu 40-bit (5 byte: 2 byte độ ẩm, 2 byte nhiệt độ, 1 byte checksum), điện áp 3.3–5V Giám sát nhiệt độ và độ ẩm không khí trong nhà và phòng bếp
Cảm biến khí Gas MQ-2 Đầu dò SnO2, độ nhạy cao với LPG, Propane, H2, CH4; xuất tín hiệu Analog (AO) và Digital (DO qua LM358) Phát hiện rò rỉ khí đốt trong phòng bếp để kích hoạt báo động
Cảm biến mưa Mạch cảm biến ngoài trời + khối so áp LM358, ngõ ra Digital DO (TTL 100mA) và Analog AO Phát hiện nước mưa để truyền tín hiệu tự động đóng cửa/rèm
Cảm biến chạm TTP223 IC cảm biến điện dung TP223, dòng tiêu thụ cực thấp 0.025mA, xuyên qua kính/nhựa/mica 2–6mm Nút bấm cảm ứng một chạm điều khiển đèn, quạt, cửa
Màn hình LCD 16x2 + I2C Driver HD44780, mạch chuyển đổi I2C địa chỉ mặc định 0x27 (sử dụng 2 dây SDA, SCL) Hiển thị thông số môi trường, trạng thái thiết bị và giao diện nhập mật khẩu
Module Relay 2 kênh Cách ly quang Optocoupler, chịu tải AC 250V/10A, DC 30V/10A, điều khiển tích cực mức thấp (Active Low) Đóng ngắt nguồn điện cho các thiết bị công suất cao
Driver Động cơ L298N Cầu H kép (Dual H-Bridge), dòng tối đa 2A/kênh, tích hợp IC ổn áp 78M05, điều khiển hướng và tốc độ PWM Điều khiển động cơ quạt công suất lớn và cơ cấu chấp hành
Động cơ Servo SG90 Khối lượng 9g, góc quay 0°–180°, điều khiển bằng độ rộng xung 1ms–2ms, lực kéo 1.8kg/cm Đóng/mở cửa chính, cửa phòng ngủ và rèm cửa tự động
Camera Module ESP32-CAM / Camera OV5AS kết nối máy tính xử lý ảnh Python Thu thập khung hình video phục vụ nhận dạng cử chỉ bàn tay

Phân bổ thiết bị theo các phân khu chức năng

Phân khu Thiết bị đầu vào / Cảm biến Cơ cấu chấp hành / Thiết bị đầu ra Chức năng vận hành
Phòng khách Bàn phím Keypad ma trận, Cảm biến nhiệt độ DHT, 3 Nút cảm ứng TTP223, Camera OV5AS/ESP32-CAM Động cơ Servo SG90 (cửa chính), Màn hình LCD 16x2 qua I2C, Đèn chiếu sáng, Quạt Mở cửa bằng mật mã bàn phím, ứng dụng Blynk hoặc cử chỉ tay; bật/tắt đèn, quạt qua nút chạm hoặc AI; hiển thị nhiệt độ/độ ẩm trên LCD.
Phòng ngủ 3 Nút nhấn điện dung TTP223, Tín hiệu điều khiển qua giao diện Web/Blynk 02 Động cơ Servo SG90 (cửa phòng và rèm cửa sổ), Đèn phòng ngủ, Quạt Đóng/mở cửa phòng và kéo rèm tự động bằng servo; bật/tắt thiết bị điện qua nút cảm ứng hoặc điều khiển từ xa.
Phòng bếp Cảm biến khí gas MQ-2, Cảm biến nhiệt độ DHT11, 4 Nút nhấn cảm ứng TTP223 02 Động cơ Servo SG90 (cửa/cửa sổ), Quạt tản nhiệt 12V (2800rpm), Còi báo động (Buzzer), Đèn Tự động phát còi báo động, mở toang cửa sổ bằng servo và bật quạt thông gió 12V khi phát hiện nồng độ gas hoặc nhiệt độ vượt ngưỡng an toàn.

Nội dung chính theo từng chương

CHƯƠNG I: ĐẶT VẤN ĐỀ VÀ PHƯƠNG ÁN GIẢI QUYẾT VẤN ĐỀ

Chương mở đầu trình bày bối cảnh công nghệ IoT và nhà thông minh trên thế giới cũng như tại thị trường Việt Nam (dẫn số liệu dự báo thị trường Smart Home năm 2020 của Statista đạt 43 tỷ USD). Tác giả tổng thuật các nghiên cứu trong và ngoài nước về nhận dạng cử chỉ và thị giác máy tính:

  • Nghiên cứu của Chen Chiung Hsieh và Dung Lua Liou (nhận dạng qua ảnh lịch sử chuyển động và lọc màu da).
  • Nghiên cứu của Dharani Mazumdar và cộng sự (nhận dạng cử chỉ qua găng tay cảm biến gia tốc Data Glove MEMS).
  • Đề tài nhận dạng cử chỉ bàn tay thời gian thực của nhóm nghiên cứu TS. Trần Nguyên Ngọc tại Học viện Kỹ thuật Quân sự.
  • Nghiên cứu phân cụm K-Means và mạng nơ-ron nhận dạng cử chỉ bàn tay của sinh viên ĐH Sư phạm Kỹ thuật TP.HCM (2014) trên Matlab.
  • Hệ thống điểm danh khuôn mặt của Quang Minh (HVKTQS, 2022) đạt độ chính xác 93.7% ở cự ly 0.3m nhưng tải mô hình chậm (4 giây) và hệ thống cảnh báo ngủ gật (ĐH SPKT, 2014) đạt độ chính xác 90% ở khoảng cách 0.2m.

Từ đó, chương I xác lập cơ sở lý thuyết về tiến trình xử lý ảnh chuẩn và các kỹ thuật nhận dạng bàn tay (theo màu da, ngưỡng kênh màu, Optical Flow và phương pháp trừ nền kết hợp bao lồi Convex Hull).

CHƯƠNG II: THIẾT KẾ PHẦN CỨNG

Chương này tập trung trình bày chi tiết kiến trúc phần cứng của hệ thống:

  • Vi điều khiển trung tâm ESP32: Cấu trúc bộ nhớ, thông số điện áp hoạt động (2.6V–3.6V), sơ đồ bố trí chân (Pinout) và các module ngoại vi tích hợp (18 kênh ADC 12-bit, 2 kênh DAC 8-bit, 10 chân cảm ứng điện dung, các bộ định thời 64-bit Watchdog Timer, 3 khối UART, 3 khối SPI, I2S và PWM).
  • Nguyên lý các module cảm biến và phụ kiện:
    • Cảm biến nhiệt độ - độ ẩm DHT11 với định dạng khung truyền 1-wire dài 40 bit (xung khởi động kéo thấp tối thiểu 18ms, phản hồi 54µs mức thấp và 80µs mức cao).
    • Cảm biến mưa và khí gas MQ-2 sử dụng bộ so áp LM358 để xuất tín hiệu số logic TTL kết hợp tín hiệu analog.
    • Cảm biến điện dung TTP223 và màn hình LCD 16x2 sử dụng chip giải mã I2C để tối ưu hóa số chân GPIO.
    • Module Relay 2 kênh tích hợp Opto cách ly và mạch cầu H L298N cấp nguồn dòng tải cao.
  • Thuật toán điều khiển và sơ đồ nguyên lý: Thiết lập lưu đồ giải thuật điều khiển toàn hệ thống (khởi tạo kết nối Wi-Fi, đọc trạng thái cảm biến, tiếp nhận dữ liệu từ Blynk/cử chỉ và xuất tín hiệu điều khiển cơ cấu chấp hành kèm thông báo LCD) cùng sơ đồ đấu nối chi tiết cho ba phân khu phòng khách, phòng ngủ và phòng bếp.

CHƯƠNG III: THIẾT KẾ PHẦN MỀM

Chương III trình bày toàn bộ giải pháp lập trình hệ thống ở cả hai tầng: điều khiển IoT và thị giác máy tính:

  • Lập trình điều khiển IoT qua nền tảng Blynk:
    • Cơ chế xác thực Auth Token kết nối giữa phần cứng ESP32 và máy chủ đám mây Blynk.
    • Quản lý truyền nhận dữ liệu qua chân I/O ảo (Virtual Pin) bằng các hàm sự kiện BLYNK_WRITE(V1), đồng bộ trạng thái khi mất kết nối qua BLYNK_CONNECTED() và Blynk.syncVirtual().
    • Kiểm soát luồng truyền dữ liệu bằng BlynkTimer và cơ chế nhịp tim (Heartbeat ping chu kỳ 10 giây kèm thời gian chờ 5 giây), khuyến nghị không gửi quá 100 giá trị/giây nhằm triệt tiêu lỗi quá tải đường truyền (Flood Error).
  • Xử lý ảnh và nhận dạng cử chỉ bằng Python và OpenCV:
    • Cơ sở toán học xử lý ảnh số: biểu diễn ma trận pixel, phân bố mức xám 8-bit (0–255), không gian màu HSV và RGB.
    • Các kỹ thuật tiền xử lý: chuyển đổi ảnh xám, lọc làm trơn tuyến tính (lọc trung bình, thông thấp) và phi tuyến (lọc trung vị để loại bỏ nhiễu muối tiêu), phân đoạn ảnh dựa trên biên và miền đồng nhất.
    • Quy trình nhận dạng cử chỉ: Sử dụng OpenCV (phiên bản OpenCV 2.x trên Python/Raspberry Pi) thực hiện thu thập dữ liệu ảnh từ luồng camera, áp dụng thuật toán trừ nền tách bàn tay, trích xuất đường viền bao lồi (Convex Hull 2) và điểm khuyết lõm (Convexity Defects) để giải mã số lượng ngón tay xòe/gập, từ đó chuyển thành mã lệnh gửi đến vi điều khiển qua kết nối mạng.

CHƯƠNG IV: KẾT LUẬN VÀ PHƯƠNG HƯỚNG PHÁT TRIỂN

Tổng kết các kết quả đạt được về mặt chế tạo mô hình thực tế, tích hợp đa phương thức điều khiển và định hướng các nội dung cải tiến hệ thống trong tương lai.

Kết quả và đóng góp

Kết quả kỹ thuật đạt được

  • Chế tạo thành công mô hình phần cứng tích hợp: Xây dựng hoàn chỉnh mô hình nhà thông minh 3 phòng (khách, ngủ, bếp) vận hành ổn định trên nền tảng vi điều khiển ESP32-WROOM-32.
  • Triển khai đa dạng phương thức điều khiển:
    • Điều khiển tại chỗ thông qua hệ thống nút bấm cảm ứng điện dung một chạm TTP223 và bàn phím Keypad bảo mật.
    • Giám sát môi trường và điều khiển từ xa thông qua ứng dụng di động Blynk qua kết nối Wi-Fi với cơ chế Virtual Pin và bộ định thời chống nghẽn mạng BlynkTimer.
    • Tự động hóa an toàn phòng bếp: Cảm biến MQ-2 và DHT11 tự động kích hoạt quạt hút 12V, còi hú và mở cửa qua động cơ servo khi xảy ra sự cố rò rỉ gas hoặc nhiệt độ tăng cao.
  • Xây dựng module nhận dạng cử chỉ thị giác máy tính: Ứng dụng thành công ngôn ngữ Python và thư viện OpenCV để nhận diện các trạng thái bàn tay bằng giải thuật hình thái học (trừ nền, Convex Hull, Convexity Defects), truyền dữ liệu điều khiển thiết bị không dây theo thời gian thực.

Đóng góp so với các nghiên cứu trước

  • Khắc phục hạn chế của các đề tài thuần lý thuyết (như đề tài K-Means và mạng nơ-ron năm 2014 trên Matlab chỉ dừng lại ở mô phỏng) bằng việc hiện thực hóa toàn bộ thuật toán trên phần cứng vật lý và mô hình thực tế.
  • Tích hợp thành công giao tiếp tự nhiên bằng cử chỉ không tiếp xúc song song với hệ thống điều khiển IoT truyền thống, cung cấp giải pháp hỗ trợ thiết thực cho người suy giảm khả năng vận động.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của hệ thống

  • Thuật toán nhận dạng bàn tay dựa trên màu sắc và phân đoạn trừ nền vẫn còn độ nhạy cảm cao với sự biến đổi cường độ ánh sáng môi trường và dễ bị nhiễu khi phông nền hậu cảnh phức tạp hoặc có các vật thể mang sắc độ tương đồng với màu da người.
  • Băng thông xử lý và năng lực tiếp nhận yêu cầu mạng của vi điều khiển ESP32 có giới hạn nhất định, đòi hỏi phải kiểm soát chặt chẽ tần suất truyền dữ liệu (tránh vượt ngưỡng 100 giá trị/giây gây ra lỗi Flood Error trên Blynk Server).

Phương hướng phát triển

  • Tối ưu hóa giải thuật thị giác máy tính nhằm nâng cao độ chính xác nhận dạng trong các điều kiện môi trường ánh sáng phức tạp và góc quay bàn tay biến thiên.
  • Nghiên cứu tích hợp trực tiếp các mô hình AI nhận diện cử chỉ và khuôn mặt tối ưu hóa lên các module nhúng biên có camera (như ESP32-CAM) để giảm tải cho máy tính trung tâm.
  • Mở rộng thêm các kịch bản tự động hóa, tăng cường số lượng cảm biến an ninh và thiết bị chấp hành trong ngôi nhà.

Giá trị tham khảo

Đồ án là tài liệu tham khảo có giá trị kỹ thuật thực tiễn cao đối với sinh viên và kỹ sư thuộc các chuyên ngành Kỹ thuật Điều khiển & Tự động hóa, Điện tử - Viễn thông, Công nghệ Thông tin và Cơ điện tử:

  • Phần cứng và thiết kế nhúng: Cung cấp tài liệu tra cứu chi tiết về sơ đồ chân GPIO, cấu hình bộ nhớ của ESP32-WROOM-32, cùng nguyên lý ghép nối các module giao tiếp phổ biến (DHT11 1-wire, LCD qua chip chuyển đổi I2C, module cầu H L298N, module relay cách ly quang).
  • Lập trình IoT: Cung cấp giải pháp triển khai thực tế nền tảng Blynk, phương pháp cấu hình Virtual Pin, xử lý đồng bộ hóa trạng thái thiết bị và kỹ thuật sử dụng Timer để chống tràn dữ liệu trên vi điều khiển.
  • Thị giác máy tính ứng dụng: Cung cấp quy trình xử lý ảnh cơ bản trên Python/OpenCV từ khâu tiền xử lý, chuyển đổi không gian màu đến việc ứng dụng các giải thuật hình thái học (Convex Hull, Convexity Defects) để nhận dạng cử chỉ bàn tay điều khiển thiết bị ngoại vi.

Câu hỏi thường gặp

1. Vi điều khiển ESP32-WROOM-32 được sử dụng trong đề tài có cấu hình phần cứng như thế nào?

Module ESP32-WROOM-32 sử dụng chip nhân ESP32-D0WDQ6 với bộ xử lý lõi kép 32-bit Xtensa LX6, tần số xung nhịp từ 80MHz đến 240MHz. Module tích hợp bộ nhớ nội gồm 448KB ROM, 520KB SRAM, 16KB SRAM trong RTC và 4MB SPI Flash ngoài. Về truyền thông, module hỗ trợ Wi-Fi chuẩn 802.11 b/g/n (tốc độ lên tới 150Mbps), Bluetooth v4.2 và Bluetooth Low Energy (BLE), cùng các ngoại vi như 18 kênh ADC 12-bit, 2 kênh DAC 8-bit, 10 chân cảm ứng điện dung và các cổng giao tiếp UART, SPI, I2C, PWM.

2. Cảm biến DHT11 truyền dữ liệu nhiệt độ và độ ẩm về vi điều khiển theo cơ chế nào?

Cảm biến DHT11 sử dụng chuẩn giao tiếp 1-wire. Vi điều khiển bắt đầu giao tiếp bằng cách kéo chân dữ liệu xuống mức thấp tối thiểu 18ms rồi kéo lên cao. Cảm biến phản hồi bằng một xung mức thấp 54µs và mức cao 80µs, sau đó gửi liên tiếp một khung dữ liệu 40-bit chia làm 5 byte (8-bit nguyên độ ẩm, 8-bit thập phân độ ẩm, 8-bit nguyên nhiệt độ, 8-bit thập phân nhiệt độ, và 8-bit kiểm tra checksum).

3. Thuật toán nhận dạng cử chỉ bằng OpenCV trong đề tài xác định số lượng ngón tay bằng phương pháp nào?

Hệ thống sử dụng kỹ thuật Codebook trên nền thư viện OpenCV để thực hiện thuật toán trừ nền (Background Subtraction), tách vùng ảnh bàn tay ra khỏi hậu cảnh. Sau đó, thuật toán Convex Hull được sử dụng để xác định đường bao lồi chứa các điểm đầu ngón tay (điểm lồi), kết hợp với thuật toán Convexity Defects để trích xuất các điểm lõm nằm giữa các ngón tay. Dựa trên số lượng điểm lồi và điểm lõm hình học thu được, hệ thống tính toán chính xác số lượng ngón tay đang xòe để phát lệnh điều khiển.

4. Nền tảng Blynk được cấu hình như thế nào để tránh lỗi mất kết nối (Flood Error) trên ESP32?

Để tránh lỗi Flood Error do gửi quá nhiều yêu cầu vượt quá khả năng xử lý của ESP32 và máy chủ (giới hạn tối đa 100 giá trị/giây), chương trình không đặt các lệnh Blynk.virtualWrite() trực tiếp trong vòng lặp void loop() và không sử dụng hàm delay(). Thay vào đó, hệ thống sử dụng đối tượng BlynkTimer để định thời các chu kỳ truyền dữ liệu và duy trì cơ chế Heartbeat (gửi gói ping chu kỳ 10 giây kèm thời gian chờ 5 giây để kiểm tra trạng thái trực tuyến).

5. Kịch bản tự động hóa an toàn tại phân khu phòng bếp được thiết kế ra sao?

Tại phòng bếp, cảm biến khí gas MQ-2 liên tục đo nồng độ khí cháy và cảm biến DHT11 giám sát nhiệt độ môi trường. Khi nồng độ khí gas hoặc mức nhiệt độ vượt qua ngưỡng an toàn định trước, vi điều khiển ESP32 sẽ lập tức kích hoạt còi hú báo động (Buzzer), đồng thời phát xung điều khiển động cơ Servo SG90 mở toang cửa sổ và kích hoạt quạt tản nhiệt 12V (tốc độ 2800 vòng/phút) để thông gió, tản khí độc ra ngoài.

Kết luận

Đồ án tốt nghiệp "Giải Pháp Nhà Thông Minh: Nhận Dạng Cử Chỉ Bằng Công Nghệ AI" đã hoàn thành việc thiết kế và tích hợp thành công mô hình nhà thông minh đa phân khu dựa trên vi điều khiển ESP32 kết hợp các loại cảm biến môi trường và cơ cấu chấp hành. Hệ thống kết hợp hài hòa giữa phương thức điều khiển truyền thống qua nút cảm ứng điện dung, điều khiển từ xa qua mạng Wi-Fi bằng nền tảng Blynk và phương thức tương tác không tiếp xúc thông qua xử lý ảnh cử chỉ bàn tay với Python/OpenCV. Toàn bộ các khối phần cứng, thuật toán xử lý hình thái học và giao thức truyền thông nhúng đều được thử nghiệm thực tế trên mô hình vật lý, tạo nền tảng ứng dụng tin cậy cho các hệ thống tự động hóa gia đình hiện đại.