Bối cảnh và vấn đề nghiên cứu

Trong giai đoạn phát triển từ năm 2016, công nghệ Trí tuệ nhân tạo (AI) và Chatbot đã trở thành một trong những xu hướng công nghệ nổi bật trên thế giới. Dẫn theo dự báo từ tổ chức nghiên cứu Gartner, đến năm 2020 sẽ có hơn 85% tương tác khách hàng được quản lý tự động mà không cần sự can thiệp trực tiếp của con người. Bên cạnh việc ứng dụng trong dịch vụ khách hàng, thương mại, y tế và giải trí, công nghệ xử lý ngôn ngữ tự nhiên (NLP) thông qua Chatbot bắt đầu được nghiên cứu ứng dụng vào lĩnh vực tự động hóa nông nghiệp, cụ thể là các quy trình chiếu sáng và tưới tiêu nhằm giảm thiểu chi phí, công sức và thời gian vận hành.

Xuất phát từ thực tiễn trên, đồ án tốt nghiệp ngành Công nghệ Kỹ thuật Điện tử Truyền thông tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (thực hiện bởi sinh viên Mai Vũ Xuân Trường và Nguyễn Thanh Tân, dưới sự hướng dẫn của ThS. Nguyễn Mạnh Hùng vào năm 2018) đã lựa chọn đề tài "Xây dựng hệ thống Chatbot tự động".

Mục tiêu chính của đề tài là nghiên cứu nguyên lý hoạt động của Chatbot, làm chủ nền tảng Dialogflow của Google và ngôn ngữ lập trình Python, từ đó xây dựng mô hình tương tác giao tiếp người – máy để điều khiển tự động các thiết bị điện phục vụ mô hình trồng trọt/vườn rau.

Văn bản xác định 7 nội dung và nhiệm vụ nghiên cứu cụ thể:

  1. Tìm hiểu về Chatbots, Dialogflow, Intents, Entities, Contexts, Actions and Parameters, Training Phrase, Fulfillment.
  2. Thiết kế sơ đồ khối của hệ thống Chatbots và xây dựng lưu đồ thuật toán trên Dialogflow.
  3. Nghiên cứu cơ chế Webhook trong Dialogflow để kết nối với môi trường PyCharm và xử lý dữ liệu định dạng JSON.
  4. Tìm hiểu phần cứng máy tính nhúng Raspberry Pi, cài đặt hệ điều hành và nạp chương trình điều khiển xuống bo mạch.
  5. Lập trình ngôn ngữ Python trên môi trường PyCharm, ứng dụng giải pháp ngrok để thiết lập đường hầm kết nối giữa Dialogflow và Raspberry Pi.
  6. Thử nghiệm, đo kiểm và đánh giá kết quả thực hiện của hệ thống.
  7. Tổng hợp và hoàn thiện báo cáo đồ án tốt nghiệp.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Nền tảng đàm thoại Dialogflow, ngôn ngữ lập trình Python, máy tính nhúng Raspberry Pi và mô hình điều khiển thiết bị ngoại vi thông qua giao tiếp ngôn ngữ tự nhiên.
  • Phạm vi và giới hạn: Hệ thống tập trung ứng dụng vào việc tự động hóa vườn rau quy mô nhỏ, giới hạn kiểm soát trạng thái đóng/ngắt của 3 thiết bị điện gồm 2 bóng đèn chiếu sáng (lightbult1, lightbult2) và 1 động cơ bơm tưới (motor). Quá trình nghiên cứu và thực nghiệm được tiến hành trong thời gian hơn 2 tháng (năm 2018).

Cơ sở lý thuyết và phương pháp

Đồ án tổng hợp hệ thống lý thuyết về trí tuệ nhân tạo, xử lý ngôn ngữ tự nhiên, tiến trình lịch sử phát triển của các hệ thống hội thoại và kiến trúc nền tảng Dialogflow:

  • Khái niệm và nền tảng AI/Chatbot: Nghiên cứu trích dẫn các định nghĩa kinh điển về AI của Bellman (1978) và Rich & Knight (1991). Chatbot được phân loại thành 2 nhóm chính: Chatbot viết kịch bản (Scripted chatbot) hoạt động theo tập luật cố định và Chatbot thông minh (Intelligent chatbot) tích hợp kỹ thuật Xử lý ngôn ngữ tự nhiên (NLP/NLU) cùng Máy học (Machine Learning) để phân tích đầu vào tự do và tự học từ dữ liệu tương tác.
  • Tiến trình lịch sử phát triển của Chatbot: Văn bản hệ thống hóa các mốc phát triển tiêu biểu gồm: Phép thử Turing (1950), Hội thảo Dartmouth (1956), Chatbot Eliza (1960), Parry (1972), Thí nghiệm Căn phòng tiếng Trung (1980), Dr. Sbaitso (1992), ALICE (1995–2001 dựa trên chuẩn AIML), Jabberwacky, SmarterChild, GooglyMinotaur, IBM Watson (2006/2011), Apple Siri, Google Now/Google Assistant, Amazon Alexa (2014/2015), Microsoft Cortana & Tay (2015/2016), cùng làn sóng bot trên Messenger, Slack, Telegram (2016) và Instabot (2017).
  • Kiến trúc thành phần của Dialogflow (Google):
    • Intents (Ý định): Phân chia thành Ý định ngẫu nhiên (Casual Intents - chào hỏi, xác nhận, phủ định) và Ý định nghiệp vụ (Business Intents - xử lý tác vụ điều khiển thiết bị chuyên sâu).
    • Entities (Thực thể): Công cụ trích xuất tham số gồm thực thể hệ thống (System Entities: thời gian, địa điểm...), thực thể nhà phát triển (Developer Entities) và thực thể người dùng (User Entities).
    • Contexts (Ngữ cảnh): Bao gồm Input Context và Output Context nhằm duy trì luồng hội thoại; thời gian sống mặc định của một Context là 5 lượt yêu cầu hoặc 10 phút.
    • Actions and Parameters: Thiết lập các tham số trích xuất (Constant, Default, IsList, Required, các biến định dạng $date.recent, $date.partial).
    • Fulfillment & Webhook: Cổng kết nối trao đổi dữ liệu JSON với dịch vụ ngoài qua giao thức HTTP.

Phương pháp nghiên cứu:

  • Phương pháp nghiên cứu lý thuyết: Thu thập, phân tích và hệ thống hóa tài liệu kỹ thuật về các dịch vụ đám mây NLP (Dialogflow, Wit.ai, Watson, LUIS...) và kỹ thuật lập trình phần cứng.
  • Phương pháp thiết kế - tích hợp kỹ thuật: Thiết kế sơ đồ khối phần cứng - phần mềm; xây dựng dịch vụ máy chủ trung gian dựa trên nền tảng Python Flask; sử dụng công cụ tạo đường hầm ngrok để chuyển tiếp các webhook request từ Internet về máy chủ nội bộ.
  • Phương pháp thực nghiệm kiểm thử: Huấn luyện cụm từ mẫu (Training Phrases), kiểm tra nhận diện tham số trên giao diện Console của Dialogflow, đo kiểm logic xuất tín hiệu mức cao/thấp trên các chân GPIO của Raspberry Pi tương ứng với lệnh điều khiển thiết bị thực tế.

Thiết kế và triển khai

Hệ thống được thiết kế theo cấu trúc phân tầng, tích hợp giữa nền tảng xử lý ngôn ngữ đám mây và hệ thống điều khiển phần cứng biên.

1. Kiến trúc hệ thống

Hệ thống gồm 3 phân khối chức năng chính:

  • Khối truyền dữ liệu, thông tin: Nhận yêu cầu của người dùng qua giao diện nhập liệu (bàn phím/văn bản hoặc âm thanh), chuyển tiếp đến bộ xử lý và nhận phản hồi hiển thị qua màn hình, loa hoặc trạng thái vật lý của thiết bị điện.
  • Khối xử lý dữ liệu, thông tin (Dialogflow): Tiếp nhận câu truy vấn (Query), ứng dụng mô hình học máy để phân tích cú pháp, phân loại ý định (Intent), bóc tách các thực thể (Entities) và tham số tương ứng, đóng gói thành dữ liệu có cấu trúc JSON.
  • Khối thực hiện truy vấn (Webhook & Backend): Máy chủ web viết bằng Python (sử dụng framework Flask) tiếp nhận file JSON từ Dialogflow thông qua HTTP POST, phân tích logic điều khiển và truyền lệnh xuất tín hiệu trực tiếp ra các chân điều khiển phần cứng.
Thành phần khối Công nghệ / Nền tảng Chức năng chính
Giao diện & NLP Google Dialogflow Console Nhận diện giọng nói/văn bản, phân tích NLP, trích xuất Intent và Entity
Mạng chuyển tiếp ngrok Tunnel Thiết lập URL public an toàn chuyển tiếp Webhook từ Internet vào máy chủ cục bộ
Máy chủ Webhook Python / Flask Framework Tiếp nhận HTTP POST, phân tích dữ liệu JSON, sinh phản hồi văn bản (fulfillmentText)
Bộ điều khiển biên Raspberry Pi / RPi.GPIO Nhận tín hiệu điều khiển logic, đóng/cắt mức điện áp trên các chân GPIO
Thiết bị chấp hành Rơ-le, 2 bóng đèn, 1 motor Thực hiện đóng/mở đèn chiếu sáng và bơm nước cho mô hình vườn rau

2. Triển khai phần mềm và mã nguồn Webhook

Hệ thống sử dụng Python làm ngôn ngữ xử lý chính trên môi trường PyCharm IDE. Khi Dialogflow nhận diện được Intent điều khiển hành động on:off, dữ liệu JSON được chuyển tiếp đến máy chủ Flask qua route /webhook.

Đoạn mã xử lý Webhook và điều khiển chân GPIO thực tế trên hệ thống:

#!/usr/bin/env python
import urllib
import json
import os
from flask import Flask
from flask import request
from flask import make_response
import RPi.GPIO as GPIO

# Khởi tạo ứng dụng Flask
app = Flask(__name__)

@app.route('/webhook', methods=['POST'])
def webhook():
    req = request.get_json(silent=True, force=True)
    print("Request:")
    print(json.dumps(req, indent=4))
    res = makeWebhookResult(req)
    res = json.dumps(res, indent=4)
    r = make_response(res)
    r.headers['Content-Type'] = 'application/json'
    return r

def makeWebhookResult(req):
    if req.get("action") != "on:off":
        return {}
    queryResult = req.get("queryResult")
    parameters = queryResult.get("parameters")
    val1 = parameters.get("on-off")
    val2 = parameters.get("device")
    
    # Logic điều khiển các thiết bị điện dựa trên tham số
    if val1 == "on" and val2 == "lightbult1":
        GPIO.output(17, GPIO.HIGH)
    if val1 == "off" and val2 == "lightbult1":
        GPIO.output(17, GPIO.LOW)
    if val1 == "on" and val2 == "lightbult2":
        GPIO.output(27, GPIO.HIGH)
    if val1 == "off" and val2 == "lightbult2":
        GPIO.output(27, GPIO.LOW)
    if val1 == "on" and val2 == "motor":
        GPIO.output(22, GPIO.HIGH)
    if val1 == "off" and val2 == "motor":
        GPIO.output(22, GPIO.LOW)
        
    speech = "OK " + val1 + " " + val2
    print("Response:")
    print(speech)
    return {
        "fulfillmentText": speech
    }

if __name__ == '__main__':
    port = int(os.getenv('PORT', 5000))
    app.run(debug=True, port=port, host='0.0.0.0')

Nội dung chính theo từng chương

Chƣơng 1: Tổng Quan

Chương này đặt vấn đề về sự bùng nổ của công nghệ Trí tuệ nhân tạo và Chatbot trong giai đoạn 2016–2020. Tác giả trình bày lý do chọn đề tài xuất phát từ nhu cầu ứng dụng công nghệ mới vào tự động hóa nông nghiệp (chiếu sáng, tưới tiêu). Nội dung chương xác định rõ mục tiêu chế tạo hệ thống tương tác người – máy, đề ra 7 nhiệm vụ nghiên cứu chi tiết, xác định phạm vi giới hạn trong việc điều khiển 2 bóng đèn và 1 motor tưới cho vườn rau, đồng thời phác thảo cấu trúc toàn bộ đồ án gồm 6 chương.

Chƣơng 2: Cơ Sở Lý Thuyết

Chương 2 cung cấp bức tranh toàn cảnh về mặt lý thuyết:

  • Trình bày định nghĩa AI theo Bellman (1978) và Rich & Knight (1991), nguyên lý Chatbot và phân loại 2 dạng (theo kịch bản và thông minh).
  • Tổng hợp lịch sử phát triển Chatbot qua 16 mốc và mô hình kinh điển từ Phép thử Turing (1950) đến các trợ lý ảo hiện đại (Siri, Alexa, Google Assistant, Cortana, IBM Watson).
  • Đi sâu phân tích nền tảng Dialogflow của Google: cơ chế tiếp nhận câu nói, cấu trúc Intent (Casual Intents, Business Intents), phân loại Entities (System, Developer, User), cơ chế quản lý Contexts (với vòng đời 5 request/10 phút), thiết lập Actions and Parameters và kỹ thuật tích hợp Fulfillment qua Webhook.

Chƣơng 3: Tính Toán và Thiết Kế

Nội dung chương 3 tập trung xây dựng mô hình kiến trúc:

  • Thiết lập sơ đồ khối hệ thống gồm 3 phân vùng: Truyền nhận dữ liệu (User, Input, Output), Xử lý dữ liệu qua Dialogflow (Query, Intent, Actionable Data) và Thực thi truy vấn Webhook (Code, APIs, Database).
  • Phân định rõ luồng xử lý: các ý định ngẫu nhiên được xử lý và trả lời trực tiếp ra màn hình/loa; các ý định nghiệp vụ (điều khiển thiết bị) được đóng gói dạng JSON chuyển đến Webhook.
  • Trình bày sơ đồ kết nối chân phần cứng giữa bo mạch máy tính nhúng Raspberry Pi và khối mạch công suất/rơ-le điều khiển thiết bị điện.

Chƣơng 4: Thi Công Hệ Thống

Chương 4 mô tả chi tiết quá trình hiện thực hóa mô hình:

  • Xây dựng lưu đồ giải thuật phân nhánh điều kiện trên Dialogflow (Turn on/off cho từng đối tượng lightbult 1, lightbult 2, motor xuất các mã trạng thái A1/A2, B1/B2, C1/C2).
  • Hướng dẫn thiết lập Agent trên giao diện điều khiển Dialogflow: tạo tác nhân, cấu hình Intent, nạp các cụm từ đào tạo (Training Phrases), trích xuất tham số và thiết lập phản hồi mẫu.
  • Giới thiệu môi trường phát triển PyCharm IDE của JetBrains, cài đặt các thư viện phụ thuộc (flask, RPi.GPIO).
  • Viết mã nguồn Python triển khai máy chủ Flask lắng nghe webhook, đồng thời cấu hình ngrok để mở đường hầm kết nối Internet với máy chủ nội bộ.

Chƣơng 5: Kết Quả, Nhận Xét và Đánh Giá

Chương này tổng kết toàn bộ kết quả thực nghiệm đạt được sau hơn 2 tháng triển khai:

  • Đánh giá khả năng hiểu ngôn ngữ tự nhiên: hệ thống nhận diện chính xác các Intent và trích xuất đúng các Entity (on-off và device).
  • Kiểm thử thực tế các kịch bản tương tác: hiển thị kết quả kiểm thử cuộc trò chuyện chào hỏi và các yêu cầu bật/tắt thiết bị.
  • Đánh giá hoạt động phần cứng: ghi nhận trạng thái đóng/ngắt chính xác của Đèn 1, Đèn 2 và Động cơ phun nước theo đúng câu lệnh điều khiển từ người dùng, đồng thời hệ thống xuất phản hồi xác nhận qua chuỗi ký tự fulfillmentText.

Chƣơng 6: Kết Luận và Hướng Phát Triển

Chương cuối tóm lược các mục tiêu đã hoàn thành, chỉ ra những mặt hạn chế trong phạm vi mô hình thử nghiệm và đề xuất các định hướng mở rộng hệ thống trong tương lai.

Kết quả và đóng góp

1. Kết quả thực nghiệm chính

Sau thời gian thực hiện nghiên cứu, hệ thống đã hoàn thành toàn bộ các yêu cầu thiết kế và đạt được các kết quả thực tế sau:

  • Xây dựng thành công Agent trên Dialogflow có khả năng nhận diện các ý định hội thoại thông thường và ý định điều khiển thiết bị nông nghiệp.
  • Thiết lập thành công kênh truyền thông hai chiều giữa đám mây Dialogflow và mạch phần cứng Raspberry Pi cục bộ thông qua Flask Webhook và ngrok.
  • Thực nghiệm điều khiển độc lập và chính xác 3 thiết bị điện với độ trễ phản hồi thấp:
Thiết bị điều khiển Lệnh đầu vào (Dialogflow) Tham số trích xuất (on-off, device) Phản hồi văn bản (fulfillmentText) Trạng thái phần cứng thực tế
Bóng đèn 1 "Bật đèn 1" val1="on", val2="lightbult1" OK on lightbult1 Đèn 1 sáng (GPIO 17 = HIGH)
Bóng đèn 1 "Tắt đèn 1" val1="off", val2="lightbult1" OK off lightbult1 Đèn 1 tắt (GPIO 17 = LOW)
Bóng đèn 2 "Bật đèn 2" val1="on", val2="lightbult2" OK on lightbult2 Đèn 2 sáng (GPIO 27 = HIGH)
Bóng đèn 2 "Tắt đèn 2" val1="off", val2="lightbult2" OK off lightbult2 Đèn 2 tắt (GPIO 27 = LOW)
Động cơ tưới "Bật motor" val1="on", val2="motor" OK on motor Motor quay (GPIO 22 = HIGH)
Động cơ tưới "Tắt motor" val1="off", val2="motor" OK off motor Motor ngừng (GPIO 22 = LOW)

2. Giải pháp và đóng góp của đề tài

  • Giải pháp kỹ thuật: Đề xuất và hiện thực hóa thành công mô hình lai (Hybrid Architecture) kết hợp sức mạnh xử lý ngôn ngữ tự nhiên trên nền tảng đám mây (Cloud NLP của Dialogflow) với khả năng điều khiển phần cứng trực tiếp của máy tính nhúng (Raspberry Pi), giải quyết bài toán giao tiếp người – máy bằng giọng nói/văn bản không cần xây dựng lại mô hình NLP từ đầu.
  • Đóng góp học thuật/thực tiễn: Cung cấp tài liệu hướng dẫn kỹ thuật chi tiết về quy trình cấu hình Dialogflow, xây dựng Webhook bằng Python Flask, kỹ thuật phân tích gói tin JSON và cách ánh xạ tham số NLP sang các chân điều khiển ngoại vi GPIO phục vụ mô hình nông nghiệp thông minh.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Hệ thống chỉ mới dừng lại ở quy mô mô hình thử nghiệm với số lượng thiết bị chấp hành giới hạn (2 đèn và 1 động cơ).
  • Mô hình phụ thuộc hoàn toàn vào kết nối mạng Internet và các dịch vụ trung gian của bên thứ ba (Dialogflow, ngrok); nếu mất kết nối mạng, quá trình điều khiển không thể thực hiện.
  • Hệ thống điều khiển theo cơ chế một chiều từ lệnh người dùng, chưa tích hợp vòng lặp phản hồi từ các cảm biến môi trường (độ ẩm đất, nhiệt độ, ánh sáng) để tự động hóa hoàn toàn quy trình chăm sóc cây trồng.

Hướng nghiên cứu tiếp

  • Mở rộng số lượng và chủng loại thiết bị điều khiển trong hệ thống nông nghiệp (hệ thống quạt thông gió, van tưới nhỏ giọt, rèm che nắng).
  • Tích hợp thêm các khối cảm biến môi trường truyền dữ liệu ngược về máy chủ để Chatbot có thể thông báo trạng thái vườn cây cho người dùng khi được truy vấn.
  • Nâng cấp giao diện người dùng, tích hợp Chatbot vào các ứng dụng tin nhắn phổ biến (Facebook Messenger, Telegram) để điều khiển từ xa trên điện thoại thông minh thuận tiện hơn.

Giá trị tham khảo

Tài liệu đồ án là nguồn tham khảo hữu ích cho sinh viên, giảng viên và kỹ sư thuộc các chuyên ngành:

  • Công nghệ Kỹ thuật Điện tử Truyền thông, Tự động hóa và IoT: Tham khảo giải pháp kết nối, điều khiển phần cứng Raspberry Pi qua môi trường mạng và xử lý tín hiệu logic ngoại vi.
  • Công nghệ thông tin và Kỹ thuật phần mềm: Tham khảo cấu trúc xây dựng webhook bằng Python Flask, quy trình xử lý dữ liệu JSON trong các hệ thống đàm thoại tương tác.

Các phần đáng giá nhất để tham khảo:

  1. Kiến trúc phân tầng và lưu đồ xử lý dữ liệu giữa Dialogflow, Webhook và Raspberry Pi (Chương 3 và Chương 4).
  2. Quy trình thiết lập Intents, Entities, Contexts trên nền tảng Dialogflow Console (Chương 2 và Chương 4).
  3. Đoạn mã nguồn mẫu hoàn chỉnh bằng Python Flask tiếp nhận và bóc tách dữ liệu từ Dialogflow để điều khiển cổng RPi.GPIO (Chương 4).

Câu hỏi thường gặp

1. Hệ thống sử dụng công cụ xử lý ngôn ngữ tự nhiên nào và cơ chế bóc tách lệnh ra sao?

Hệ thống sử dụng nền tảng Dialogflow của Google (tiền thân là API.AI). Khi người dùng nhập câu lệnh, Dialogflow sử dụng công nghệ NLU để nhận diện ý định (Intent on:off) và bóc tách hai thực thể tham số chính: trạng thái điều khiển (on-off, nhận giá trị on hoặc off) và đối tượng thiết bị (device, nhận giá trị lightbult1, lightbult2, hoặc motor).

2. Làm thế nào để Dialogflow trên đám mây gửi được lệnh điều khiển về bo mạch Raspberry Pi đặt tại mạng cục bộ?

Hệ thống sử dụng công cụ tạo đường hầm ngrok. Ngrok cung cấp một địa chỉ URL công khai (Public HTTPS URL) trỏ trực tiếp đến cổng dịch vụ (mặc định port 5000) của máy chủ web Flask đang chạy trên Raspberry Pi, cho phép Dialogflow chuyển tiếp gói tin Webhook HTTP POST qua Internet đến máy chủ nội bộ theo thời gian thực.

3. Vòng đời của một Ngữ cảnh (Context) trong Dialogflow được quy định như thế nào trong đồ án?

Theo lý thuyết của Dialogflow được trình bày trong đồ án, một Ngữ cảnh (Context) mặc định sẽ tự động hết hạn sau 5 lần gửi yêu cầu (requests) hoặc sau 10 phút kể từ thời điểm nó được khởi tạo.

4. Hệ thống phản hồi lại cho người dùng bằng những hình thức nào sau khi nhận lệnh?

Hệ thống thực hiện phản hồi đa phương thức:

  • Phản hồi bằng văn bản/âm thanh: Máy chủ Webhook tạo chuỗi ký tự phản hồi (ví dụ: OK on lightbult1) gửi vào trường fulfillmentText để Dialogflow hiển thị trên màn hình hoặc phát qua loa.
  • Phản hồi bằng hành động vật lý: Bo mạch Raspberry Pi kích hoạt mức logic HIGH/LOW trên chân GPIO tương ứng để đóng/ngắt điện của bóng đèn hoặc động cơ.

5. Những thiết bị điện cụ thể nào đã được nhóm tác giả tích hợp và thử nghiệm thành công?

Hệ thống đã tích hợp và điều khiển thành công 3 thiết bị phục vụ mô hình vườn rau: Bóng đèn số 1 (lightbult1), Bóng đèn số 2 (lightbult2) và Động cơ máy bơm tưới nước (motor).

Kết luận

Đồ án tốt nghiệp "Xây dựng hệ thống Chatbot tự động" của sinh viên Mai Vũ Xuân Trường và Nguyễn Thanh Tân đã nghiên cứu và ứng dụng thành công nền tảng Google Dialogflow kết hợp với ngôn ngữ lập trình Python và máy tính nhúng Raspberry Pi. Hệ thống đã hiện thực hóa giải pháp điều khiển thiết bị điện (đèn chiếu sáng và máy bơm tưới) thông qua giao tiếp ngôn ngữ tự nhiên với độ chính xác cao và thời gian đáp ứng thời gian thực. Mặc dù còn giới hạn ở quy mô thực nghiệm với 3 thiết bị và phụ thuộc vào kết nối mạng trung gian, công trình đã đóng góp một giải pháp tích hợp phần cứng – phần mềm hoàn chỉnh, mở ra hướng ứng dụng thực tiễn của Trí tuệ nhân tạo trong lĩnh vực nông nghiệp thông minh và điều khiển tự động.