Thiết kế và thi công hệ thống điều khiển các thiết bị điện trong nhà sử dụng công nghệ LoRa

Đồ án hệ thống điều khiển thiết bị điện dùng công nghệ LoRa - ĐH Sư phạm Kỹ thuật TPHCM

• Tác giả: Lê Anh Quang
• Người hướng dẫn: TS. Nguyễn Thanh Nghĩa
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ kỹ thuật điện tử - Viễn thông
• Đề tài: Thiết kế và thi công hệ thống điều khiển các thiết bị điện trong nhà sử dụng công nghệ LoRa
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan về hệ thống điều khiển thiết bị điện dùng LoRa

Đề tài tốt nghiệp tại Trường Đại học Sư phạm Kỹ thuật TP.HCM tập trung vào việc thiết kế và thi công hệ thống điều khiển thiết bị điện trong nhà sử dụng công nghệ LoRa. Nhóm sinh viên Lê Anh Quang và Trần Hữu Nghĩa, ngành Công nghệ Kỹ thuật Điện tử - Viễn thông, thực hiện đề tài dưới sự hướng dẫn của TS. Nguyễn Thanh Nghĩa trong năm 2023. Hệ thống kết hợp nhiều thành phần phần cứng hiện đại. Vi điều khiển Arduino Mega 2560 và Arduino Uno đóng vai trò xử lý trung tâm. Module LoRa Ra-02 SX1278 đảm nhận truyền thông không dây tầm xa. Raspberry Pi 3 Model B xử lý nhận dạng khuôn mặt thông qua camera USB. Module Wifi ESP8266 kết nối hệ thống lên nền tảng đám mây. Hệ thống điều khiển đèn và quạt qua relay 4 kênh và 8 kênh. Cảm biến DHT11 theo dõi nhiệt độ và độ ẩm. Cảm biến khí gas MQ-2 phát hiện rò rỉ khí nguy hiểm. Ứng dụng Android được phát triển riêng để người dùng điều khiển từ xa. Đây là mô hình nhà thông minh tiêu biểu ứng dụng công nghệ IoT thực tế trong bối cảnh giáo dục kỹ thuật Việt Nam.

1.1. Công nghệ LoRa và vai trò trong hệ thống nhà thông minh

LoRa (Long Range) là công nghệ truyền thông không dây sử dụng kỹ thuật điều chế trải phổ Chirp Spread Spectrum. Công nghệ này cho phép truyền dữ liệu tầm xa với mức tiêu thụ năng lượng rất thấp. Module LoRa Ra-02 SX1278 được nhóm nghiên cứu lựa chọn vì khả năng giao tiếp qua giao thức SPI, tương thích tốt với cả Arduino Mega 2560 và Arduino Uno. Trong hệ thống đa tầng, LoRa đóng vai trò cầu nối truyền lệnh điều khiển giữa các tầng mà không cần dây kết nối vật lý, tăng tính linh hoạt và giảm chi phí lắp đặt.

1.2. Kiến trúc phần cứng tổng thể của hệ thống

Hệ thống được xây dựng theo mô hình đa tầng. Tầng 1 sử dụng Arduino Mega 2560 làm bộ điều khiển chính, kết nối relay 8 kênh để điều khiển nhiều thiết bị đồng thời, tích hợp bàn phím ma trận 3x4 nhập mật khẩu mở cửa và servo điều khiển cơ cấu khóa. Tầng 2 dùng Arduino Uno kết hợp relay 4 kênh để điều khiển 2 đèn và 2 quạt. Raspberry Pi 3 Model B xử lý nhận dạng khuôn mặt độc lập. Màn hình LCD 16x02 hiển thị thông tin trạng thái hệ thống theo thời gian thực. Nguồn tổ ong và module hạ áp DC-DC cung cấp điện ổn định cho toàn bộ hệ thống.

II. Phân tích thách thức khi xây dựng hệ thống điều khiển LoRa

Việc triển khai hệ thống điều khiển thiết bị điện đa tầng sử dụng LoRa đặt ra nhiều thách thức kỹ thuật đáng kể. Đầu tiên là vấn đề đồng bộ hóa giao tiếp giữa nhiều vi điều khiển khác nhau. Arduino Mega 2560 tại tầng 1 và Arduino Uno tại tầng 2 phải truyền nhận lệnh qua LoRa một cách chính xác, không xung đột. Thứ hai là bài toán tích hợp nhận dạng khuôn mặt vào hệ thống nhúng. Raspberry Pi 3 cần xử lý luồng video từ camera USB theo thời gian thực với tài nguyên tính toán giới hạn. Thứ ba là vấn đề an toàn điện. Dòng qua relay phải được kiểm soát chặt chẽ, đặc biệt khi điều khiển tải là quạt và đèn có dòng làm việc đáng kể. Relay 4 kênh và 8 kênh được chọn có tiếp điểm chịu tải tối đa 10A, đảm bảo an toàn vận hành. Thứ tư là thách thức về giao diện người dùng. Ứng dụng Android phải giao tiếp ổn định với hệ thống qua ESP8266, xử lý độ trễ mạng và đảm bảo lệnh điều khiển được thực thi đúng thứ tự. Ngoài ra, việc đảm bảo phát hiện khí gas MQ-2 hoạt động độc lập và kích hoạt cảnh báo nhanh chóng cũng là yêu cầu quan trọng về an toàn.

2.1. Thách thức giao tiếp SPI giữa LoRa và vi điều khiển

Module LoRa Ra-02 giao tiếp với Arduino qua chuẩn SPI bốn dây gồm SCK, MISO, MOSI và NSS. Tại tầng 2, các chân 13, 12, 11 và 10 của Arduino Uno được sử dụng tương ứng. Việc định thời và đồng bộ tín hiệu SPI đòi hỏi lập trình cẩn thận để tránh mất gói tin. Khi hệ thống vận hành đồng thời nhiều cảm biến và thiết bị ngoại vi, tranh chấp bus SPI có thể xảy ra nếu không quản lý tín hiệu chip select đúng cách. Nhóm nghiên cứu phải viết phần mềm điều phối bus SPI hiệu quả, đảm bảo LoRa nhận và gửi dữ liệu không bị gián đoạn trong quá trình vận hành liên tục của hệ thống.

2.2. Hạn chế tài nguyên trong xử lý nhận dạng khuôn mặt

Raspberry Pi 3 Model B với chip ARM Cortex-A53 bốn nhân 1.4GHz và RAM 1GB phải xử lý luồng hình ảnh từ camera USB để nhận dạng khuôn mặt theo thời gian thực. Đây là tác vụ tính toán nặng, đòi hỏi tối ưu thuật toán nhận dạng để giảm độ trễ. Kết nối Wifi dual-band và Bluetooth 4.2 trên Raspberry Pi hỗ trợ truyền kết quả nhận dạng đến hệ thống điều khiển chính. Tuy nhiên, việc cân bằng giữa độ chính xác nhận dạng và tốc độ xử lý trong điều kiện ánh sáng thực tế không đồng đều là bài toán khó, đặc biệt khi thiết kế cho môi trường trong nhà có nhiều biến động.

III. Giải pháp thiết kế và thi công hệ thống điều khiển LoRa

Nhóm nghiên cứu áp dụng kiến trúc phân tầng rõ ràng để giải quyết các thách thức đã xác định. Mỗi tầng có bộ điều khiển riêng, giao tiếp với nhau qua LoRa, giảm thiểu phụ thuộc và tăng tính mở rộng. Tầng 1 với Arduino Mega 2560 quản lý nhiều chức năng phức tạp hơn nhờ số lượng chân I/O lớn. Các chân 31 đến 37 điều khiển 7 relay, chân 6 điều khiển servo mở cửa. Tầng 2 với Arduino Uno đơn giản hơn, các chân 3, 4, 5, 6 kích hoạt 4 relay điều khiển đèn và quạt. Phần mềm ứng dụng Android được xây dựng để giao tiếp với hệ thống qua ESP8266. Người dùng có thể bật tắt từng thiết bị, theo dõi nhiệt độ, độ ẩm và nhận cảnh báo khí gas trên điện thoại. Hệ thống cửa tự động tích hợp hai lớp bảo mật: nhận dạng khuôn mặt qua Raspberry Pi và mật khẩu qua bàn phím ma trận 3x4. Chỉ khi cả hai lớp xác thực đều thành công, servo mới mở khóa cửa. Quy trình kiểm thử bao gồm chạy thử nghiệm toàn hệ thống, phát hiện lỗi, chỉnh sửa và đánh giá kết quả cuối cùng.

3.1. Thiết kế mạch điều khiển relay đa kênh đảm bảo an toàn

Relay 8 kênh tại tầng 1 và relay 4 kênh tại tầng 2 đều có tiếp điểm chịu dòng tối đa 10A. Mức dòng này đảm bảo an toàn khi điều khiển quạt và đèn dân dụng thông thường. Nguồn tổ ong cung cấp điện áp ổn định cho toàn mạch. Module hạ áp DC-DC chuyển đổi điện áp phù hợp cho từng khối vi điều khiển và cảm biến. Sơ đồ nối dây được thiết kế chi tiết cho từng tầng, đảm bảo phân ly hoàn toàn phần mạch điện điều khiển điện áp thấp với phần tải điện xoay chiều 220V. Thiết kế này giảm thiểu nguy cơ nhiễu điện và đảm bảo an toàn cho người vận hành và thiết bị trong hệ thống.

3.2. Phát triển ứng dụng Android điều khiển từ xa qua ESP8266

Ứng dụng Android được xây dựng để điều khiển toàn bộ hệ thống từ xa thông qua kết nối Wifi via module ESP8266. Giao diện hiển thị trạng thái từng thiết bị điện theo thời gian thực. Dữ liệu nhiệt độ và độ ẩm từ cảm biến DHT11 được cập nhật liên tục lên ứng dụng. Cảnh báo khí gas từ MQ-2 được đẩy thông báo ngay lập tức đến người dùng. ESP8266 NodeMCU với khả năng kết nối Wifi tích hợp đóng vai trò cổng nối giữa hệ thống phần cứng và ứng dụng di động, cho phép điều khiển thiết bị điện trong nhà từ bất kỳ đâu có kết nối internet.

IV. Kết quả và ứng dụng thực tiễn của hệ thống điều khiển LoRa

Hệ thống điều khiển thiết bị điện sử dụng công nghệ LoRa được thi công thành công thành mô hình nhà hai tầng hoạt động thực tế. Kết quả đạt được bao gồm điều khiển đèn, quạt, cửa tự động và giám sát môi trường hoàn chỉnh qua ứng dụng Android. Module LoRa Ra-02 SX1278 truyền nhận lệnh ổn định giữa hai tầng mà không cần đường dây vật lý. Nhận dạng khuôn mặt qua Raspberry Pi và camera USB hoạt động đủ chính xác cho môi trường thực nghiệm. Hệ thống bảo mật hai lớp tại cửa ra vào vận hành đúng theo thiết kế. Mô hình này có tiềm năng ứng dụng rộng rãi trong lĩnh vực nhà thông minh, tòa nhà thương mại và hệ thống giám sát công nghiệp quy mô nhỏ. Đặc biệt, khả năng mở rộng thêm tầng hoặc thêm thiết bị chỉ bằng cách bổ sung node LoRa mới là ưu điểm nổi bật so với hệ thống dây truyền thống. Từ góc độ giáo dục, đề tài cung cấp nền tảng thực hành quý giá cho sinh viên ngành Điện tử - Viễn thông trong việc tích hợp phần cứng nhúng, lập trình và phát triển ứng dụng di động trong một dự án hoàn chỉnh.

4.1. Đánh giá hiệu quả vận hành mô hình thực tế

Sau quá trình chạy thử nghiệm và chỉnh sửa lỗi, hệ thống vận hành ổn định với độ trễ điều khiển chấp nhận được qua ứng dụng Android. Cảm biến DHT11 cập nhật nhiệt độ và độ ẩm đều đặn. Cảm biến MQ-2 phát hiện khí gas nhanh chóng và kích hoạt cảnh báo kịp thời. Relay điều khiển đèn và quạt đóng ngắt chính xác theo lệnh từ ứng dụng và từ tín hiệu LoRa. Màn hình LCD 16x02 hiển thị thông tin trạng thái hệ thống rõ ràng tại chỗ. Kết quả tổng thể đáp ứng yêu cầu của đề tài tốt nghiệp và chứng minh tính khả thi của việc ứng dụng LoRa trong hệ thống nhà thông minh quy mô nhỏ tại Việt Nam.

4.2. Tiềm năng phát triển và hướng nghiên cứu tiếp theo

Hệ thống hiện tại có thể mở rộng theo nhiều hướng. Tích hợp thêm cảm biến chuyển động, cảm biến ánh sáng để tự động hóa cao hơn là bước phát triển tự nhiên tiếp theo. Nâng cấp lên LoRaWAN cho phép kết nối mạng diện rộng, phù hợp với các tòa nhà lớn hoặc khu đô thị thông minh. Thay thế Raspberry Pi bằng thiết bị xử lý mạnh hơn hoặc sử dụng dịch vụ đám mây cho nhận dạng khuôn mặt sẽ tăng độ chính xác đáng kể. Nghiên cứu tích hợp trí tuệ nhân tạo để học thói quen sử dụng điện và tự động tối ưu tiêu thụ năng lượng là hướng nghiên cứu có giá trị cao cho các đề tài tốt nghiệp tiếp theo tại Trường Đại học Sư phạm Kỹ thuật TP.HCM.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong xu thế phát triển của khoa học và công nghệ hiện đại, kỹ thuật điều khiển từ xa và mạng truyền thông không dây đóng vai trò cốt lõi trong việc tự động hóa quản lý các thiết bị gia dụng, tối ưu hóa thời gian và nâng cao chất lượng cuộc sống. Xuất phát từ bối cảnh đó, đồ án tốt nghiệp ngành Công nghệ kỹ thuật Điện tử - Viễn thông tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (do sinh viên Lê Anh Quang và Trần Hữu Nghĩa thực hiện dưới sự hướng dẫn của TS. Nguyễn Thanh Nghĩa, giai đoạn 16/02/2023 – 22/06/2023) đã lựa chọn đề tài: "Thiết kế và thi công hệ thống điều khiển các thiết bị điện trong nhà sử dụng công nghệ LoRa". Tác giả tham khảo cảm hứng từ các nghiên cứu trước đó về hệ thống giám sát kết hợp Wi-Fi và LoRa nhưng nhận thấy các mô hình tiền nhiệm chỉ điều khiển số lượng thiết bị hạn chế. Đề tài mở rộng khả năng điều khiển đa thiết bị phân tầng, tích hợp cảm biến cảnh báo môi trường và cơ chế an ninh mở khóa kép.

Mục tiêu nghiên cứu của đồ án tập trung vào ba nhiệm vụ trọng tâm được đánh số theo văn bản:

1. Thiết kế và thi công mạch phần cứng giám sát, điều khiển các thiết bị điện thông qua ứng dụng Android phân bổ tại 2 tầng.
2. Thiết kế và thi công hệ thống kiểm soát cửa ra vào kết hợp bảo mật nhận diện gương mặt và bàn phím ma trận nhập mật khẩu.
3. Thi công hoàn thiện mô hình nhà 2 tầng vật lý và tiến hành vận hành thử nghiệm toàn bộ hệ thống.

Đối tượng nghiên cứu là hệ thống điều khiển và giám sát thiết bị điện dân dụng (đèn, quạt), hệ thống cửa tự động và cảm biến môi trường (nhiệt độ, độ ẩm, khí gas). Phạm vi nghiên cứu về mặt không gian được giới hạn trong quy mô mô hình nhà 2 tầng thu nhỏ với 2 node điều khiển (mặc dù công nghệ LoRa trên lý thuyết cho phép bán kính hoạt động từ 5 km đến 15 km). Tầng 1 gồm 4 đèn LED thanh 12V, 3 quạt 12V, cảm biến DHT11, cảm biến MQ-2, cụm mở cửa tự động (camera USB, LCD 16x2, bàn phím 3x4, động cơ servo) và còi buzzer; tầng 2 gồm 2 đèn LED thanh 12V và 2 quạt 12V.

Cơ sở lý thuyết và phương pháp

Về cơ sở lý thuyết, đồ án xây dựng dựa trên các nền tảng kỹ thuật và cấu trúc hệ thống:

• Khái niệm mạng vạn vật kết nối Internet (IoT) và kiến trúc hệ thống nhà thông minh (Smart Home) cho phép quản trị thiết bị từ xa qua giao diện ứng dụng.
• Khung lý thuyết nhận diện khuôn mặt (Face Recognition) thuộc lĩnh vực trắc sinh học (Biometrics) với quy trình xử lý 3 giai đoạn: Phát hiện khuôn mặt (Face Detection), Trích rút đặc trưng (Feature Extraction) và Nhận dạng khuôn mặt (Face Recognition). Hệ thống sử dụng phân loại nhận dạng dựa trên đặc trưng hoặc diện mạo tổng thể qua nguồn dữ liệu ảnh 2D từ camera.
• Các chuẩn truyền thông nối tiếp phần cứng:
  • Chuẩn UART (Universal Asynchronous Receiver-Transmitter): Truyền nối tiếp không đồng bộ với cấu trúc khung truyền gồm Start bit, Data frame (5–9 bit), Parity bit và Stop bit.
  • Chuẩn SPI (Serial Peripheral Interface): Truyền thông đồng bộ Master-Slave song công 4 dây gồm SCK, MISO, MOSI và SS/NSS.
  • Chuẩn I2C (Inter-Integrated Circuit): Giao tiếp nối tiếp 2 dây đồng bộ gồm SDA (dữ liệu hai chiều) và SCL (xung đồng hồ), hỗ trợ các chế độ Standard mode, Fast mode và High-Speed mode.

Phương pháp nghiên cứu thực tế được thực hiện qua các bước:

• Phương pháp phân tích và tổng hợp lý thuyết từ giáo trình, tài liệu chuyên ngành về vi điều khiển, module RF và xử lý ảnh sinh trắc học.
• Phương pháp thiết kế kỹ thuật phần cứng: Tính toán phân phối tải, thiết kế sơ đồ khối, vẽ sơ đồ nguyên lý kết nối chân chi tiết cho từng bo mạch xử lý trung tâm và mạch nguồn.
• Phương pháp thực nghiệm và thi công: Lắp ráp các linh kiện lên bảng mạch mô hình nhà 2 tầng, kiểm tra mức sụt áp, đo dòng và áp thực tế tiêu thụ trên các nhánh thiết bị bằng đồng hồ vạn năng.
• Nguồn dữ liệu sử dụng: Dữ liệu tín hiệu tương tự (Analog) và số (Digital) từ cảm biến khí gas MQ-2 và nhiệt độ - độ ẩm DHT11; hình ảnh luồng video thời gian thực từ Webcam USB 2.0; cơ sở dữ liệu thời gian thực Google Firebase; tập dữ liệu ảnh mẫu khuôn mặt lưu trữ cục bộ trên thẻ nhớ của Raspberry Pi 3 Model B.

Thiết kế và triển khai

Hệ thống được thiết kế theo cấu trúc mạng phân tầng hai khối điều khiển phần cứng kết hợp mạng truyền thông không dây kép (Wi-Fi và LoRa):

Khối chức năng	Phần cứng trung tâm / Module	Chức năng kỹ thuật và Giao tiếp ngoại vi
Khối trung tâm Tầng 1	Arduino Mega 2560	Vi xử lý trung tâm tầng trệt (ATmega2560, 54 chân I/O số, 16 chân analog, 4 cổng Serial phần cứng).
Module Wi-Fi	ESP8266 NodeMCU	Kết nối mạng Wi-Fi dân dụng, đồng bộ dữ liệu hai chiều với Google Firebase; giao tiếp với Arduino Mega 2560 qua cổng UART 2 (chân D5-RX, D6-TX).
Module LoRa Tầng 1	LoRa Ra-02 SX1278 (Ai-Thinker)	Băng tần 433 MHz, điều chế LoRa truyền dữ liệu xuyên tầng; giao tiếp SPI với Arduino Mega qua chân 52 (SCK), 50 (MISO), 51 (MOSI), 53 (NSS).
Khối nhận diện khuôn mặt	Raspberry Pi 3 Model B	Chip 4 nhân 64-bit 1.4 GHz, nhận luồng hình ảnh từ Webcam USB 2.0, xử lý thuật toán nhận dạng khuôn mặt; chân GPIO17 liên kết chân số 4 của Arduino Mega.
Khối cảm biến Tầng 1	DHT11 và MQ-2	DHT11 giao tiếp chuẩn 1-Wire. MQ-2 phát hiện khí nồng độ 10–1000 ppm, chân Out kết nối chân digital số 3 của Arduino Mega.
Khối an ninh và hiển thị	LCD 16x2 I2C, Keypad 3x4, Buzzer, RC Servo	LCD nối chân SDA (A4) và SCL (A5); bàn phím ma trận nhập mã; servo điều khiển then cửa nối chân 6; buzzer cảnh báo nối chân 38 kích hoạt khi rò rỉ khí gas.
Khối công suất Tầng 1	Module Relay 8 kênh	Điện áp điều khiển 5VDC kích mức thấp (Low 0V), tiếp điểm 250VAC/10A; nối các chân số 31 đến 37 của Arduino Mega để đóng cắt 4 đèn và 3 quạt 12V.
Khối trung tâm Tầng 2	Arduino Uno R3	Vi điều khiển ATmega328P xử lý lệnh nhận được qua sóng LoRa để điều khiển thiết bị tầng 2.
Module LoRa Tầng 2	LoRa Ra-02 SX1278	Thu tín hiệu điều khiển từ tầng 1 qua chuẩn SPI nối với Arduino Uno tại các chân 13 (SCK), 12 (MISO), 11 (MOSI), 10 (NSS).
Khối công suất Tầng 2	Module Relay 4 kênh	Nối các chân 3, 4, 5, 6 của Arduino Uno để điều khiển đóng cắt độc lập 2 đèn và 2 quạt 12V.
Khối nguồn hệ thống	Nguồn tổ ong 12V 5A & LM2596	Biến đổi 110/220VAC sang 12VDC (sai số 1–3%, hiệu suất 88%), mạch LM2596 hạ áp xuống 5VDC (dòng tối đa 3A, hiệu suất 92%) cấp cho các vi điều khiển.

Ứng dụng điều khiển di động được lập trình thông qua nền tảng MIT App Inventor, đóng gói dưới dạng tệp cài đặt Android (.apk) và phân phối qua mã QR. Giao diện người dùng gồm màn hình khởi động (Screen1), giao diện điều khiển Tầng 1 (hiển thị nhiệt độ, độ ẩm, nồng độ khí gas và các nút bật/tắt thiết bị) và giao diện điều khiển Tầng 2. Ứng dụng gửi nhận dữ liệu thời gian thực tới cơ sở dữ liệu Google Firebase qua kết nối Internet (Wi-Fi, 3G, 4G). Module ESP8266 liên tục lắng nghe thay đổi trên Firebase để cập nhật trạng thái tới Arduino Mega 2560 qua cổng UART.

Nội dung chính theo từng chương

Chương 1: Giới thiệu đề tài

Chương này thiết lập cơ sở khoa học của công trình. Tác giả chỉ ra hạn chế của các giải pháp nhà thông minh trước đây khi phụ thuộc hoàn toàn vào mạng Wi-Fi cục bộ hoặc bị giới hạn số lượng thiết bị điều khiển qua sóng RF thông thường. Nội dung chương công bố mục tiêu nghiên cứu, chỉ rõ 3 nhiệm vụ thi công cụ thể, xác định phạm vi giới hạn trong mô hình 2 tầng với số lượng tải cố định (7 quạt, 6 đèn chia theo từng tầng) và phác thảo bố cục tài liệu thành 6 chương logic.

Chương 2: Cơ sở lý thuyết

Nội dung chương 2 trình bày chi tiết các nền tảng kỹ thuật được ứng dụng. Tác giả khảo sát nguyên lý mạng IoT, phân tích kỹ thuật nhận dạng sinh trắc học khuôn mặt 2D qua 3 công đoạn xử lý ảnh. Toàn bộ thông số kỹ thuật của các phần cứng được hệ thống hóa đầy đủ: cấu trúc vi điều khiển ATmega2560 và ATmega328P, máy tính nhúng Raspberry Pi 3 Model B, chip Wi-Fi SoC ESP8266 NodeMCU, module RF LoRa SX1278 băng tần 433 MHz, cảm biến SnO2 MQ-2, cảm biến nhiệt ẩm DHT11, module giao tiếp LCD qua I2C với bộ điều khiển HD44780 (địa chỉ I2C mặc định 0x27), bộ nguồn xung tổ ong chuyển mạch và mạch ổn áp giảm áp LM2596. Phần cuối chương giải thích sâu cơ chế định thời, cấu trúc khung truyền và giản đồ bit của 3 chuẩn giao tiếp ngoại vi: UART, SPI và I2C.

Chương 3: Thiết Kế và Xây Dựng Hệ Thống

Chương 3 diễn giải quá trình hiện thực hóa sơ đồ khối tổng thể thành các sơ đồ mạch chi tiết. Tác giả phân bổ chức năng chi tiết cho hệ thống tầng 1 và tầng 2. Tại tầng trệt, Arduino Mega 2560 đóng vai trò điều phối trung tâm tiếp nhận tín hiệu từ ESP8266, DHT11, MQ-2, nút nhấn ngắt khẩn cấp, bàn phím số ma trận 3x4, LCD 16x2, Raspberry Pi 3 Model B, đồng thời xuất tín hiệu điều khiển servo mở cửa và kích hoạt 8 relay. Toàn bộ sơ đồ nối dây ghim chân chi tiết giữa các chân GPIO của Arduino Mega, Uno với module LoRa Ra-02 qua bus SPI, cổng nối tiếp UART 2 và bus I2C được thiết kế hoàn chỉnh.

Chương 4: Thi Công Hệ Thống

Chương 4 mô tả quy trình gia công phần cứng thực tế và xây dựng phần mềm nhúng. Tác giả trình bày hình ảnh bố trí mặt trên và mặt dưới của mô hình tầng 1 và tầng 2, quy cách đóng gói hộp điều khiển và kiến trúc khung nhà 2 tầng. Về phần mềm, chương đưa ra các lưu đồ giải thuật hoàn chỉnh: lưu đồ điều khiển chính trên Arduino Mega 2560, lưu đồ thu phát dữ liệu ESP8266 kết nối cơ sở dữ liệu đám mây, lưu đồ điều khiển nhận gói LoRa trên Arduino Uno tầng 2, lưu đồ trích xuất đặc trưng và nhận dạng khuôn mặt trên môi trường hệ điều hành Raspberry Pi, lưu đồ thuật toán ứng dụng di động trên MIT App Inventor và hướng dẫn vận hành hệ thống thực tế.

Chương 5: Kết Luận, Nhận Xét và Đánh Giá

Chương này trình bày các số liệu đo lường kỹ thuật kiểm định mô hình. Tác giả thực hiện đo đạc thực tế điện áp và cường độ dòng điện tiêu thụ của từng thiết bị ngoại vi tại tầng 1 (Bảng 4.1) và tầng 2 (Bảng 4.2). Nội dung đưa ra bảng đánh giá độ tin cậy khi đóng cắt đèn, quạt bằng ứng dụng điện thoại và bảng đánh giá số liệu thực nghiệm của hệ thống kiểm soát cửa khi mở bằng nhận diện khuôn mặt và bàn phím mật mã, qua đó nhận xét về tính ổn định của đường truyền không dây LoRa giữa hai tầng.

Chương 6: Kết Luận và Hướng Phát Triển

Chương tổng kết đánh giá mức độ hoàn thành so với mục tiêu đề ra ban đầu. Nhóm nghiên cứu chỉ ra những ưu điểm về tính tích hợp đa công nghệ (LoRa, Wi-Fi, xử lý ảnh, cảm biến an toàn) trên cùng một kiến trúc nhà thông minh, đồng thời thẳng thắn chỉ rõ các hạn chế kỹ thuật còn tồn tại trên mô hình thử nghiệm và đề xuất các phương án mở rộng nghiên cứu trong tương lai.

Kết quả và đóng góp

Đồ án ghi nhận các kết quả thực nghiệm và thông số kỹ thuật cụ thể đã triển khai:

• Chế tạo thành công mô hình phần cứng nhà thông minh 2 tầng hoàn chỉnh, phân chia điều khiển độc lập theo 2 node mạng vi điều khiển.
• Kiểm tra tính tương thích nguồn điện và độ ổn định dòng tải của hệ thống qua số liệu đo đạc thực tế:

Vị trí khảo sát	Thiết bị đo đạc	Mức điện áp hoạt động	Cường độ dòng điện tiêu thụ
Tầng 1	Khối vi điều khiển & Module (Mega, ESP, LoRa)	5 VDC (qua hạ áp LM2596)	Đáp ứng trong ngưỡng cấp tải tối đa 3A của LM2596
Tầng 1	Tải đèn LED thanh (4 đèn)	12 VDC (nguồn tổ ong)	Dòng hoạt động ổn định qua tiếp điểm Relay 10A
Tầng 1	Tải quạt làm mát (3 quạt)	12 VDC (nguồn tổ ong)	Dòng hoạt động ổn định qua tiếp điểm Relay 10A
Tầng 2	Khối vi điều khiển & LoRa (Uno, LoRa Ra-02)	5 VDC	Nguồn cấp vi điều khiển ổn định
Tầng 2	Tải đèn LED thanh (2 đèn)	12 VDC	Đóng cắt độc lập qua module Relay 4 kênh
Tầng 2	Tải quạt làm mát (2 quạt)	12 VDC	Đóng cắt độc lập qua module Relay 4 kênh

• Tích hợp thành công cơ chế điều khiển thiết bị hai tầng không dây: Tầng 1 tiếp nhận lệnh từ ứng dụng Android thông qua cơ sở dữ liệu thời gian thực Firebase, truyền thành công gói dữ liệu qua module LoRa Ra-02 sang tầng 2 để kích hoạt relay tương ứng.
• Hoàn thiện hệ thống bảo mật cửa ra vào hai lớp: Cho phép mở cửa tự động bằng nhận dạng khuôn mặt qua camera USB kết nối Raspberry Pi 3 và mở cửa thủ công bằng mã số thông qua bàn phím ma trận 3x4, hiển thị trạng thái đóng/mở trực quan trên màn hình LCD 16x2.
• Triển khai chức năng cảnh báo an toàn: Khi cảm biến MQ-2 ghi nhận nồng độ khí gas hoặc khói vượt ngưỡng cho phép, hệ thống lập tức kích hoạt còi báo buzzer tại chỗ và cung cấp nút bấm phần cứng để thiết lập lại (reset) chuông.

Đóng góp của đồ án so với các nghiên cứu trước (được tác giả đối sánh ở phần mở đầu) nằm ở việc không chỉ dừng lại ở số lượng ít thiết bị cục bộ, mà đã mở rộng điều khiển đồng thời nhiều thiết bị điện phân bố đa tầng; phối hợp nhịp nhàng giữa mạng tầm xa tiết kiệm năng lượng LoRa và mạng Wi-Fi Internet; tích hợp đồng bộ giữa giám sát an toàn môi trường và an ninh cửa vào trong một hệ thống nhà thông minh duy nhất.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của hệ thống được xác định trực tiếp từ nội dung văn bản:

• Mô hình thực nghiệm mới chỉ dừng lại ở quy mô thử nghiệm gồm 2 tầng với số lượng node truyền thông là 2 node.
• Khoảng cách truyền thông LoRa thực tế trên mô hình nhà 2 tầng là cự ly ngắn, chưa khai thác và kiểm chứng hết giới hạn cự ly lý thuyết của module LoRa SX1278 (vốn có thể đạt từ 5 km đến 15 km trong môi trường thông thoáng).
• Chưa mở rộng kết nối số lượng cảm biến chuyên sâu khác phục vụ tự động hóa gia đình.

Hướng phát triển tiếp theo được tác giả đề xuất:

• Mở rộng số lượng node điều khiển LoRa cho các khu vực hoặc các tầng nhà khác để tạo thành mạng lưới cảm biến hoàn chỉnh (LoRa Mesh/Star topology).
• Thử nghiệm đánh giá hiệu năng truyền nhận gói tin LoRa ở các khoảng cách thực tế xa hơn ngoài thực địa (khoảng cách hàng trăm mét đến vài kilômét).
• Tối ưu hóa thuật toán nhận diện khuôn mặt trên Raspberry Pi nhằm tăng tốc độ nhận dạng và cải thiện độ chính xác dưới các điều kiện ánh sáng môi trường thay đổi.
• Bổ sung các tính năng điều khiển tự động hóa thông minh dựa trên ngữ cảnh đo đạc nhiệt độ, độ ẩm môi trường từ cảm biến DHT11.

Giá trị tham khảo

Tài liệu đồ án là nguồn tư liệu kỹ thuật hữu ích đối với sinh viên chuyên ngành Công nghệ kỹ thuật Điện tử - Viễn thông, Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Máy tính và Công nghệ thông tin đang thực hiện đồ án môn học hoặc khóa luận tốt nghiệp về đề tài Internet of Things (IoT) và Nhà thông minh (Smart Home).

Các nội dung có giá trị tham khảo ứng dụng cao trong tài liệu bao gồm:

• Sơ đồ nguyên lý và quy chuẩn đấu nối chân phần cứng chi tiết giữa các dòng vi điều khiển khác nhau (Arduino Mega 2560, Arduino Uno R3, ESP8266, Raspberry Pi 3) với các module ngoại vi thông dụng (LoRa Ra-02 SX1278, relay đa kênh, LCD I2C, bàn phím ma trận).
• Quy trình kết nối phần cứng và phần mềm điều khiển từ xa thông qua nền tảng đám mây Google Firebase và ứng dụng di động xây dựng bằng MIT App Inventor.
• Thiết kế hệ thống an ninh tích hợp nhận diện hình ảnh sinh trắc học và mật mã số kết hợp điều khiển cơ cấu chấp hành servo.

Câu hỏi thường gặp

Hệ thống thực hiện truyền dữ liệu giữa Tầng 1 và Tầng 2 bằng giao thức và phần cứng nào?
Dữ liệu giữa Tầng 1 và Tầng 2 được truyền không dây thông qua hai module LoRa Ra-02 sử dụng chip Semtech SX1278 băng tần 433 MHz. Ở tầng 1, module LoRa giao tiếp với Arduino Mega 2560 qua giao tiếp SPI (chân 50-MISO, 51-MOSI, 52-SCK, 53-NSS). Ở tầng 2, module LoRa giao tiếp với Arduino Uno R3 cũng qua giao thức SPI (chân 12-MISO, 11-MOSI, 13-SCK, 10-NSS).

Khối điều khiển cửa ra vào hỗ trợ những phương thức mở cửa nào?
Hệ thống hỗ trợ 2 phương thức mở cửa: tự động nhận diện khuôn mặt thông qua Webcam USB 2.0 kết nối và xử lý trên Raspberry Pi 3 Model B, hoặc nhập mật mã bảo mật thủ công qua bàn phím ma trận 3x4 kết nối trực tiếp với Arduino Mega 2560. Trạng thái đóng/mở của cửa được hiển thị trực tiếp lên màn hình LCD 16x2.

Cảm biến khí gas MQ-2 và cảm biến nhiệt độ - độ ẩm DHT11 được kết nối vào những chân nào trên vi điều khiển?
Cảm biến nhiệt độ - độ ẩm DHT11 kết nối với Arduino Mega 2560 qua giao thức 1-Wire. Cảm biến khí gas MQ-2 có chân tín hiệu ra (Out) được đấu nối trực tiếp vào chân digital số 3 của Arduino Mega 2560.

Hệ thống xử lý cảnh báo sự cố rò rỉ khí gas như thế nào?
Khi cảm biến MQ-2 phát hiện nồng độ khí gas hoặc chất dễ cháy vượt ngưỡng an toàn trong dải đo 10–1000 ppm, Arduino Mega 2560 lập tức kích hoạt chuông còi buzzer (kết nối tại chân số 38) để phát âm thanh báo động. Người sử dụng có thể nhấn nút nhấn phần cứng chuyên dụng (nối ở chế độ điện trở kéo lên nội bộ INPUT_PULLUP) để tắt chuông buzzer.

Phần mềm trên điện thoại di động được phát triển bằng công cụ gì và kết nối cơ sở dữ liệu nào?
Ứng dụng di động được thiết kế trên môi trường MIT App Inventor, tạo tệp cài đặt cho hệ điều hành Android (.apk). Ứng dụng kết nối và đồng bộ trạng thái thiết bị thời gian thực với cơ sở dữ liệu đám mây Google Firebase, từ đó trung chuyển tín hiệu tới vi điều khiển thông qua chip Wi-Fi ESP8266 NodeMCU.

Kết luận

Đồ án tốt nghiệp của sinh viên Lê Anh Quang và Trần Hữu Nghĩa đã nghiên cứu, thiết kế và chế tạo thành công mô hình hệ thống nhà thông minh 2 tầng ứng dụng công nghệ truyền thông không dây LoRa kết hợp mạng Wi-Fi và xử lý ảnh. Công trình đã giải quyết trọn vẹn việc điều khiển đóng cắt độc lập 6 đèn LED và 5 quạt làm mát phân tầng, tích hợp kiểm soát an ninh cửa hai lớp (nhận diện gương mặt và mã số) cùng cơ chế cảnh báo rò rỉ khí gas thời gian thực. Toàn bộ thiết kế phần cứng, giải thuật nhúng và thực nghiệm đo đạc dòng áp trên mô hình khẳng định tính khả thi của giải pháp kết hợp LoRa - IoT trong tự động hóa điều khiển dân dụng.

Trích đoạn nội dung tài liệu

đặt vấn đề dẫn nhập lý do chọn đề tài, mục tiêu, nôi dung nghiên cứu, các giới hạn thông số và bố cục đồ án. • Chương 2: Cơ sở lý thuyết Chương này trình bày về các lý thuyết có liên quan đến các vấn đề mà đề tài sẽ dùng để thực hiện thiết kế, thi công cho đề tài. • Chương 3: Thiết Kế và Tính Toán Chương này giới thiệu tổng quan về các yêu cầu của đề tài mà mình thiết kế và các tính toán, thiết kế gồm những phần nào. • Chương 4: Thi công hệ thống Trình bày các mạch đã thiết kế và trình tự lắp ráp thi công mô hình, hướng dẫn cách cài đặt, sử dụng các phần mềm lập trình và trình bày các thao tác hướng dẫn sử dụng hệ thống.

• Chương 5: Kết Luận, Nhận xét và Đánh giá Chương này đưa ra nhận xét và đánh giá sản phẩm mô hình đã hoàn thành. • Chương 6: Kết Luận và Hướng phát triển Chương này trình bày về những kết quả đã được mục tiêu đề ra sau quá trình nghiên cứu thi công. Từ những kết quả đạt được, những hạn chế, từ đó rút ra kết luận và hướng phát triển để giải quyết các vấn đề tồn đọng để đồ án hoàn thiện hơn. CƠ SỞ LÝ THUYẾT Chương 2.1 Công nghệ IoT và hệ thống nhà thông minh Internet of Things (IoT) đang ngày càng trở nên phổ biến và ảnh hưởng đến đời sống của con người một cách đáng kể.

IoT cho phép các thiết bị được kết nối với nhau thông qua mạng internet, giúp cho việc quản lý và điều khiển các hoạt động trong nhà thông minh, văn phòng, công trình xây dựng, hay thậm chí cả các thành phố trở nên dễ dàng hơn. Bằng cách sử dụng các cảm biến, IoT cũng có thể giúp cho con người theo dõi sức khỏe của mình, phát hiện sớm các vấn đề về sức khỏe và tự động điều khiển các thiết bị trong nhà để tăng tính an toàn cho người dùng. Với sự tiến bộ của công nghệ, IoT đang có những ứng dụng tiềm năng trong nhiều lĩnh vực khác nhau, từ sản xuất, nông nghiệp đến giải trí và du lịch, và chắc chắn sẽ mang lại nhiều lợi ích cho đời sống của con người trong tương lai. Những ứng dụng của IoT trong lĩnh vực nhà thông minh đã mang đến cho con người những tiện ích và trải nghiệm sống tiện lợi hơn.

Nhờ vào những thiết bị kết nối mạng thông minh như đèn, máy lạnh, máy giặt, bếp điện và cả cửa ra vào, việc điều khiển và quản lý các thiết bị trong nhà trở nên dễ dàng hơn bao giờ hết.1: Hệ thống nhà thông minh 5 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Với nhà thông minh, người dùng có thể điều khiển và giám sát các thiết bị trong nhà thông qua một ứng dụng trên điện thoại. Ví dụ, khi rời khỏi nhà, người dùng có thể tắt đèn, tắt máy lạnh hoặc kiểm tra lại xem cửa đã khóa chưa. Nếu có khách ghé thăm, người dùng có thể mở cửa từ xa cho họ vào mà không cần phải đến cửa.

Để sử dụng sản phẩm nhà thông minh một cách hiệu quả, người dùng cần có kiến thức và kỹ năng để cài đặt và sử dụng các thiết bị liên quan đến IoT. Các nhà sản xuất cần đưa ra các giải pháp tối ưu hóa để giúp người dùng dễ dàng tiếp cận và sử dụng sản phẩm nhà thông minh một cách tiện lợi và an toàn. Việc phát triển sản phẩm nhà thông minh cũng đặt ra nhiều thách thức cho các nhà sản xuất, như bảo mật thông tin và đảm bảo tính ổn định của hệ thống. Do đó, các nhà sản xuất cần phải đầu tư vào nghiên cứu và phát triển công nghệ, cũng như kiểm tra và thử nghiệm sản phẩm trước khi đưa ra thị trường.

Trong tương lai, sản phẩm nhà thông minh sẽ ngày càng phổ biến và trở thành một phần không thể thiếu trong cuộc sống của con người. Đó sẽ là sự kết hợp hoàn hảo giữa công nghệ và cuộc sống, giúp con người tiết kiệm thời gian, công sức và tạo ra một môi trường sống tiện nghi và an toàn hơn.2 Bảo mật bằng phương pháp nhận diện gương mặt Nhận dạng khuôn mặt (Face Recognition)[3] là một phương pháp sinh trắc để xác định hoặc xác minh một cá nhân nào đó bằng cách so sánh dữ liệu hình ảnh chụp trực tiếp hoặc hình ảnh kỹ thuật số với bản ghi được lưu trữ cho người đó. Nó được xem là một lĩnh vực nghiên cứu của ngành Biometrics (tương tự như nhận dạng vân tay – Fingerprint Recognition, hay nhận dạng mống mắt – Iris Recognition). So với nhận dạng vân tay và mống mắt, nhận dạng khuôn mặt có nguồn dữ liệu phong phú hơn (chúng ta có thể nhìn thấy mặt người ở bất cứ tấm ảnh, video clip nào liên quan tới con người trên mạng) và ít đòi hỏi sự tương tác có kiểm soát hơn (để thực hiện nhận dạng vân tay hay mống mắt, dữ liệu input lấy từ con người đòi hỏi có sự hợp tác trong môi trường có kiểm soát) [3].

CƠ SỞ LÝ THUYẾT Các hệ thống nhận dạng khuôn mặt thường được sử dụng cho các mục đích an ninh như kiểm soát an ninh tại tòa nhà, sân bay, máy ATM, tra cứu thông tin của tội phạm, phát hiện tội phạm ở nơi công cộng, .và ngày càng được ứng dụng rộng rãi trong cuộc sống [3]. Để xây dựng một hệ thống nhận dạng khuôn mặt có đầu vào của hệ thống là một hình ảnh kỹ thuật số hay một khung hình video từ một nguồn video. Đầu ra là xác định hoặc xác minh người ở trong bức hình hoặc trong video đó là ai. Hướng tới mục tiêu này chúng ta thường chia thủ tục nhận dạng khuôn mặt gồm ba bước: Phát hiện khuôn mặt, trích rút đặc trưng và nhận dạng khuôn mặt [3].2: Hệ thống nhận diện khuôn mặt Phát hiện khuôn mặt (Face Detection): Chức năng chính của bước này là phát hiện ra khuôn mặt xem nó có xuất hiện ở trong một bức hình hay một đoạn video hay không? Tỉ lệ phát hiện ra khuôn mặt phụ thuộc nhiều vào điều kiện về độ sáng, hướng khuôn mặt, biểu hiện cảm xúc trên khuôn mặt hay các yếu tố môi trường khác.

Để hệ thống nhận dạng hoạt động đạt hiệu quả cao thì hình ảnh khuôn mặt sau khi được phát hiện cần chuẩn hóa về kích thước, ánh sáng [3]. Trích rút đặc trưng (Feature Extraction): Sau khi phát hiện ra khuôn mặt trong bức ảnh, chúng ta tiến hành trích rút những đặc trưng của khuôn mặt. Bước này trích xuất ra một vector đặc trưng đại diện cho một khuôn mặt. Nó phải đảm bảo được tính duy nhất của một khuôn mặt [3].

Nhận dạng khuôn mặt (Face Recognition): Với hình ảnh đầu vào sau khi phát hiện ra khuôn mặt, trích rút các đặc trưng của khuôn mặt và đem so sánh các đặc trưng này với cơ sở dữ liệu khuôn mặt [3]. CƠ SỞ LÝ THUYẾT Nhận dạng khuôn mặt được ứng dụng nhiều trong các lĩnh vực đời sống đặc biệt ở những lĩnh vực công nghệ cao, yêu cầu về an ninh, bảo mật. Do đó để hệ thống nhận dạng khuôn mặt hoạt động mạnh mẽ với tốc độ và độ tin cậy thì có rất nhiều các phương pháp về nhận dạng khuôn mặt được đưa ra. Các phương pháp có thể được phân loại theo các tiêu chí khác nhau như nhận dạng với dữ liệu ảnh đầu vào là ảnh tĩnh 2D (Elastic Bunch Graph, Active Appearance Model).

Phương pháp này là phổ biến nhất và tương lai sẽ là 3D (3D Morphable Model) [3]. Tuy nhiên trên thực tế người ta hay chia phương pháp nhận dạng khuôn mặt ra thành 2 loại: - Nhận dạng dựa trên các đặc trưng của các phần tử trên khuôn mặt (Feature Base Face Recognition). - Nhận dạng dựa trên xét tổng thể toàn khuôn mặt (Appearance Based Face Recognition).3 Giới thiệu phần cứng 2.1 Arduino Mega 2560 Arduino Mega 2560 là sản phẩm tiêu biểu cho dòng mạch Mega, là dòng bo mạch có nhiều cải tiến so với Arduino Uno (54 chân digital IO và 16 chân analog IO). Đặc biệt bộ nhớ flash của MEGA được tăng lên một cách đáng kể, gấp 4 lần so với những phiên bản cũ của UNO R3.

Arduino Mega 2560 có khả năng điều khiển một số lượng lớn các thiết bị ngoại vi và các cảm biến khác nhau. Nó cũng có các tính năng như cổng USB, các chân giao tiếp UART, I2C, SPI. Arduino Mega 2560 được sử dụng rộng rãi trong các ứng dụng nhúng và điện tử, bao gồm các hệ thống kiểm soát và tự động hóa, hệ thống đo lường, các dự án robot và các ứng dụng IoT. Với khả năng mở rộng thông qua các mô-đun ngoại vi, các mạch phụ trợ và các shield Arduino, Arduino Mega 2560 cho phép người dùng tùy chỉnh và mở rộng các ứng dụng của mình một cách dễ dàng.3: Arduino Mega 2560 Thông số kỹ thuật của Arduino Mega 2560: • Mạch Arduino Mega 2560 có 70 chân Digital: Chân số: Từ 0-53 (digital) và 0-15 (analog) có thể được sử dụng làm đầu vào hoặc đầu ra cho thiết bị được thiết lập bằng các hàm Mode (), digtalWrite (), digitalRead ().Giá trị điện áp trên mỗi chân là 5V, dòng trên mỗi chân là 20mA và bên trong có điện trở kéo lên là 20-50 ohm.

Dòng tối đa trên mỗi chân I/O không vượt quá 40mA để tránh trường hợp gây hỏng board mạch. • Arduino mega2560 có 16 chân analog (A0 → A15) cung cấp độ phân giải tín hiệu 10bit (0 → 210-1) để đọc giá trị điện áp trong khoảng 0V → 5V. Với chân AREF trên board, bạn có thể để đưa vào điện áp tham chiếu khi sử dụng các chân analog. Tức là nếu bạn cấp điện áp 2.5V vào chân này thì bạn có thể dùng các chân analog để đo điện áp trong khoảng từ 0V → 2.5V với độ phân giải vẫn là 10 bit.

• Có 4 cặp chân Serial: 0 (RX) và 1 (TX): dùng để gửi (transmit – TX) và nhận (receive – RX) dữ liệu TTL Serial. Arduino Uno có thể giao tiếp với thiết bị khác thông qua 2 chân này.: cho phép bạn xuất ra xung PWM với độ phân giải 8 bit bằng hàm analogWrite() và có thể điều chỉnh được điện áp ra ở chân này từ mức 0V đến 5V thay vì chỉ cố định ở mức 0V và 5V như những chân khác. CƠ SỞ LÝ THUYẾT • Chân giao tiếp SPI: 22 (SS), 24 (MOSI), 25 (MISO), 23 (SCK). Ngoài các chức năng thông thường, 4 chân này còn dùng để truyền phát dữ liệu bằng giao thức SPI với các thiết bị khác.

• Chân giao tiếp I2C: Chân 20 cho SDA và 21 cho SCK (Tốc độ 400khz) để cho phép liên lạc hai dây với các thiết bị khác. Hàm được sử dụng là wire.