Báo Cáo Nghiên Cứu: Thiết Kế Và Chế Tạo Hệ Thống Giám Sát, Tự Động Hóa Quá Trình Tăng Trưởng Cây Dưa Lưới Ứng Dụng IoT, LoRa Và Trí Tuệ Nhân Tạo


Tóm tắt nghiên cứu (Research Summary)

  • Câu hỏi nghiên cứu chính (Core Research Question): Làm thế nào để xây dựng một hệ sinh thái giám sát và điều khiển tự động toàn diện, có khả năng vận hành ổn định trong điều kiện nhà kính, kết hợp giám sát vi khí hậu thời gian thực, lưu trữ dữ liệu đám mây và duy trì liên lạc không dây tầm xa dự phòng ngay cả khi mất kết nối Internet?
  • Tổng quan phương pháp (Methodology Snapshot): Đề tài thiết kế kiến trúc phần cứng - phần mềm phân tầng. Khối xử lý trung tâm sử dụng Arduino Mega 2560 kết hợp với mạng cảm biến đa chỉ số (nhiệt độ - độ ẩm DHT22, ánh sáng BH1750, chất lượng không khí MQ135, độ ẩm đất điện dung). Khối xử lý phụ và truyền thông sử dụng ESP32-CAM (thu thập hình ảnh, kết nối Wi-Fi/Firebase) và mô-đun truyền thông vô tuyến tầm xa LoRa E32-DTU. Giao diện người dùng được phát triển đa nền tảng trên môi trường Flutter/Dart đồng bộ hóa thời gian thực qua Firebase Cloud Server.
  • Phát hiện & Kết quả nổi bật (Key Findings): Hệ thống đạt độ chính xác cao trong việc thu thập và chuẩn hóa dữ liệu môi trường; cơ chế điều khiển tự động kích hoạt bơm tưới, quạt thông gió và rèm che đạt độ trễ dưới 1 giây. Đặc biệt, liên kết truyền thông kép (Wi-Fi/Internet và LoRa bán kính lên đến 10–15 km) giải quyết triệt để bài toán mất kết nối vùng sâu vùng xa trong nông nghiệp.
  • Hàm ý thực tiễn (Implications): Cung cấp giải pháp công nghệ cao chi phí thấp, dễ chuyển giao cho các mô hình nhà màng dưa lưới tại Việt Nam, giảm thiểu chi phí nhân công và tối ưu hóa năng suất mùa vụ.

Bối cảnh và tầm quan trọng (Context & Significance)

1. Thực trạng và rào cản trong canh tác dưa lưới

Dưa lưới (Cucumis melo L.) là cây trồng có giá trị kinh tế cao nhưng đặc biệt nhạy cảm với các biến động vi khí hậu. Cây đòi hỏi điều kiện phát triển khắt khe: nhiệt độ tối ưu 21°C – 31°C, độ ẩm đất kiểm soát nghiêm ngặt (tránh úng gây thối rễ hoặc khô hạn làm nứt quả), ánh sáng tối thiểu 8 giờ/ngày và môi trường thông thoáng để ngăn ngừa nấm bệnh.

Trong tập quán canh tác truyền thống, nông dân chủ yếu dựa vào kinh nghiệm cảm quan để tưới tiêu và điều chỉnh thông gió, dẫn đến lãng phí tài nguyên nước, phân bón và rủi ro bùng phát dịch bệnh trên lá. Việc chuyển dịch sang mô hình nhà màng công nghệ cao là tất yếu, nhưng các giải pháp ngoại nhập hiện nay thường có giá thành rất cao, khó tùy biến và thiếu tính linh hoạt khi triển khai tại các nông trại vừa và nhỏ tại Việt Nam.

+-------------------------------------------------------------------------+
|                  HỆ THỐNG GIÁM SÁT DƯA LƯỚI TOÀN DIỆN                   |
+-------------------------------------------------------------------------+
       |                                              |
       v                                              v
+-----------------------+                    +-----------------------+
|   KÊNH TRỰC TUYẾN     |                    |   KÊNH NỘI BỘ TẦM XA  |
| Wi-Fi -> Firebase App |                    |     LoRa E32 (10km)   |
+-----------------------+                    +-----------------------+

2. Khoảng trống nghiên cứu và tính cấp thiết

Hầu hết các hệ thống IoT nông nghiệp hiện nay phụ thuộc hoàn toàn vào hạ tầng mạng Wi-Fi/4G/5G. Khi đường truyền Internet tại các vùng sản xuất nông nghiệp gặp sự cố, hệ thống thường mất khả năng giám sát và cảnh báo từ xa. Hơn nữa, việc tích hợp đồng thời cơ chế giám sát vi khí hậu, camera ghi nhận hình thái học định kỳ và xác thực bảo mật vật lý (RFID/Keypad) tại trạm điều khiển vẫn chưa được hoàn thiện trong một thiết kế vi mạch tối ưu về năng lượng và chi phí.

Đề tài nghiên cứu này ra đời nhằm lấp đầy khoảng trống đó, mang lại một kiến trúc phần cứng bền bỉ, tích hợp đa chuẩn giao tiếp viễn thông, đáp ứng đòi hỏi khắt khe của thời đại Nông nghiệp 4.0.


Phương pháp tiếp cận và kiến trúc hệ thống (Methodology & Architecture)

Nghiên cứu áp dụng quy trình thiết kế kỹ thuật thực nghiệm kết hợp chuẩn hóa phần mềm theo mô hình hướng đối tượng, chia thành 4 phân hệ chính:

[Mạng Cảm Biến & Ngoại Vi] 
  - DHT22 (Nhiệt/Ẩm)
  - BH1750 (Ánh sáng)
  - MQ135 (Không khí)
  - Cảm biến độ ẩm đất
  - RFID RC522 / Keypad TTP229

1. Phân tầng kiến trúc phần cứng

  • Khối tính toán và điều phối trung tâm (Master Controller): Vi điều khiển ATmega2560 (Arduino Mega 2560) với 54 chân I/O số, 16 chân ADC và 4 cổng UART phần cứng, chịu trách nhiệm thu thập tín hiệu cảm biến liên tục, thực thi giải thuật điều khiển vòng lặp kín cho cơ cấu chấp hành và quản lý giao tiếp bus.
  • Khối thu nhận hình ảnh và Cổng Internet (Gateway Node): Vi điều khiển ESP32-CAM tích hợp cảm biến hình ảnh OV2640 2MP. ESP32 tiếp nhận dữ liệu cảm biến đóng gói từ Arduino Mega qua giao thức UART, đồng thời định kỳ chụp ảnh độ phân giải cao và truyền tải toàn bộ dữ liệu lên Firebase qua kết nối Wi-Fi.
  • Khối truyền thông vô tuyến dự phòng (LoRa Node): Sử dụng công nghệ điều chế trải phổ Chirp Spread Spectrum (CSS) trên tần số không cấp phép, kết hợp mô-đun LoRa E32-DTU, cho phép truyền dữ liệu vi khí hậu và nhận lệnh điều khiển khẩn cấp từ bảng điều khiển cầm tay phụ ở khoảng cách lên đến 10–15 km mà không cần hạ tầng viễn thông công cộng.

2. Mạng cảm biến và cơ cấu chấp hành chuyên dụng

  • Mạng cảm biến:
    • Nhiệt độ - Độ ẩm không khí: DHT22 (chuẩn 1-Wire), độ chính xác cao trong dải đo -40°C đến 80°C.
    • Ánh sáng: BH1750 (giao tiếp I2C), chuyển đổi ADC 16-bit tích hợp, dải đo 0 – 65.535 lux.
    • Độ ẩm đất: Cảm biến điện dung chống ăn mòn điện hóa.
    • Chất lượng không khí: MQ135 giám sát các hợp chất khí như CO₂, NH₃.
    • Thời gian thực: RTC DS1307 (I2C) duy trì đồng hồ chuẩn cho việc tưới theo lịch trình.
  • Khối chấp hành & Bảo vệ: Điều khiển động cơ bơm 365 12VDC, hệ thống quạt đối lưu không khí hai chiều, động cơ kéo rèm che nắng thông qua cầu H L293D; mạch còi báo Buzzer kích hoạt qua BJT BC547 phân cực bão hòa tích hợp diode dập xung ngược.
  • Khối bảo mật & Giao diện tại chỗ: Màn hình LCD 20x4 kèm bộ chuyển đổi I2C PCF8574, bàn phím cảm ứng ma trận TTP229, bàn phím cơ 4x3 và mô-đun đọc thẻ từ RFID-RC522 (chuẩn SPI) kiểm soát quyền can thiệp thông số tại trạm.

3. Thiết kế phần mềm và đồng bộ dữ liệu đám mây

  • Cơ sở dữ liệu Đám mây (Firebase Cloud): Sử dụng Firebase Realtime Database để đồng bộ hóa JSON state 2 chiều với độ trễ thấp, kết hợp Cloud Storage lưu trữ kho hình ảnh tăng trưởng theo ngày của cây.
  • Ứng dụng di động (Mobile Client): Được xây dựng bằng ngôn ngữ Dart trên framework Flutter, tối ưu hóa hiển thị biểu đồ vi khí hậu theo thời gian thực, quản lý cảnh báo vượt ngưỡng và gửi lệnh điều khiển tức thời.

Phát hiện chính và kết quả thực nghiệm (Major Findings)

Quá trình triển khai thử nghiệm mô hình thực tế trong hơn 30 ngày canh tác liên tục ghi nhận các kết quả kỹ thuật ấn tượng:

+--------------------------------------------------------------------------+
|                 KẾT QUẢ THỬ NGHIỆM VẬN HÀNH HỆ THỐNG                      |
+--------------------------------------------------------------------------+
| Chỉ số kiểm thử           | Mục tiêu thiết kế     | Kết quả thực nghiệm  |
+---------------------------+-----------------------+----------------------+
| Thời gian đáp ứng cảm biến| < 2.0 giây            | 0.5 - 1.2 giây       |
| Tỷ lệ mất gói tin LoRa    | < 5% ở 5 km           | 1.8% ở 6.2 km        |
| Độ trễ đồng bộ Firebase   | < 1.0 giây            | ~ 320 ms             |
| Độ chính xác tưới tự động | Duy trì ẩm đất 60-70% | 65% ± 3%             |
| Tuổi thọ pin khối phụ     | > 24 giờ liên tục     | 38.5 giờ (Pin 4Ah)   |
+--------------------------------------------------------------------------+

1. Khả năng tự động hóa kiểm soát vi khí hậu tối ưu

Hệ thống duy trì các thông số nhà kính trong ngưỡng lý tưởng của cây dưa lưới:

  • Khi nhiệt độ vượt quá 32°C hoặc không khí tù đọng, khối vi xử lý tự động kích hoạt quạt đối lưu giúp hạ nhiệt từ 2°C – 4°C trong vòng 15 phút, đồng thời kích thích khả năng thụ phấn tự nhiên.
  • Cảm biến độ ẩm đất điện dung phản hồi chính xác trạng thái mất nước của giá thể xơ dừa, tự động kích hoạt bơm tưới nhỏ giọt chính xác lượng nước định mức (khoảng 0.7 lít/cây/ngày), hạn chế tối đa nguy cơ úng rễ.
  • Cảm biến ánh sáng BH1750 phối hợp cùng động cơ bước kéo rèm và đèn LED chuyên dụng giúp điều tiết quang chu kỳ tối thiểu 8 giờ/ngày cho quá trình quang hợp.

2. Tính ổn định của hạ tầng truyền thông lai (Hybrid Communication)

  • Giao thức UART liên tầng (Mega2560 – ESP32): Việc mã hóa gói tin với các ký tự nhận diện định danh (identifier tags) giúp dữ liệu truyền tải không bị phân mảnh hay nhầm lẫn giữa hàng chục tham số đo lường.
  • Đường truyền LoRa bán song công: Đạt cự ly truyền nhận ổn định trên 6 km trong điều kiện nhiều vật cản và đạt trên 10 km trong điều kiện tầm nhìn thẳng (LOS), đảm bảo người quản lý luôn nhận được cảnh báo khẩn cấp dù mất kết nối mạng di động.
  • Thời gian đáp ứng của ứng dụng Flutter: Độ trễ đồng bộ trạng thái giữa thiết bị phần cứng và ứng dụng di động thông qua Firebase đạt mức xấp xỉ 320 ms, đem lại trải nghiệm mượt mà cho người dùng.

3. Giám sát hình thái học và tiền đề chẩn đoán sâu bệnh

Khối ngoại vi ESP32-CAM thực hiện chụp ảnh định kỳ theo lịch trình RTC, nén ảnh định dạng JPEG và truyền tải trực tiếp lên Firebase Storage. Dữ liệu hình ảnh theo chuỗi thời gian cho phép ghi lại chi tiết các mốc sinh trưởng: nảy mầm, ra lá thật, phân nhánh, thụ phấn, tạo lưới và thu hoạch sau 75–80 ngày. Đây là nguồn dữ liệu đầu vào chuẩn hóa cho các mô hình thị giác máy tính (AI Computer Vision) phát hiện sớm bệnh sương mai và đốm lá.


Đóng góp khoa học và giá trị ứng dụng (Contributions & Value)

1. Đóng góp về mặt học thuật và kỹ thuật

  • Kiến trúc nhúng tích hợp chịu lỗi (Fault-Tolerant Architecture): Đề xuất mô hình phân tách nhiệm vụ tối ưu: vi điều khiển Arduino Mega chuyên trách xử lý I/O thời gian thực và an toàn phần cứng, trong khi ESP32-CAM và LoRa phụ trách truyền thông mạng. Thiết kế này giúp hệ thống không bị treo cục bộ khi mạng Wi-Fi gặp sự cố nghẽn hoặc mất kết nối.
  • Phương pháp chuẩn hóa giao thức đa dạng: Tích hợp thành công 5 chuẩn giao tiếp khác nhau (UART, I2C, SPI, 1-Wire, LoRa CSS) trên cùng một hệ vi xử lý mà không xảy ra xung đột tài nguyên hay tranh chấp xung nhịp ngắt.

2. Giá trị kinh tế - xã hội và chuyển giao công nghệ

  • Tiết kiệm chi phí đầu tư: Toàn bộ hệ thống sử dụng các linh kiện nguồn mở thương mại sẵn có, giúp hạ giá thành sản xuất xuống chỉ bằng 1/5 đến 1/3 so với các tủ điều khiển PLC chuyên dụng nhập khẩu.
  • Tối ưu hóa nguồn tài nguyên: Giảm 30% lượng nước tưới và phân bón nhờ cơ chế bón tưới chính xác theo nhu cầu sinh lý của cây; giảm trên 70% công lao động kiểm tra đồng ruộng thủ công.
  • Đóng góp giáo dục: Đề tài là tài liệu thực hành mẫu mực cho sinh viên khối ngành Kỹ thuật Điện tử - Viễn thông, Tự động hóa và Nông nghiệp công nghệ cao trong việc xây dựng hệ thống nhúng IoT thực chiến.

Đối tượng thụ hưởng và quan tâm (Target Audience)

  • Chủ trang trại và Hợp tác xã Nông nghiệp công nghệ cao: Nâng cấp mô hình nhà màng hiện hữu thành nhà kính thông minh với chi phí đầu tư hợp lý, quản lý năng suất mùa vụ qua điện thoại.
  • Kỹ sư Hệ sinh thái IoT & Hệ thống nhúng: Tham khảo thiết kế mạch nguyên lý, giải pháp ghép nối vi điều khiển phân tầng và kinh nghiệm xử lý giao thức không dây tầm xa LoRa kết hợp Cloud NoSQL.
  • Nhà nghiên cứu Nông nghiệp số: Ứng dụng nguồn dữ liệu vi khí hậu và kho ảnh số định kỳ để nghiên cứu sinh thái học cây dưa lưới hoặc huấn luyện mô hình học sâu (Deep Learning) nhận diện bệnh cây trồng.
  • Các cơ quan quản lý và chuyển giao công nghệ nông nghiệp: Cơ sở dữ liệu khoa học phục vụ công tác xây dựng tiêu chuẩn kỹ thuật canh tác VietGAP/GlobalGAP tự động hóa.

Câu hỏi thường gặp (FAQ)

1. Phát hiện và cải tiến quan trọng nhất của đề tài là gì?

Điểm đột phá nhất là việc tích hợp thành công kênh truyền thông kép: đồng bộ dữ liệu vi khí hậu tốc độ cao qua Internet (Firebase Cloud) phục vụ giám sát toàn cầu, đồng thời duy trì liên kết vô tuyến LoRa tầm xa (10–15 km) độc lập với mạng viễn thông. Điều này đảm bảo hệ thống không bao giờ mất kiểm soát cục bộ.

2. Kiến trúc phần cứng có điểm gì đặc biệt so với các mạch IoT thông thường?

Hệ thống áp dụng cấu trúc phân quyền vi xử lý: Arduino Mega 2560 đóng vai trò hạt nhân điều phối thời gian thực với lượng cổng I/O lớn, bảo vệ chống xung ngược cơ cấu chấp hành; tách biệt hoàn toàn với ESP32-CAM chuyên trách xử lý mạng và tác vụ hình ảnh, giúp ngăn ngừa tình trạng tràn bộ nhớ RAM hoặc nghẽn xung nhịp.

3. Kết quả của nghiên cứu có thể mở rộng (generalize) cho cây trồng khác không?

Hoàn toàn có thể. Nhờ thiết kế mô-đun hóa linh hoạt, người dùng chỉ cần hiệu chỉnh lại ngưỡng cài đặt phần mềm (setpoints) về nhiệt độ, độ ẩm đất, ánh sáng và EC/pH trên ứng dụng Flutter để áp dụng ngay cho các loại cây trồng giá trị cao khác như dâu tây, cà chua bi, ớt chuông hoặc hoa lan.

4. Hướng phát triển tiếp theo của dự án là gì?

Tích hợp mô hình mạng nơ-ron tích chập (CNN - Convolutional Neural Networks) trực tiếp tại biên (Edge AI) hoặc trên máy chủ đám mây để tự động phân tích ảnh lá cây từ ESP32-CAM, nhận diện sớm các bệnh phấn trắng, sương mai và tự động đưa ra khuyến nghị xử lý thuốc bảo vệ thực vật.

5. Khả năng ứng dụng thương mại của sản phẩm ra sao?

Hệ thống đã được kiểm chứng hoạt động ổn định trong điều kiện mô hình thực tế, chi phí chế tạo thấp, giao diện phần mềm tiếng Việt trực quan, sẵn sàng để đóng gói thành sản phẩm thương mại chuyển giao cho các dự án nông nghiệp đô thị và nhà kính quy mô vừa và nhỏ.


Kết luận (Conclusion)

Đề tài "Hệ Thống Theo Dõi Sự Tăng Trưởng Cây Dưa Lưới" (Mã số: SV2024-157) do nhóm sinh viên Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật TP.HCM thực hiện đã giải quyết thành công bài toán tự động hóa quy trình canh tác dưa lưới công nghệ cao. Bằng sự kết hợp chặt chẽ giữa hệ thống phần cứng nhúng mạnh mẽ, công nghệ truyền thông không dây tầm xa LoRa, lưu trữ đám mây Firebase và giao diện trực quan Flutter, nghiên cứu mở ra hướng tiếp cận toàn diện, tiết kiệm và hiệu quả cho nông nghiệp thông minh tại Việt Nam.

Trong tương lai, việc nhúng thêm các thuật toán Trí tuệ nhân tạo (AI) nhận diện sâu bệnh học sẽ hoàn thiện chu trình khép kín từ giám sát, cảnh báo, chẩn đoán đến điều trị tự động cho cây trồng. Các tổ chức, trang trại và doanh nghiệp quan tâm có thể tiếp nhận chuyển giao mô hình để nâng tầm giá trị nông sản Việt.