I. Hệ thống tính toán cận biên
Hệ thống tính toán cận biên là một mô hình điện toán phân tán, tập trung vào việc xử lý dữ liệu gần nguồn phát sinh thay vì gửi toàn bộ dữ liệu lên đám mây. Điều này giúp giảm độ trễ, tăng tốc độ phản hồi và tiết kiệm băng thông mạng. Trong nghiên cứu này, hệ thống tính toán cận biên được áp dụng để quản lý môi trường nhà kính, nơi yêu cầu xử lý dữ liệu thời gian thực là rất quan trọng. Các thiết bị IoT như cảm biến nhiệt độ, độ ẩm được kết nối với các edge node để xử lý dữ liệu tại chỗ.
1.1. Công nghệ ảo hóa
Công nghệ ảo hóa đóng vai trò quan trọng trong việc triển khai hệ thống tính toán cận biên. Cụ thể, container được sử dụng để đóng gói và triển khai các ứng dụng một cách linh hoạt và hiệu quả. Công nghệ này cho phép các ứng dụng chạy độc lập trên các edge node mà không cần phụ thuộc vào hệ điều hành cụ thể. Docker và Kubernetes là hai công cụ chính được sử dụng để quản lý và điều phối các container trong hệ thống.
1.2. Quản lý tài nguyên
Việc quản lý tài nguyên trong hệ thống tính toán cận biên là một thách thức lớn. Các edge node thường có tài nguyên hạn chế về CPU, bộ nhớ và năng lượng. Để tối ưu hóa, nghiên cứu đề xuất sử dụng các thuật toán phân bổ tài nguyên thông minh, kết hợp với công nghệ ảo hóa để đảm bảo hiệu suất cao và tiết kiệm năng lượng.
II. Ứng dụng công nghệ trong quản lý môi trường nhà kính
Quản lý môi trường nhà kính là một ứng dụng quan trọng của hệ thống tính toán cận biên. Các cảm biến IoT được triển khai để thu thập dữ liệu về nhiệt độ, độ ẩm, nồng độ CO2 và O2. Dữ liệu này được xử lý tại các edge node để đưa ra các quyết định điều chỉnh môi trường kịp thời. Công nghệ thông tin và AI được tích hợp để dự đoán các yếu tố môi trường và đề xuất các giải pháp canh tác tối ưu.
2.1. IoT và cảm biến
Các thiết bị IoT như Waspmote và BME280 được sử dụng để thu thập dữ liệu môi trường trong nhà kính. Dữ liệu này được truyền về các edge node để xử lý. Việc sử dụng IoT giúp tăng cường khả năng giám sát và kiểm soát môi trường, đồng thời giảm thiểu rủi ro về bệnh cây trồng.
2.2. AI và dự đoán môi trường
AI được ứng dụng để phân tích dữ liệu từ các cảm biến và đưa ra các dự đoán về nhiệt độ, độ ẩm trong tương lai. Các mô hình Machine Learning như ANN và SVM được huấn luyện trên các bộ dữ liệu lịch sử để cải thiện độ chính xác của dự đoán. Điều này giúp người nông dân có thể chuẩn bị và điều chỉnh môi trường nhà kính một cách chủ động.
III. Phát triển hệ thống và thử nghiệm
Nghiên cứu này tập trung vào phát triển hệ thống tích hợp hệ thống tính toán cận biên, công nghệ ảo hóa và AI để quản lý môi trường nhà kính. Hệ thống được triển khai trên các thiết bị Raspberry Pi và Xbee Gateway, sử dụng Kubernetes để quản lý các container. Các thử nghiệm được thực hiện để đánh giá hiệu suất của hệ thống, bao gồm tốc độ phản hồi, độ chính xác của dự đoán và khả năng mở rộng.
3.1. Hiện thực hệ thống
Hệ thống được hiện thực bằng cách sử dụng Node.js và Python để xây dựng các ứng dụng xử lý dữ liệu tại edge node. Các ứng dụng này được đóng gói thành container và triển khai trên Kubernetes. Việc sử dụng Kubernetes giúp hệ thống có khả năng tự động hóa cao, dễ dàng mở rộng và quản lý.
3.2. Kết quả thử nghiệm
Các thử nghiệm cho thấy hệ thống có tốc độ phản hồi nhanh hơn so với mô hình truyền thống dựa trên đám mây. Độ chính xác của các mô hình AI trong việc dự đoán nhiệt độ và độ ẩm đạt trên 90%. Hệ thống cũng thể hiện khả năng mở rộng tốt, có thể xử lý đồng thời dữ liệu từ nhiều nhà kính khác nhau.
