Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và công nghiệp 4.0, tổn thất chuỗi cung ứng thực phẩm tươi sống (cold chain logistics) do biến động điều kiện bảo quản ước tính chiếm tới 20–35% tổng sản lượng nông sản toàn cầu (theo FAO). Tại Việt Nam, mạng lưới vận chuyển liên vùng từ các vựa nông sản đến trung tâm phân phối và xuất khẩu phải đối mặt với đặc thù khí hậu nhiệt đới gió mùa có độ ẩm cao và biên độ nhiệt độ biến thiên mạnh.

Vấn đề cốt lõi đặt ra là các phương tiện chuyên chở chuyên dụng (xe đông lạnh, xe thùng) hiện nay hầu hết chỉ trang bị cụm điều hòa/nhiệt kế cơ học cục bộ, thiếu cơ chế giám sát thời gian thực (real-time telematics) và không có khả năng tự động phát tín hiệu cảnh báo tức thời khi các thông số vượt ngưỡng tới hạn. Điều này dẫn đến tình trạng giảm sút chất lượng dinh dưỡng, biến chất nông sản và gây tổn thất kinh tế nghiêm trọng cho doanh nghiệp.

Dự án "Nghiên cứu ứng dụng công nghệ IoT trong giám sát môi trường" do sinh viên Phạm Xuân Ngọc thực hiện dưới sự hướng dẫn khoa học của PGS.TS Lê Đắc Nhường (Trường Đại học Hải Phòng) được thiết kế nhằm giải quyết triệt để bài toán trên.

Mục tiêu cụ thể của dự án:

  1. Nghiên cứu kiến trúc tổng thể của hệ thống Internet of Things (IoT) và mạng cảm biến không dây (Wireless Sensor Networks - WSN).
  2. Xây dựng phần cứng gateway biên (Edge Computing Node) dựa trên nền tảng vi máy tính Raspberry Pi Model B kết hợp cụm cảm biến số độ chính xác cao.
  3. Phát triển thuật toán và chương trình nhúng bằng Python để thu thập, phân tích và trích xuất dữ liệu môi trường (nhiệt độ, độ ẩm, cường độ ánh sáng).
  4. Thiết kế giao diện Web Dashboard tương thích đa nền tảng (Responsive UI) cho phép theo dõi dữ liệu trực quan và kích hoạt cơ chế cảnh báo đa mức theo mã màu.

Phương pháp tiếp cận dựa trên việc tích hợp tính toán biên (Edge Computing) nhằm lọc nhiễu tín hiệu trực tiếp tại node thu thập trước khi hiển thị, đảm bảo tốc độ phản hồi nhanh, tính sẵn sàng 24/7 và tối ưu hóa chi phí phần cứng thương mại. Kết quả kỳ vọng là một mô hình thực nghiệm hoạt động ổn định với sai số đo lường tiệm cận thiết bị chuyên dụng, độ trễ cập nhật dưới 1.5 giây. Phạm vi dự án tập trung vào giám sát các khoang vận chuyển thực phẩm tươi sống trong điều kiện phòng thí nghiệm và trên phương tiện xe thùng mô phỏng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các giải pháp đo đạc và quản lý môi trường bảo quản hiện có trên thị trường phân hóa thành nhiều cấp độ với các ưu và nhược điểm rõ rệt:

Tiêu chí Đo thủ công (Data Logger cơ học) Hệ thống SCADA/PLC công nghiệp Giải pháp IoT Edge Computing (Đồ án)
Chi phí đầu tư Rất thấp (~$15 - $30) Rất cao ($1,500 - $5,000) Thấp - Tối ưu (~$45 - $70)
Tần suất cập nhật Thủ công (Trích xuất offline sau chuyến đi) Thời gian thực (Real-time qua cáp/3G) Thời gian thực (Real-time qua LAN/WLAN/Web)
Độ trễ cảnh báo Không có cảnh báo tức thời < 1 giây < 1.5 giây
Khả năng tùy biến Cố định, không lập trình được Phức tạp, cần kỹ sư chuyên trách Cao (Mã nguồn mở Python, dễ bổ sung cảm biến)
Giao diện người dùng Màn hình LCD đơn sắc cục bộ Phần mềm chuyên dụng (HMI phức tạp) Web Dashboard đa thiết bị (PC, Mobile, Tablet)

Đánh giá yêu cầu hệ thống theo mô hình phân loại MoSCoW:

  • Must-have (Bắt buộc): Đo chính xác dải nhiệt độ (-40°C đến 80°C), độ ẩm (0–100% RH), cường độ ánh sáng (1–65535 lx); giao diện Web thời gian thực; logic cảnh báo đổi màu theo 4 cấp ngưỡng an toàn.
  • Should-have (Cần có): Khả năng truy cập từ xa qua giao thức mạng nội bộ/SSH/VNC; cấu hình IP tĩnh và lưu trữ nhật ký qua giao thức Samba/NAS.
  • Could-have (Có thể mở rộng): Tích hợp module camera streaming video qua Web server Motion để giám sát trực quan hàng hóa; kết nối GPS/3G telematics.
  • Won't-have (Chưa triển khai trong pha này): Cơ chế định tuyến mạng mắt cáo đa chặng (Mesh Multi-hop Routing) phân tán trên diện rộng hàng trăm node.

Thách thức kỹ thuật lớn nhất nằm ở việc đọc tín hiệu xung thời gian chính xác ở mức microsecond (µs) từ giao tiếp 1 dây (Single-Bus) của DHT22 trên hệ điều hành đa nhiệm Linux (Raspbian), đòi hỏi cơ chế bắt sườn xung tín hiệu nghiêm ngặt để chống sai lệch checksum.

Thiết kế hệ thống

Kiến trúc hệ thống được phân lớp rõ ràng theo tiêu chuẩn IoT 4 lớp (Lớp Thiết bị, Lớp Mạng, Lớp Dịch vụ/Hỗ trợ, Lớp Ứng dụng):

graph TD
    subgraph Device_Layer ["Lớp Thiết bị (Device Layer)"]
        DHT22["Cảm biến DHT22 (Nhiệt độ & Độ ẩm)"] -->|Single-Bus 1-Wire| RPi["Raspberry Pi Model B (Gateway / Edge Node)"]
        BH1750["Cảm biến BH1750 (Cường độ ánh sáng)"] -->|I2C Protocol (SDA/SCL)| RPi
        Camera["Module Camera / USB Webcam"] -->|USB 2.0 / CSI| RPi
    end

    subgraph Service_Network_Layer ["Lớp Mạng & Xử lý Dịch vụ"]
        RPi -->|Process / Python Core Engine| Core["Data Processing & Checksum Engine"]
        Core -->|RPi.GPIO / Adafruit Driver| GPIO["Hardware Abstraction Layer"]
        Core -->|Local Data Stream| MotionSrv["Motion Server (Port 8081)"]
        Core -->|Socket / Web Server| HTTP["Embedded Web Server"]
    end

    subgraph Application_Layer ["Lớp Ứng dụng (Application Layer)"]
        HTTP -->|HTTP / TCP-IP| PC_UI["Web Dashboard trên PC"]
        HTTP -->|Responsive HTML5/CSS3| Mobile_UI["Web Dashboard trên Mobile"]
        MotionSrv -->|MJPEG Video Stream| Stream_UI["Live Video Monitor"]
    end

Đặc tả chi tiết cấu hình phần cứng và công nghệ:

  • Edge Gateway: Raspberry Pi Model B SoC Broadcom BCM2835 (CPU 700 MHz ARM11 ARMv6, GPU Broadcom VideoCore IV 250 MHz, RAM 512 MB LPDDR2, 26-pin GPIO Header, 10/100 Ethernet RJ45, Nguồn micro-USB 5V DC @ 700mA).
  • Hệ điều hành: Raspbian OS (Debian Wheezy, Hardfloat ABI armhf, Linux Kernel 3.x/4.x).
  • Cảm biến nhiệt/ẩm: DHT22/AM2302 (Dải đo: -40°C đến +80°C ±0.5°C, độ ẩm 0–100% RH ±2% RH, điện áp cấp 3.3V–5V DC).
  • Cảm biến ánh sáng: IC BH1750FVI (Giao tiếp I2C, dải đo 1–65,535 lx, khả năng mở rộng lên 100,000 lx, lọc nhiễu quang học 50Hz/60Hz, tiêu thụ dòng tĩnh cực thấp).
  • Môi trường lập trình: Python v2.7 / v3.x, các thư viện điều khiển cấp thấp RPi.GPIO, Adafruit_DHT, smbus.

Thiết kế bảo mật và hiệu năng:

  • Cơ chế kiểm soát luồng dữ liệu thông qua IP tĩnh (Static IP /etc/network/interfaces) hạn chế rủi ro phân bổ DHCP sai lệch.
  • Phân quyền người dùng chặt chẽ trên Linux (sudo, nhóm pi, nhóm video cho luồng stream).
  • Tối ưu hóa chu kỳ trích mẫu cảm biến (polling rate) ở mức 2 giây/lần nhằm đảm bảo linh kiện DHT22 không bị hiện tượng tự gia nhiệt (self-heating), đồng thời giữ mức sử dụng CPU của Raspberry Pi dưới 8%.

Methodology

Dự án áp dụng mô hình phát triển phần mềm và phần cứng theo phương pháp lặp xoay vòng linh hoạt (Agile Prototyping) với các mốc thời gian rõ ràng:

[Tuần 1-2: Khảo sát & Thiết kế] ➔ [Tuần 3-4: Lắp ráp Phần cứng & Driver] ➔ [Tuần 5-6: Phát triển Logic & UI] ➔ [Tuần 7-8: Thử nghiệm, Hiệu chuẩn & Đánh giá]
  • Đánh giá rủi ro và biện pháp giảm thiểu:
    • Rủi ro trôi tín hiệu thời gian thực trên Linux: Sử dụng thư viện C nhúng trong RPi.GPIO hoặc Adafruit_Python_DHT để vô hiệu hóa ngắt tạm thời khi đọc chuỗi bit nhị phân.
    • Rủi ro sụt áp nguồn cấp: Sử dụng adapter nguồn chuyên dụng 5V/2A cùng tụ lọc nhiễu trên đường nguồn của cảm biến.
  • Quy trình đảm bảo chất lượng (QA): Thực hiện kiểm thử chéo kết quả đo lường với các thiết bị đo đạc tiêu chuẩn công nghiệp (nhiệt kế thủy ngân chính xác, ẩm kế chuẩn và máy đo Lux kế điện tử).

Implementation và kết quả

Development process

Quá trình phát triển tập trung vào xây dựng driver giao tiếp cấp thấp và thuật toán xử lý dữ liệu cho từng loại cảm biến:

1. Thuật toán giao tiếp Single-Bus cho DHT22: Giao tiếp giữa MCU/Raspberry Pi và DHT22 diễn ra theo chuỗi xung 40-bit phân giải cao:

  • Bước 1 (Start signal): Raspberry Pi kéo chân GPIO DATA xuống mức LOW trong khoảng thời gian $\ge 1\text{ ms}$ (thường là 18 ms), sau đó kéo lên HIGH trong 20–40 $\mu\text{s}$ và chuyển cấu hình GPIO sang chế độ Input.
  • Bước 2 (Sensor Response): DHT22 phản hồi bằng cách kéo chân DATA về LOW trong 80 $\mu\text{s}$, tiếp tục kéo lên HIGH trong 80 $\mu\text{s}$.
  • Bước 3 (Đọc dữ liệu 40-bit): Mỗi bit bắt đầu bằng một xung LOW kéo dài $50\ \mu\text{s}$. Độ dài của xung HIGH kế tiếp quyết định giá trị bit:
    • Nếu xung HIGH kéo dài $26\text{--}28\ \mu\text{s} \rightarrow$ Bit 0.
    • Nếu xung HIGH kéo dài $\approx 70\ \mu\text{s} \rightarrow$ Bit 1.
  • Bước 4 (Tính toán và Kiểm tra Checksum): Dữ liệu nhận gồm 5 byte: $$\text{Byte}1 = \text{RH}{\text{integer}},\quad \text{Byte}2 = \text{RH}{\text{decimal}},\quad \text{Byte}3 = T{\text{integer}},\quad \text{Byte}4 = T{\text{decimal}},\quad \text{Byte}_5 = \text{Checksum}$$ Điều kiện hợp lệ: $\text{Byte}_5 = (\text{Byte}_1 + \text{Byte}_2 + \text{Byte}_3 + \text{Byte}_4) \pmod{256}$.
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
Module doc du lieu tu cam bien DHT22 va BH1750 tren Raspberry Pi
Tac gia: Pham Xuan Ngoc - Do an tot nghiep CNTT K21
"""
import time
import RPi.GPIO as GPIO
import smbus

# Cau hinh chan GPIO theo chuan BCM
GPIO.setmode(GPIO.BCM)
GPIO.setwarnings(False)

DHT_PIN = 4
BH1750_ADDR = 0x23  # Dia chi I2C mac dinh cua BH1750
CMD_CONTINUOUS_HIGH_RES_MODE = 0x10

# Khoi tao I2C Bus
bus = smbus.SMBus(1)  # 1 dai dien cho /dev/i2c-1 tren RPi Rev 2

def read_bh1750():
    """Doc cuong do anh sang tu IC BH1750 qua giao thuc I2C (don vi: Lux)"""
    try:
        data = bus.read_i2c_block_data(BH1750_ADDR, CMD_CONTINUOUS_HIGH_RES_MODE)
        # Chuyen doi 2 byte nhan duoc thanh gia tri Lux
        lux = ((data[0] << 8) + data[1]) / 1.2
        return round(lux, 2)
    except Exception as e:
        print("Loi giao tiep I2C BH1750: %s" % str(e))
        return None

def analyze_environmental_status(temperature, humidity):
    """
    Kiem tra nguong canh bao bao quan thuc pham tuoi song
    Tra ve ma mau va trang thai canh bao
    """
    if temperature < 25.0 and humidity < 80.0:
        return "GREEN", "Trang thai toi uu (Bao quan tieu chuan)"
    elif 25.0 <= temperature <= 30.0 and humidity < 80.0:
        return "YELLOW", "Canh bao cap 1: Nhiet do vuot muc ly tuong"
    elif 25.0 <= temperature <= 30.0 and humidity >= 80.0:
        return "ORANGE", "Canh bao cap 2: Nguy co ngung tu am va am moc"
    else:  # temperature > 30.0 hoac cac truong hop toi han khac
        return "RED", "NGUY HIEM: Nhiet do & Do am vuot nguong cho phep!"

if __name__ == "__main__":
    print("Khoi dong he thong giam sat moi truong IoT...")
    try:
        while True:
            # Gia lap/doc gia tri tu DHT22 va BH1750
            light_level = read_bh1750()
            # Gia su doc tu driver DHT22
            temp_val, humid_val = 26.5, 82.0  # Vi du mau
            
            color_code, alert_msg = analyze_environmental_status(temp_val, humid_val)
            print("[LOG] Temp: %.1f C | Humid: %.1f %% | Light: %.2f lx | Alert: [%s] %s" % 
                  (temp_val, humid_val, light_level if light_level else 0.0, color_code, alert_msg))
            time.sleep(2)
    except KeyboardInterrupt:
        GPIO.cleanup()
        print("Dung he thong an toan.")

2. Tích hợp Máy chủ Stream hình ảnh Motion: Cấu hình tập tin /etc/motion/motion.conf với chế độ daemon nền (daemon on), mở cổng stream cục bộ webcam_localhost off tại cổng TCP 8081 và tối ưu băng thông video đạt độ phân giải $640 \times 480$ pixel ở tốc độ khung hình 15–20 fps, cung cấp kênh giám sát trực quan song song với các số liệu cảm biến.

Testing và validation

Hệ thống được trải qua chuỗi 500 chu kỳ kiểm thử liên tục trong điều kiện phòng thí nghiệm và buồng mô phỏng nhiệt độ:

  • Độ chính xác đo lường (Measurement Accuracy):
    • Cảm biến DHT22 cho độ lệch tuyệt đối trung bình (MAE) so với nhiệt kế thủy ngân tiêu chuẩn là $\pm 0.32^\circ\text{C}$ (nhỏ hơn sai số công bố $\pm 0.5^\circ\text{C}$).
    • Độ lệch đo ẩm đạt $\pm 1.85%\text{ RH}$ so với ẩm kế chuyên dụng.
    • Cảm biến BH1750 ghi nhận độ nhạy cao từ $0.5\text{ lx}$ đến $45,000\text{ lx}$ dưới các điều kiện chiếu sáng khác nhau (bóng tối, ánh sáng huỳnh quang, ánh sáng mặt trời tự nhiên).
  • Độ ổn định và hiệu năng (Benchmarks):
    • Tỷ lệ gói tin hợp lệ (Valid Checksum Rate): đạt 98.6% ở chu kỳ lấy mẫu $2\text{ giây}$.
    • Tải CPU trung bình trên Raspberry Pi Model B: 5.4% - 7.2% khi chạy Web server và script Python đọc cảm biến.
    • Bộ nhớ RAM chiếm dụng: 42 MB / 512 MB (~8.2%).
    • Thời gian trễ từ khi phát hiện biến động môi trường đến khi đổi màu cảnh báo trên Web UI: $\approx 1.2$ giây.

Kết quả đạt được

  1. Hoàn thành 100% các tính năng mục tiêu: Đọc, hiển thị và cảnh báo 3 chỉ số then chốt (Nhiệt độ, Độ ẩm, Ánh sáng) theo thời gian thực.
  2. Giao diện đa nền tảng: Tự động co giãn phù hợp trên cả màn hình máy tính bàn (Desktop Web) lẫn thiết bị di động (Mobile Web) thông qua CSS Responsive Layout.
  3. Bộ quy tắc phân loại trạng thái bằng trực quan hóa màu sắc:
    • Xanh lục (Green): $T < 25^\circ\text{C}$ và $\text{RH} < 80%$ $\rightarrow$ Điều kiện an toàn tuyệt đối.
    • Vàng (Yellow): $25^\circ\text{C} \le T \le 30^\circ\text{C}$ và $\text{RH} < 80%$ $\rightarrow$ Cảnh báo nhiệt tăng nhẹ.
    • Cam (Orange): $25^\circ\text{C} \le T \le 30^\circ\text{C}$ và $\text{RH} \ge 80%$ $\rightarrow$ Cảnh báo độ ẩm cao, nguy cơ thối rữa/nấm mốc.
    • Đỏ (Red): $T > 30^\circ\text{C}$ và $\text{RH} \ge 80%$ $\rightarrow$ Trạng thái khẩn cấp, yêu cầu kích hoạt hệ thống làm mát ngay lập tức.

Đổi mới và đóng góp

  1. Ứng dụng tính toán biên (Edge Computing) chi phí thấp: Thay vì chuyển toàn bộ luồng dữ liệu thô (raw data) lên máy chủ đám mây gây lãng phí băng thông và phụ thuộc vào đường truyền mạng, node Raspberry Pi thực hiện xử lý, kiểm tra checksum, lọc nhiễu và phân loại cảnh báo cục bộ ngay tại phương tiện vận tải.
  2. Kiến trúc giám sát tích hợp đa cảm biến: Kết hợp đồng thời cảm biến nhiệt ẩm số DHT22 và cảm biến quang BH1750 (giao tiếp I2C) trên cùng một bo mạch điều khiển duy nhất mà không gây xung đột tài nguyên bus.
  3. Khả năng tùy biến ngưỡng giám sát linh hoạt: Phần mềm cho phép cấu hình lại các dải ngưỡng nhiệt/ẩm tùy theo từng loại nông sản đặc thù (hoa quả tươi, thủy hải sản ướp lạnh, rau củ quả) chỉ bằng việc thay đổi tham số cấu hình mà không cần sửa đổi phần cứng.
Chỉ số so sánh Phương pháp Ghi log truyền thống Thiết bị IoT thương mại độc quyền Giải pháp Edge IoT của Đồ án
Giá thành phần cứng 100% (Chuẩn cơ sở) 400% - 800% 35% - 45% (Tiết kiệm >55%)
Tính mở của hệ thống Đóng hoàn toàn Đóng theo nhà sản xuất Mã nguồn mở hoàn toàn
Tốc độ cảnh báo Sau hành trình (Trễ vài ngày) Thời gian thực (Cần thuê bao Cloud) Thời gian thực tại chỗ (< 1.5s)
Khả năng mở rộng module Không Phụ thuộc hãng Rất dễ dàng qua GPIO/I2C/SPI

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Hệ thống xe tải lạnh chuyên chở nông sản liên tỉnh: Lắp đặt bộ gateway Raspberry Pi trong cabin xe hoặc gắn ngoài thùng xe (chuẩn kháng nước IP65), các đầu dò cảm biến DHT22 và BH1750 kéo dài vào bên trong thùng lạnh. Lái xe hoặc phụ xe có thể dùng smartphone/tablet kết nối WiFi nội bộ để giám sát nhiệt độ thùng hàng mà không cần mở cửa làm thất thoát nhiệt.
  • Kho bảo quản nông sản và nhà thuốc đạt chuẩn GSP: Giám sát liên tục nhiệt độ kho thuốc ($15\text{--}25^\circ\text{C}$) và độ ẩm ($\le 70%$), tự động lưu trữ dữ liệu phục vụ thanh tra và kiểm định chất lượng.
  • Nhà kính nông nghiệp công nghệ cao: Điều tiết hệ thống phun sương và lưới cắt nắng dựa trên dữ liệu quang thông (Lux) và độ ẩm thời gian thực.
[Buồng lạnh/Thùng xe] ──(Dây tín hiệu I2C/1-Wire)──> [Hộp điều khiển RPi] ──(Sóng WiFi/Ethernet)──> [Cabin Lái xe / Trung tâm Giám sát]

Phân tích hiệu quả kinh tế (ROI)

Với chi phí phần cứng hoàn thiện một bộ thiết bị vào khoảng 1.200.000 – 1.600.000 VNĐ (tương đương ~$50 - $65), hệ thống giúp các đơn vị vận tải vừa và nhỏ giảm thiểu tới 80% rủi ro hư hỏng hàng hóa do sốc nhiệt hoặc hỏng hóc hệ thống làm lạnh đột xuất. Thời gian thu hồi vốn đầu tư (ROI) ước tính chỉ sau 1 đến 2 chuyến hàng đường dài nếu phòng ngừa được một sự cố hỏng lô hàng nông sản trị giá hàng chục triệu đồng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Quy mô thử nghiệm: Đồ án mới triển khai ở mô hình mạng cảm biến đơn trạm (Single Edge Node - C2WSN), chưa tích hợp mạng cảm biến phân tán diện rộng dạng mắt cáo đa chặng (Mesh Multi-hop C1WSN).
  2. Khả năng lưu trữ lịch sử: Hệ thống hiện tại hiển thị trạng thái thời gian thực và ghi log qua file phẳng/Samba, chưa tích hợp cơ sở dữ liệu chuỗi thời gian (Time-Series Database như InfluxDB) và công cụ biểu đồ chuyên sâu (Grafana).
  3. Giao tiếp tầm xa: Chưa tích hợp module viễn thông 4G/LTE/GPS hoặc giao thức truyền tin tầm xa diện rộng năng lượng thấp (LoRa/LoRaWAN) để đẩy dữ liệu lên Cloud khi phương tiện di chuyển trên cao tốc ngoài vùng phủ sóng WiFi.

Hướng phát triển tương lai

  • Nâng cấp gateway lên các phiên bản Raspberry Pi thế hệ mới hoặc vi điều khiển chuyên dụng ESP32/STM32 để tối ưu hóa năng lượng tiêu thụ xuống dưới 50mA ở chế độ Deep Sleep.
  • Tích hợp module GPS SIM7600 4G LTE để truyền đồng thời tọa độ hành trình và dữ liệu môi trường về máy chủ quản lý tập trung (Centralized Cloud Server).
  • Ứng dụng các thuật toán máy học (TinyML) tại biên để dự báo trước xu hướng suy giảm nhiệt độ buồng lạnh và phát hiện bất thường trong hoạt động của máy nén khí.

Đối tượng hưởng lợi

  • Sinh viên và Học viên nghiên cứu: Tiếp cận tài liệu thực tế toàn diện từ lý thuyết truyền thông mạng WSN, kiến trúc phân tầng OSI/IoT đến kỹ thuật bắt xung GPIO mức microsecond bằng Python.
  • Kỹ sư và Lập trình viên nhúng/IoT: Tham khảo mô hình tích hợp hệ thống mẫu giữa Linux nhúng (Raspbian), giao tiếp I2C/Single-bus và xây dựng dịch vụ Web phân tán gọn nhẹ.
  • Doanh nghiệp Logistics và Vận tải Nông sản: Nhận được giải pháp công nghệ giá rẻ, dễ triển khai lắp đặt ngay trên đội xe hiện có nhằm nâng cao năng lực cạnh tranh và đảm bảo tiêu chuẩn chuỗi cung ứng lạnh.
  • Cộng đồng nghiên cứu nông nghiệp thông minh: Cung cấp bộ công cụ thực nghiệm mở để tùy biến cho các bài toán đo lường sinh quyển, khí tượng tiểu vùng và bảo tồn gen giống.

Câu hỏi thường gặp

1. Yêu cầu phần cứng tối thiểu để triển khai hệ thống là gì?

Hệ thống yêu cầu tối thiểu một bo mạch Raspberry Pi (Model B, B+, Pi 2, Pi 3 hoặc Pi 4) có thẻ nhớ MicroSD tối thiểu 4GB class 10 nạp hệ điều hành Raspbian, nguồn điện 5V/1A trở lên, một cảm biến DHT22 kèm điện trở kéo lên $4.7\text{k}\Omega\text{ - }10\text{k}\Omega$, một module cảm biến ánh sáng BH1750 kết nối qua bus I2C (chân SDA/SCL) và cáp mạng LAN hoặc USB WiFi dongle.

2. Giới hạn khoảng cách truyền tín hiệu từ cảm biến đến bo mạch Raspberry Pi là bao xa?

Với cảm biến DHT22 (chuẩn 1 dây), khoảng cách dây dẫn tối đa khuyến nghị là dưới 20 mét (sử dụng cáp xoắn đôi có bọc chống nhiễu chất lượng cao và điện trở kéo $4.7\text{k}\Omega$). Với cảm biến BH1750 dùng bus I2C tiêu chuẩn, khoảng cách tối ưu là dưới 2 mét. Nếu muốn kéo dài khoảng cách trong thùng xe lớn, cần sử dụng thêm IC đệm bus I2C chuyên dụng như P82B715 hoặc PCA9600.

3. Hệ thống có thể tích hợp với các nền tảng quản lý đội xe (Fleet Management) hiện có không?

Hoàn toàn có thể. Do chương trình được viết trên nền tảng Python mã nguồn mở, dữ liệu môi trường sau khi xử lý có thể dễ dàng đóng gói thành các bản tin JSON và phát tán qua giao thức RESTful API (HTTP POST) hoặc MQTT Broker tới bất kỳ hệ thống máy chủ Cloud/ERP nào của doanh nghiệp.

4. Chi phí bảo trì và độ bền của các cảm biến trong môi trường độ ẩm cao ra sao?

Cảm biến DHT22 và BH1750 đều là linh kiện bán dẫn trạng thái rắn có độ bền cao. Tuy nhiên, trong môi trường kho lạnh có độ ẩm trên 90% RH dễ xảy ra hiện tượng đọng sương, cần phủ lớp keo phủ mạch chống ẩm chuyên dụng (Conformal Coating) lên phần bo mạch PCB của cảm biến (trừ phần màng lọc đo khí), giúp cảm biến hoạt động bền bỉ liên tục từ 18–24 tháng trước khi cần hiệu chuẩn lại.

5. Dự toán chi phí chi tiết và thời gian hoàn vốn khi lắp đặt trên một xe tải đông lạnh?

Tổng chi phí linh kiện phần cứng dao động khoảng 1.350.000 VNĐ/xe. Với chi phí bảo dưỡng định kỳ gần như bằng không và khả năng cảnh báo sớm nguy cơ sốc nhiệt giúp cứu vãn các chuyến hàng nông sản có giá trị từ 50 đến 200 triệu đồng, thời gian hoàn vốn đầu tư chỉ tính bằng từng chuyến đi vận tải thực tế.

Kết luận

Đồ án tốt nghiệp "Nghiên cứu ứng dụng công nghệ IoT trong giám sát môi trường" của tác giả Phạm Xuân Ngọc đã hoàn thành xuất sắc các mục tiêu nghiên cứu và thực nghiệm đề ra. Dự án không chỉ hệ thống hóa nền tảng lý thuyết sâu sắc về mạng cảm biến không dây WSN và công nghệ IoT mà còn chứng minh tính khả thi vượt trội thông qua một sản phẩm phần cứng – phần mềm hoàn chỉnh, hoạt động ổn định và có độ chính xác cao.

Với việc khai thác hiệu quả sức mạnh tính toán biên của Raspberry Pi kết hợp cảm biến số DHT22 và BH1750, công trình mở ra hướng tiếp cận thực tế, kinh tế và bền vững cho bài toán hiện đại hóa chuỗi logistics lạnh tại Việt Nam. Đây là tiền đề vững chắc để phát triển thành các sản phẩm thương mại hoàn thiện phục vụ chuyển đổi số ngành nông nghiệp và giao thông vận tải trong tương lai.