Chương 1. Xu thế trí tuệ nhân tạo trên nền tảng hệ thống nhúng. Tinh hình nghiên cứu trong nu. Tình hình nghiên cứu ngoài HƯỚC.
Các dé tài xâm lấn can thiệp bên trong hoặc thay toàn bộ đồng hé. Các dé tài không xâm lấn nhưng yêu cầu kết nối Internet. Các dé tài không xâm lấn, không cần kết nối Internet nhưng yêu cầu phần cứng cau hình cao 0 1. Các đề tài không xâm lắn, không cần kết nói Internet, không cần phần cứng cấu hình cao nhưng chưa tối ưu về chỉ phí và năng lượng.
CƠ SỞ LÝ THUYET VÀ THỰC NGHIỆM. Các giải pháp truyền thông tầm xa. Kĩthuật điều chế tín hiệu LoRa. Giao thức LoRaWAN.
Các thành phần trong mạng LoRaWAN. Bao mật trong mạng LoRaWAN. The Things NetWOrk. Tìm hiểu về máy hỌC.
Giới thiệu về MAY hỌC .- + St HH it28 2. Khởi tạo dữ liệu huấn luyện trong máy học. Đánh giá chất lượng một mô hình máy học. Các giải pháp phần mềm dùng dé nhận diện chữ số trên thiết bị nhúng không có kết nối Int€rnet.-----22+2£222EVV222++++22222YYY2++ttttEEEEESEvrrrtttrrrkrrrrrrrrrrrrrrev 40 2.
retrrrrrrrve44 Chương 3. HIỆN THỰC HE THONG. Phân tích phần cứng. So đồ hệ thống.
Schematic, PCB và đóng gói sản phẩm "—. Phân tích phần mềm 3. Lưu đồ hoạt động của thiết bị. Giới thiệu giải thuật xử lí ảnh trên ESP32 - Cam.
Thu thập và xử lý dữ liệu máy học. Hiện thực mô hình học sâu. Hiệu năng của mô hình học sâu. Ứng dụng trang web hỗ trợ quản lý các thiết bị kết nối.
ĐÁNH GIÁ HỆ THÓNG. Đánh giá thiết kế phần cứng. Đánh giá khoảng cách truyền xa. Đánh giá việc dự đoán chữ số trên phần cứng thử nghiệm.
Đánh giá việc dự đoán chữ số trên phần cứng lắp đặt thực tế. Các trường hợp tốt và mô hình máy học dé dàng nhận diện được. Các trường hợp rất xấu nhưng mô hình máy học nhận diện đúng. Đánh giá điện năng tiêu thụ và thời gian hoạt động.
Những kết quả đạt được và hạn chế. Hướng phát trién tiếp theo của đề tài.---cccccccvvrecrrsrrrrrrxer 82 DANH MỤC HÌNH Hình 1. Ảnh chụp bảng ghi chỉ số điện nước “tự viết tay” thường thay ở Việt Nam. Đồng hồ nước kết nối sóng radio Apator Powogaz.
Đồng hồ đo nước siêu âm Apator Model Ultrimis W. Đồng hồ nước MBUS Apator Powogaz Model JS16 - AT MBUS - 02. Đồng hồ nước SWM015B. So sánh LoRa và các công nghệ truyền thông IoT hoặc M2M khác [25] 14 Hình 2.
Vi trí của LoRa và LoRaWAN trong mô hình OSL. Một số ưu điểm của mạng sử dụng LoRaWAN [26]. Vi trí của LoRaWAN, LoRa trong mô hình mạng. Sơ đồ các thành phan trong mạng LoRaWAN.--+cccccc+rz 21 Hình 2.
Mã khóa được tạo ra trong quá trình ủy nhiệm quyền kết nói. Thiết bị đầu cuối gửi gói tin yêu cầu kết nói Hình 2. Máy chủ kết nối gửi trả về gói tin cho phép kết nối. Bốn mảng dich vụ chính của TTÌN.----¿- - 5+ +5++++++c+zsz+ezxsese 26 Hình 2.
Vị trí các Gateway được kết nói đến TTN trên toàn thé giới [31]. Mối quan hệ giữa trí tuệ nhân tạo, máy học và học sâu [35]. So sánh máy học và học sâu [37]. Các nhánh máy học thường gặp [36] .-¿- ¿5= -+5++cvc+cexexexex 29 Hình 2.
So sánh mạng thần kinh tự nhiên và nhân tạo. Quá trình lan truyền ngược. Minh họa các dạng dữ liệu [39]. So sánh các framework trí tuệ nhân tạo [42].
So sánh giữa TensorFlow Lite và STM32Cube. Sơ đồ hệ thống phần cứng.-----¿--++©2+++++22vv++ettrvvrrerrrrrrrrrr 46 Hình 3. Schematic của thiết 0L. Thiết kế PCB của thiết bị.
PCB thực tế của thiết bị Hình 3. Hộp đựng cùng antenna sau khi đóng nắp. Lưu đồ hoạt động của hệ thống.----- 2-2 5¿2+++++£x++zx+zzxzxesree 49 Hình 3. Ảnh chụp hai dòng ESP32 - Cam được bán tại website thegioiic.
Lưu đồ quá trình xử lí ảnh trực tiếp trên ESP32 - Cam. Quá trình cắt và xoay ảnh. Vai trò của cân bang Histogram ở các điều kiện ánh sáng khác nhau. Cat đi phần nền thừa nếu chưa qua bước erosion.
Cắt di phan nền thừa sau khi qua bước erosion. Ảnh minh hoa bộ dataset của tác giả Jiarenyf. Anh minh hoa bộ dataset của tác giả Kutsev Roman. Anh minh hoa bộ dataset UFPR - AMR.-- 2 5s+xecx+xerxerrrcrs 55 Hình 3.
Anh minh họa bộ dataset UFPR - ADMR. Anh minh họa bộ dataset Copel - AMR.c S-cs series 56 Hình 3. Ảnh minh họa bộ dataset của tác giả Sloan96 .------ccc+s<<cs+ 56 Hình 3. Hình ảnh sau khi zoom gẦn.----2- ¿+ ©++S++Ex+2E++zx++zxezrxerxesrxz 56 Hình 3.
Anh minh họa bộ dataset MR - AMR. Anh minh họa bộ dataset do nhóm tự thu thập.cc~cecexs 58 Hình 3. Lưu đồ khối tiền xử lí ảnh và huấn luyện máy học. Thiết bi thu thập dữ liệu huấn luyện.
Biéu đồ phân bồ dữ liệu cho từng lớp,.---2- 2 + s2sz2z++zx+zxzsz 60 Hình 3. Ảnh minh họa một số trường hợp số quay ở giữa của dit liệu. Biểu đồ quá trình huấn luyện, bảng phân phối độ chính xác. Bang Confusion ÌMAfTIX.
-- - c1 1v 1v HH ng ng ng 64 Hình 3. Giá tri preCISIOT/T€CAÌÏ. Sơ đồ giao tiếp từ thiết bị đến ha tang oT LoRaWAN. Giao diện website ở chế độ sử dụng bình thường trên máy tinh ban và điện 00289005/0:.
Giao diện website ở chế độ sửa lỖi. PCB & đồng hồ nước demo.--- + ¿+ + E+EE+EE+E£+E£E£EerEerxerxerxrree 69 Hình 4. Động cơ quay đồng hồ nước phục vụ việc lay mẫu huấn luyện. Gateway sử dụng dé demo.-- 2-22 +¿22++2E+2EE+2EE2EEEEEerkrrrkerrrcree 70 Hình 4.
Ảnh chụp thực tế và giá tri dự đoán sai tại lần thực hiện thứ 28. Ảnh chụp thực tế và giá tri dự đoán sai tại lần thực hiện thứ 31. Hình ảnh khi lắp đặt thiết bị thực tẾ.---¿- ¿22+ ©2++cxz+zxrzrxrrxecree 72 Hình 4. Ví dụ minh họa trường hợp dự đoán đúng với ảnh tốt.
Ví dụ 1 minh họa cho trường hop dự đoán đúng với ảnh xấu. Ví dụ 2 minh họa cho trường hợp dự đoán đúng với ảnh xấu. Ví dụ 3 minh họa cho trường hợp dự đoán đúng với ảnh Xxấu. Biéu đồ năng lượng của từng tác Vụ .-------c2+cc+cccxerkerxerxersrree 77 Hình 4.
Thời lượng pin mô phỏng của thiết bị.---2- 5: 2 5222x+2zz+cx+srsz 78 DANH MỤC BANG Bảng 2. Bốn thang SF được dùng cho kênh truyền tải lên. So sánh kết nối OTAA và ABP.---ccc2csttttrrtirtrtrirrrrrirrrrrrreo 24 Bảng 2. Vii dur vé ma n.
Ví du 1 về True/False Positive/Negative. Ví dụ 2 về True/False Positive/NegafiVe. Vi dụ về Precision/Recall/F1 - SCOF€.-¿- - s Sk+EEEeErkerererxererxee 37 Bảng 2. Ví dụ về Macro/weighted - averaged Precision/Recall/F1 - score.
Thiết kế mô hình học sâu của nhóm. Bang các siêu tham số, cau hình không được dé cập ở bang trên. Một số vẫn đề khách quan khi chạy thực TA 72 Bảng 4. Bảng điện năng tiêu thụ trên toàn thiét bị.-- 2-2 + s+cs+zsscsez 75 Bảng 4.
Bảng điện năng tiêu thụ trên từng tấc VỤ.- sex sseksserssrsek 75 DANH MỤC TU VIET TAT Tir viét tat Tên day đủ 4G Fourth Generation of broadband cellular network 5G Fifth Generation of broadband cellular network 3D Three Dimensional Al Artificial Intelligence ASEAN Association of Southeast Asian Nations ADR Adaptive Data Rate AppKey Application Key ABP Activation By Personalization ANN Artificial Neural Network AMD Advanced Micro Devices, Inc MAC Media Access Control API Application Programming Interface BW Signal Bandwidth COVID - 19 Coronavirus disease CPU Central Processing Unit CNN Convolutional Neural Network COTS Commercial Off - The - Shelf Cat - M1 Category M1 CSS Chirp Spread Spectrum CR Coding Rate CRC Cyclic Redundancy Check CSS Cascading Style Sheets CMOS Complementary Metal Oxide Semiconductor DevEUI Device Extended Unique Identifier FEC Forward Error Correction GII The Global Innovation Index GDP Gross Domestic Product GPU Graphics Processing Unit GPIO General Purpose Input/Output GCC GNU Compiler Collection HOG Histogram of Oriented Gradients HSV Hue Saturation Value HTML HyperText Markup Language ITU International Telecommunication Union loT Internet Of Things IoS Internet Of Services I2C Inter - Integrated Circuit IC Integrated Circuit IP65 Ingress Protection rate 65 JPEG Joint Photographic Experts Group LoRa Long Range LoRaWAN Long - Range Wide - Area Network LAN Local Area Network LPWAN Low - Power Wide - Area Network LNS LoRaWAN Network Server LMIC LoRaWAN MAC In C LOS Line Of Sight MCU Microcontroller Unit M2M Machine To Machine MQTT Message Queuing Telemetry Transport NB-IoT Narrowband Internet Of Things NwkSKey Network Session Key OCR Optical Character Recognition OSI Open Systems Interconnection OTAA Over - The - Air Activation PCB Printed Circuit Board RF Radio Frequency RAM Random Access Memory RSSI Received Signal Strength Indication ROM Read - Only Memory ReLU Rectified Linear Unit SVM Support Vector Machine SSD Solid State Drive SF Spreading Factor SNR Signal To Noise Ratio SIFT Scale - Invariant Feature Transform SURF Speeded - Up Robust Features SPI Serial Peripheral Interface TIN The Things Network WIPO World Intellectual Property Organization WAN Wide Area Network TÓM TAT KHÓA LUẬN Đề tài nghiên cứu chế tạo một thiết bị tự động nhận diện chỉ số nước mà một hộ dân sử dụng tại thời điểm đó trên đồng hồ nước. Đề tài được thực hiện với mục tiêu tạo nên một cuộc cách mạng trong lĩnh vực quản lý đô thị và nguồn tài nguyên nước. Thiết bị giúp thu thập chỉ số nước một cách tự động từ tất cả các hộ dân trong bán kính hàng km tính từ chỉ một trạm Gateway sử dụng công nghệ LoRa, từ đó giúp tiết kiệm chi phí và thời gian mà không cần phải thuê nhân viên đi tới từng nhà dé ghi lại chỉ số nước như hiện nay, giúp tiết kiệm hàng tỷ đồng mỗi năm. Hệ thống gồm ba thành phan chính: e Nhận diện chỉ số nước: Một camera được tích hợp trí tuệ nhân tao (Artificial Intelligence) (AI) giúp chụp ảnh mặt đồng hồ nước và chuyên đổi ảnh thành một mảng dữ liệu gồm 5 chữ số biéu thị khối nước sử dụng.
Thiết bị chạy dự đoán sử dụng trí tuệ nhân tao ma không cần kết nối đến Internet. e Truyền thông LoRa: Dé tài sử dụng giao thức truyền thông LoRa trên hạ tang LoRaWAN, mang dữ liệu 5 chữ số này sẽ được gửi tới Gateway và sau đó được Gateway đưa lên mạng Internet. Dữ liệu sau đó có thé được cung cấp cho các công ty, cơ sở quản lí cung cấp nước của khu vực, quốc gia đó. e_ Tiết kiệm năng lượng và dễ triển khai: Toàn bộ hệ thống được thiết kế dé có thể đễ dàng triển khai trên thực tế, với chỉ phí thấp và thời gian hoạt động lâu dài.
Chỉ với một viên pin 18650 có thé cho thời gian hoạt động lên tới nhiều năm. Hơn nữa chỉ cần đặt thiết bị trên đồng hồ nước là hoàn tat, không cần tới việc đi dây điện rườm rà hay phải kết nói thiết bị đến Internet. MỞ DAU Nếu nhìn vào đồng hồ ngay lúc nay, chúng ta sẽ thấy hiện ra trước mắt mình chính là con số năm 2021.