Bối cảnh và vấn đề nghiên cứu

Lý do chọn đề tài và bối cảnh thực tiễn

Trong bối cảnh của cuộc cách mạng công nghiệp lần thứ tư, công nghệ Internet of Things (IoT) và các thiết bị thông minh ngày càng thâm nhập sâu rộng vào đời sống thường nhật. Theo số liệu thống kê từ Statista được tác giả trích dẫn trong văn bản, thị trường nhà thông minh (Smart Home) toàn cầu dự kiến đạt mức doanh thu 222,9 tỷ USD vào năm 2027 với tỷ lệ tăng trưởng kép hàng năm (CAGR) giai đoạn 2022–2027 là 12%. Tại Việt Nam, tỷ lệ triển khai các thiết bị giám sát và điều khiển nhà thông minh ước tính đạt 22,6%, tương đương khoảng 6 triệu hộ gia đình sử dụng thiết bị thông minh vào năm 2027.

Mặc dù thị trường đã ghi nhận nhiều giải pháp từ các thương hiệu quốc tế (Siemens, Schneider, Fibaro, Azura) và doanh nghiệp trong nước (Lumi, BKAV, Hunonic, Acis), việc ứng dụng diện rộng tại các hộ gia đình Việt Nam vẫn gặp rào cản do chi phí đầu tư thiết bị và hệ thống máy chủ cao, mức tiêu thụ năng lượng lớn cùng tính thiếu đồng bộ trong lắp đặt. Đồng thời, các nghiên cứu tiền nhiệm tại Khoa Kỹ thuật Máy tính (như đề tài ứng dụng nền tảng Home Assistant năm 2019 hay đề tài điều khiển qua giọng nói, ứng dụng và website năm 2021) vẫn còn tồn tại hạn chế về khả năng mở rộng mạng lưới nốt (node), độ tin cậy truyền nhận gói tin và thời gian trễ phản hồi khi số lượng nốt tăng lên. Do đó, đề tài "Thiết kế và hiện thực các thiết bị IoT ứng dụng cho việc giám sát và điều khiển nhà thông minh sử dụng BLE Mesh" được thực hiện nhằm giải quyết bài toán tối ưu chi phí, nâng cao tính ổn định và tiết kiệm năng lượng.

Mục tiêu và nhiệm vụ nghiên cứu

Mục tiêu cốt lõi của khóa luận là thiết kế và chế tạo hoàn chỉnh một hệ thống phần cứng và phần mềm IoT phân tán, có khả năng điều khiển và giám sát các thông số môi trường, an ninh trong nhà thông qua mạng lưới BLE Mesh cục bộ kết hợp máy chủ từ xa.

Các nhiệm vụ và mục tiêu thành phần được xác định cụ thể trong văn bản bao gồm:

  1. Thiết bị Gateway (Provisioner): Xây dựng cầu nối trung gian giao tiếp đa giao thức, thu thập dữ liệu từ các nốt cảm biến qua mạng BLE Mesh và chuyển tiếp lên máy chủ thông qua giao thức MQTT trên nền Wi-Fi/Internet, đồng thời nhận lệnh điều khiển từ máy chủ để phân phối ngược lại các nốt.
  2. Mạch điều khiển đèn (Light Dimmer & Relay): Tự động bật/tắt thiết bị chiếu sáng bằng cảm biến ánh sáng hoặc nút bấm vật lý; cho phép điều chỉnh độ sáng đèn (dimmer) thông qua ứng dụng di động.
  3. Mạch an ninh cửa chính (Lock Door & Camera nhận diện): Tích hợp hai phương thức mở khóa gồm nhận diện khuôn mặt thông qua ESP-CAM và thẻ từ RFID; kích hoạt còi cảnh báo khi phát hiện đột nhập hoặc xác thực sai.
  4. Mạch giám sát môi trường: Đo đạc nhiệt độ, độ ẩm và hiển thị thông số trực quan lên màn hình LCD cục bộ cùng giao diện di động.
  5. Hệ thống Server và Cơ sở dữ liệu: Triển khai máy chủ backend trên nền Node.js để quản lý luồng dữ liệu thời gian thực; kết hợp cơ sở dữ liệu Firebase phục vụ xác thực người dùng và lưu trữ dữ liệu.
  6. Ứng dụng di động (Android App): Xây dựng ứng dụng Android đa luồng cho phép giám sát thông số, điều khiển thiết bị, thiết lập kịch bản tự động và tích hợp trợ lý ảo Google Assistant để điều khiển bằng giọng nói.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Giao thức mạng không dây BLE Mesh, vi điều khiển ESP32, vi xử lý ESP-CAM, giao thức truyền thông MQTT, thư viện thị giác máy tính ESP-WHO (Deep Learning), công nghệ nhận dạng tần số vô tuyến RFID-RC522 và hệ thống phần mềm điều khiển trên nền Android/Node.js.
  • Phạm vi không gian: Triển khai mô hình mẫu trong không gian nhà ở phân chia theo các khu vực chức năng gồm phòng khách, phòng ngủ, phòng bếp, hành lang và cửa chính.
  • Thời gian thực hiện: Đề tài hoàn thành và bảo vệ vào tháng 07 năm 2023 tại Trường Đại học Công nghệ Thông tin – Đại học Quốc gia Thành phố Hồ Chí Minh.

Cơ sở lý thuyết và phương pháp thiết kế

Khung lý thuyết và công nghệ sử dụng

Nghiên cứu ứng dụng các nền tảng kỹ thuật phần cứng và giao thức truyền thông tiêu chuẩn:

  • Mạng không dây BLE Mesh (Bluetooth Low Energy Mesh): Chuẩn mạng mở hoạt động trên dải tần vô tuyến 2,4 GHz với 79 kênh RF, sử dụng kỹ thuật điều chế GFSK. Cấu trúc mạng định nghĩa 4 vai trò nốt chuyên biệt: Relay node (chuyển tiếp gói tin mở rộng phạm vi), Proxy node (chuyển đổi giữa định dạng GATT và broadcast), Low Power node (tiết kiệm năng lượng) và Friend node (lưu trữ thông điệp cho Low Power node). Mạng cho phép mở rộng lý thuyết lên đến 32.767 nốt.
  • Giao thức MQTT (Message Queuing Telemetry Transport): Giao thức nhắn tin Publish/Subscribe tối ưu cho thiết bị IoT với băng thông hẹp, hỗ trợ 3 mức đảm bảo chất lượng dịch vụ (QoS), tính năng Retained Messages và cơ chế xác thực/bảo mật SSL/TLS.
  • Nền tảng thị giác máy tính ESP-WHO & ESP-DL: Thư viện Deep Learning nhúng tối ưu cho dòng vi điều khiển Espressif, hỗ trợ trích xuất đặc trưng và nhận diện khuôn mặt người trên kiến trúc phần cứng hạn chế tài nguyên.
  • Hệ thống phần cứng nhúng: Vi điều khiển ESP32-WROOM (CPU 2 nhân Xtensa LX6 xung nhịp 240 MHz, 520 KB SRAM, 4 MB/8 MB Flash, 34 chân GPIO, 18 kênh ADC 12-bit, tích hợp Wi-Fi 802.11 b/g/n và Bluetooth v4.2 BR/EDR/BLE) và module RFID-RC522 (tần số 13,56 MHz, giao tiếp qua chuẩn SPI).
  • Môi trường phần mềm: Nền tảng Node.js (V8 Engine) xử lý I/O bất đồng bộ hướng sự kiện phía server; hệ điều hành Android (kiến trúc Linux Kernel, Android Runtime ART) phát triển ứng dụng di động; Firebase Authentication hỗ trợ quản lý định danh.
Đặc tính so sánh Bluetooth Low Energy (BLE) Zigbee Z-Wave
Tần số hoạt động 2,4 GHz – 2,4835 GHz 2,4 GHz 868,42 MHz – 921,42 MHz (tùy khu vực)
Số lượng kênh 79 kênh RF 16 kênh RF 1 đến 100 kênh RF
Kỹ thuật điều chế GFSK O-QPSK / BPSK FSK / GFSK
Băng thông yêu cầu Thấp Thấp Thấp
Phạm vi truyền Tối đa 100 m (lý thuyết) 10 m đến hàng trăm mét 30 m – 100 m
Mức tiêu thụ năng lượng Rất thấp Thấp Thấp
Tốc độ truyền dữ liệu 0,3 – 22 Kbps / 100 Kbps 250 kbps (tối đa 3 Mbps EDR) 9,6 kbps – 100 kbps
Số nốt tối đa 32.767 nốt Lên đến 65.000 nốt 232 nốt

Phương pháp nghiên cứu và triển khai thực nghiệm

Nhóm tác giả áp dụng phương pháp thiết kế kỹ thuật kết hợp kiểm nghiệm thực nghiệm:

  1. Thiết kế mạch nguyên lý (Schematic) và mạch in (PCB): Phân chia hệ thống thành các module phần cứng độc lập, thiết kế sơ đồ nguyên lý và layout PCB 2 lớp bằng phần mềm chuyên dụng, sử dụng lớp đồng đáy (Bottom layer) làm mặt phẳng mass (GND) chống nhiễu.
  2. Xây dựng giải thuật xử lý đa luồng: Thiết kế luồng dữ liệu độc lập trên vi điều khiển (FreeRTOS Tasks), Server (Node.js Events) và Ứng dụng Android (Multi-threading).
  3. Đo đạc và đánh giá thực nghiệm: Thực hiện kiểm thử truyền nhận 500 gói tin trên mạng BLE Mesh ở các kịch bản khoảng cách và vật cản khác nhau; khảo sát 20 mẫu thử nghiệm nhận diện khuôn mặt trong các điều kiện chiếu sáng; đo dòng tiêu thụ thực tế ở chế độ Active để tính toán tuổi thọ pin nguồn Li-ion 18650 (dung lượng 4800 mAh, 3,7V).

Thiết kế và triển khai hệ thống

Kiến trúc phần cứng và thiết kế mạch

Hệ thống gồm 5 khối mạch phần cứng được thiết kế theo dạng module hóa:

  • Mạch Gateway (Provisioner): Sử dụng chip ESP32 đóng vai trò Provisioner thiết lập và quản lý mạng BLE Mesh, đồng thời duy trì kết nối Wi-Fi để giao tiếp hai chiều với máy chủ MQTT.
  • Mạch Light Dimmer: Được cấp nguồn thông qua module nguồn xung hạ áp từ 220VAC xuống 5VDC (dòng 700mA). Mạch tích hợp cách ly quang Opto 817C để bắt điểm giao cắt điện áp không (Zero Crossing) từ lưới điện xoay chiều, kết hợp điện trở kéo xuống R1; điều khiển linh kiện bán dẫn Triac thông qua IC cách ly MOC3020 để điều chỉnh góc kích pha cấp cho bóng đèn; tích hợp cảm biến quang điện.
  • Mạch Relay: Sử dụng các rơ-le cách ly để đóng ngắt nguồn điện cho các thiết bị công suất trong gia đình.
  • Mạch Lock Door và Camera nhận diện: Kết hợp vi xử lý ESP-CAM (xử lý mô hình ESP-WHO) và đầu đọc RFID-RC522 (giao tiếp SPI với các chân: VCC 3.3V, RST, GND, IRQ, MISO, MOSI, SCK, SS/SDA) điều khiển khóa chốt điện tử và còi báo động.
  • Mạch hiển thị cảm biến: Đọc tín hiệu cảm biến nhiệt độ - độ ẩm, hiển thị trực tiếp qua màn hình LCD và gửi thông số vào mạng Mesh.

Cấu trúc luồng xử lý phần mềm

  • Ứng dụng di động Android: Vận hành 3 luồng xử lý đồng thời:
    • Luồng 1: Lắng nghe dữ liệu đẩy về từ Server để cập nhật giao diện (Fragment) của từng thiết bị theo thời gian thực.
    • Luồng 2: Gửi yêu cầu đến API dịch vụ bên ngoài để lấy thông tin thời tiết và thời gian khu vực.
    • Luồng 3: Bắt sự kiện người dùng thao tác trên nút bấm giao diện hoặc nhận lệnh thoại từ Google Assistant để gửi bản tin điều khiển tới Server.
  • Node.js Server: Quản trị 2 luồng điều hướng:
    • Luồng 1: Lắng nghe bản tin từ Gateway gửi lên topic MQTT, ghi nhận lịch sử vào cơ sở dữ liệu và chuyển tiếp thông báo tới ứng dụng Android.
    • Luồng 2: Tiếp nhận lệnh điều khiển từ ứng dụng Android, lưu trạng thái vào cơ sở dữ liệu và xuất bản (publish) bản tin xuống Gateway.
  • Thiết bị Gateway: Khởi tạo 2 tác vụ nền:
    • Task 1: Thu thập bản tin trạng thái từ các nốt BLE Mesh, đóng gói dữ liệu vào bộ đệm và publish lên topic "server-listen".
    • Task 2: Lắng nghe topic "gateway-listen", trích xuất thông tin homeId và deviceId để chuyển tiếp gói tin xuống đúng nốt đích.
  • Thiết bị đầu cuối (End Nodes): Khởi tạo ngoại vi (I2C, ADC, UART, SPI), kết nối BLE Client và thực thi 2 tác vụ:
    • Task 1: Tiếp nhận gói tin từ Gateway, phân tích cú pháp JSON theo mã yêu cầu (request = 0 hoặc 1) để thay đổi trạng thái phần cứng.
    • Task 2: Định kỳ đọc cảm biến, ghi vào bộ đệm và gửi về Gateway.

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Chương 1 phân tích bức tranh tổng thể về thị trường nhà thông minh trong và ngoài nước, chỉ rõ xu hướng phát triển và sự gia tăng số lượng hộ gia đình sử dụng thiết bị thông minh tại Việt Nam đến năm 2027. Tác giả tổng hợp các hạn chế của các đề tài khóa luận những năm trước tại Khoa Kỹ thuật Máy tính (vấn đề suy hao gói tin, trễ mạng khi mở rộng nốt). Từ đó, chương xác định mục tiêu tổng quát, phân bổ vị trí các thiết bị theo không gian mặt bằng nhà ở và lập bảng mô tả chức năng chi tiết cho 5 khối thiết bị phần cứng, máy chủ Node.js, cơ sở dữ liệu Firebase và ứng dụng di động.

Chương 2: Tổng quan về BLE và các công nghệ liên quan

Chương 2 trình bày có hệ thống các nền tảng lý thuyết và công nghệ cốt lõi phục vụ thiết kế hệ thống:

  • Phân tích chi tiết giao thức BLE và cấu trúc liên kết mạng BLE Mesh, phân định chức năng của 4 loại nốt (Relay, Proxy, Low Power, Friend).
  • Lập bảng so sánh kỹ thuật giữa BLE, Zigbee và Z-Wave về băng tần, số kênh, tốc độ truyền, khoảng cách và khả năng mở rộng.
  • Nêu rõ nguyên lý hoạt động của giao thức MQTT, mô hình Publish/Subscribe, cơ chế máy chủ trung gian (Broker) và tính năng Retained Messages.
  • Giới thiệu giải thuật Deep Learning, cấu trúc mạng nơ-ron sâu và quy trình huấn luyện/lan truyền ngược; mô tả thư viện ESP-WHO và ESP-DL ứng dụng cho nhận diện hình ảnh.
  • Phân tích kiến trúc hệ điều hành Android (Linux Kernel, Thư viện, ART, Quản lý ứng dụng, UI); thông số phần cứng vi điều khiển ESP32 và công nghệ nhận dạng thẻ RFID-RC522 trên dải tần HF 13,56 MHz chuẩn giao tiếp SPI.

Chương 3: Phân tích và thiết kế hệ thống

Chương 3 tập trung mô hình hóa kiến trúc hệ thống tổng thể và xây dựng các thuật toán điều khiển:

  • Phác thảo sơ đồ truyền dữ liệu 4 tầng: Thiết bị nốt BLE – Gateway – Node.js Cloud Server – Android Application & Google Assistant.
  • Xây dựng lưu đồ giải thuật xử lý đa luồng chi tiết cho Ứng dụng Android (3 luồng), Node.js Server (2 luồng), Gateway (2 task) và Nốt chấp hành (2 task).
  • Trình bày quy trình đăng ký tài khoản, phân quyền và cấp mã định danh duy nhất (User UID), cũng như cơ chế khôi phục mật khẩu thông qua dịch vụ Firebase Authentication.

Chương 4: Kết quả thực nghiệm

Chương 4 cung cấp toàn bộ dữ liệu đo đạc thực tế và hồ sơ thiết kế kỹ thuật:

  • Công bố số liệu kiểm thử truyền nhận gói tin trên mạng BLE Mesh qua 3 trường hợp không gian, đánh giá độ ổn định và tỷ lệ mất gói tin.
  • Báo cáo kết quả thử nghiệm mô hình nhận diện khuôn mặt ESP-WHO trên ESP-CAM dưới các điều kiện ánh sáng (ban ngày, ánh sáng đèn, ngược sáng, ánh sáng mờ) và chỉ ra hiện tượng tràn bộ nhớ.
  • Tính toán lý thuyết và đo đạc dòng tiêu thụ của nốt ESP32 ở chế độ Active, xác định tuổi thọ vận hành liên tục với pin Li-ion 18650 4800 mAh.
  • Công bố toàn bộ bản vẽ thiết kế sơ đồ nguyên lý (Schematic), bản vẽ mạch in (PCB layout 2 lớp) và hình ảnh đóng gói vỏ hộp thực tế của 5 module mạch: Light Dimmer, Relay, Lock Door, Camera nhận diện và Mạch hiển thị cảm biến môi trường.
  • Trình bày cấu trúc cơ sở dữ liệu và các màn hình giao diện ứng dụng Android (Đăng nhập, Màn hình chính, Quét thiết bị, Thiết lập kịch bản, Điều khiển phòng, Tích hợp Google Assistant).

Chương 5: Kết luận và hướng phát triển

Chương 5 đúc kết các kết quả đạt được về mặt chế tạo phần cứng, thiết lập mạng Mesh và lập trình phần mềm. Đồng thời, tác giả thẳng thắn chỉ ra các điểm còn tồn tại của hệ thống (giới hạn bộ nhớ ESP-CAM, tỷ lệ suy hao gói tin khi truyền xuyên tầng) và đề xuất các giải pháp nâng cấp trong tương lai.

Kết quả và đóng góp

Kết quả thực nghiệm định lượng

Dữ liệu đo đạc thực nghiệm từ khóa luận được tổng hợp qua các bảng số liệu sau:

1. Khảo sát hiệu năng truyền nhận gói tin trên mạng BLE Mesh (Tổng số gói gửi: 500 gói, chu kỳ 1,5 giây):

Điều kiện thực nghiệm Khoảng cách Số gói nhận được Tỷ lệ mất gói tin
Không có vật cản 13,5 m 495 / 500 1,0%
Ngăn cách 2 lầu 5,0 m 447 / 500 10,6%
Hai phòng cùng một tầng 7,0 m 426 / 500 14,8%

Nhận xét của tác giả: Mạng BLE Mesh duy trì tỷ lệ mất gói ở mức chấp nhận được trong cự ly dưới 7 m giữa hai phòng và dưới 5 m khi truyền xuyên tầng gần cầu thang. Việc đặt thiết bị Gateway/Provisioner ở vị trí trung tâm ngôi nhà giúp tối ưu khả năng truyền nhận.

2. Khảo sát độ chính xác nhận diện khuôn mặt trên ESP-CAM (ESP-WHO):

Điều kiện kiểm nghiệm Số lần nhận diện chính xác Tỷ lệ chính xác
Đủ sáng, khoảng cách phù hợp 20 / 20 100%
Điều kiện thiếu sáng 14 / 20 70%
Tỷ lệ chính xác trung bình — ~ 80%

Nhận xét của tác giả: Việc triển khai Deep Learning trực tiếp trên ESP-CAM dẫn đến hiện tượng tràn bộ nhớ RAM, hạn chế dung lượng tập mẫu đầu vào và khiến thời gian xử lý phản hồi lâu hơn so với việc chạy trên máy tính nhúng chuyên dụng.

3. Khảo sát năng lượng tiêu thụ và tuổi thọ pin (Sử dụng pin Li-ion 18650 dung lượng 4800 mAh, 3,7V):

Chế độ hoạt động Trạng thái nốt Dòng tiêu thụ ($I$) Tuổi thọ pin ($T$) Thời gian phản hồi
Active Server node 76,4 mA 62 giờ 50 phút (62,827 h) 15 ms
Active Client node 74,0 mA 64 giờ 52 phút (64,865 h) 15 ms

Giải pháp và đóng góp kỹ thuật của đề tài

  • Hiện thực thành công hệ thống phần cứng hoàn chỉnh gồm 5 module mạch rời, được tối ưu chi phí linh kiện và đóng gói thành phẩm hoàn chỉnh phù hợp lắp đặt trong nhà ở.
  • Ứng dụng thành công cấu trúc mạng BLE Mesh phân tán, đảm bảo hệ thống duy trì khả năng tự vận hành và liên lạc nội bộ giữa các thiết bị cảm biến, chấp hành ngay cả khi ngắt kết nối Internet.
  • Tích hợp thành công thuật toán thị giác Deep Learning cơ bản (ESP-WHO) lên module giá rẻ ESP-CAM để điều khiển khóa cửa, kết hợp thẻ từ RFID nhằm tăng cường bảo mật hai lớp.
  • Xây dựng ứng dụng di động Android đa luồng đồng bộ thời gian thực qua máy chủ Node.js/MQTT và tích hợp tính năng điều khiển bằng giọng nói tiếng Việt qua Google Assistant.

Hạn chế và hướng phát triển

Hạn chế được ghi nhận trong văn bản

  • Tài nguyên xử lý của ESP-CAM: Việc nhúng giải thuật Deep Learning lên vi điều khiển ESP-CAM thường xuyên gặp hiện tượng tràn bộ nhớ (memory overflow), giới hạn số lượng mẫu khuôn mặt lưu trữ và làm tăng độ trễ xử lý so với các bộ vi xử lý/máy tính nhúng chuyên dụng.
  • Độ nhạy sáng của camera: Tỷ lệ nhận diện khuôn mặt suy giảm rõ rệt (xuống mức 70%) khi hoạt động trong môi trường thiếu sáng hoặc ngược sáng.
  • Suy hao truyền thông BLE Mesh: Tỷ lệ mất gói tin tăng cao (từ 10,6% đến 14,8%) khi tín hiệu phải truyền xuyên sàn bê tông giữa các tầng hoặc xuyên qua nhiều lớp tường chắn.

Hướng phát triển tiếp theo

  • Nghiên cứu tối ưu hóa dung lượng mô hình Deep Learning hoặc chuyển đổi sang các dòng phần cứng có bộ nhớ mở rộng (PSRAM) và năng lực tính toán cao hơn để tăng tốc độ nhận diện khuôn mặt.
  • Cải tiến thuật toán định tuyến gói tin trên mạng BLE Mesh, tối ưu hóa vị trí đặt các nốt Relay và Friend node để triệt tiêu các điểm mù sóng trong nhà cao tầng.
  • Mở rộng thêm các kịch bản tự động hóa nâng cao, tích hợp thêm nhiều loại cảm biến an toàn (cảm biến khí gas, cảm biến khói) vào hệ thống điều khiển trung tâm.

Giá trị tham khảo

Tài liệu khóa luận cung cấp nguồn tài liệu kỹ thuật có giá trị tham khảo chuyên môn cao cho:

  • Sinh viên ngành Kỹ thuật Máy tính, Điện tử – Viễn thông và Hệ thống Nhúng/IoT: Tham khảo chi tiết thiết kế sơ đồ nguyên lý (Schematic) và mạch in (PCB) của mạch điều khiển công suất xoay chiều (Zero Crossing + Triac Dimmer), mạch giao tiếp RFID qua SPI và cách bố trí lớp đồng chống nhiễu.
  • Kỹ sư và nhà phát triển phần mềm IoT: Tham khảo mô hình kiến trúc phân luồng xử lý trên nền Node.js (MQTT Broker), kỹ thuật lập trình đa nhiệm trên ESP32 (ESP-IDF/FreeRTOS) và thiết kế ứng dụng Android đa luồng giao tiếp thời gian thực.
  • Các nhóm nghiên cứu về Smart Home chi phí thấp: Tham khảo dữ liệu kiểm nghiệm thực tế về tỷ lệ mất gói tin của mạng BLE Mesh, dòng tiêu thụ của nốt vô tuyến và giải pháp tích hợp nhận diện khuôn mặt trên phần cứng hạn chế tài nguyên.

Câu hỏi thường gặp

1. Tại sao nhóm tác giả lại lựa chọn giao thức BLE Mesh thay vì Zigbee hay Z-Wave cho hệ thống nhà thông minh này?

Theo phân tích ở Chương 2, BLE Mesh là tiêu chuẩn mở không yêu cầu phí bản quyền, hỗ trợ dải tần 2,4 GHz phổ biến toàn cầu với 79 kênh RF, khả năng mở rộng lý thuyết lên đến 32.767 nốt và mức tiêu thụ năng lượng thấp. Đặc biệt, BLE tương thích trực tiếp với hầu hết điện thoại thông minh hiện nay, giúp đơn giản hóa việc cấu hình và giảm thiểu chi phí phần cứng so với việc phải trang bị các module chuyên dụng của Zigbee hoặc Z-Wave.

2. Mạch Light Dimmer sử dụng linh kiện gì để nhận diện điểm giao cắt không và điều khiển độ sáng bóng đèn?

Mạch Light Dimmer sử dụng cách ly quang Opto 817C kết hợp điện trở kéo xuống R1 để đọc giá trị ngắt (interrupt) tại chân tín hiệu ZeroCrossing, giúp vi điều khiển phát hiện thời điểm điện áp xoay chiều chuyển tiếp giữa bán kỳ âm và bán kỳ dương. Sau đó, vi điều khiển kích mở linh kiện Triac thông qua IC Opto-Triac MOC3020 theo góc kích pha mong muốn để điều chỉnh công suất cấp cho bóng đèn.

3. Tỷ lệ mất gói tin của mạng BLE Mesh trong các điều kiện thử nghiệm thực tế là bao nhiêu?

Theo bảng đo kiểm 4.1 ở Chương 4 (với 500 gói tin gửi, chu kỳ 1,5 giây):

  • Khi không có vật cản (khoảng cách 13,5 m): Tỷ lệ mất gói là 1,0% (nhận 495/500 gói).
  • Khi ngăn cách giữa 2 tầng lầu (khoảng cách 5 m): Tỷ lệ mất gói là 10,6% (nhận 447/500 gói).
  • Khi truyền giữa hai phòng cùng một tầng qua tường chắn (khoảng cách 7 m): Tỷ lệ mất gói là 14,8% (nhận 426/500 gói).

4. Hiệu năng nhận diện khuôn mặt bằng thư viện ESP-WHO trên ESP-CAM đạt kết quả như thế nào?

Thực nghiệm nhận diện khuôn mặt trên ESP-CAM đạt độ chính xác tuyệt đối 20/20 (100%) trong điều kiện đủ sáng và cự ly phù hợp, nhưng giảm xuống 14/20 (70%) trong điều kiện thiếu sáng, cho tỷ lệ chính xác trung bình khoảng 80%. Nhóm nghiên cứu chỉ ra rằng thuật toán Deep Learning trên ESP-CAM bị hạn chế do hiện tượng tràn RAM và có thời gian trễ xử lý cao hơn so với máy tính nhúng.

5. Tuổi thọ hoạt động liên tục của nốt ESP32 khi dùng nguồn pin Li-ion 18650 4800 mAh ở chế độ Active là bao lâu?

Theo số liệu đo dòng ở Chương 4:

  • Nốt hoạt động ở vai trò Server tiêu thụ dòng 76,4 mA, cho thời gian hoạt động liên tục đạt 62 giờ 50 phút (62,827 giờ).
  • Nốt hoạt động ở vai trò Client tiêu thụ dòng 74,0 mA, cho thời gian hoạt động liên tục đạt 64 giờ 52 phút (64,865 giờ). Cả hai đều đạt thời gian phản hồi tín hiệu là 15 ms.

Kết luận

Khóa luận tốt nghiệp của sinh viên Lê Tuấn Minh và Nguyễn Tiến Đạt đã thiết kế và hiện thực thành công hệ thống giám sát, điều khiển nhà thông minh toàn diện dựa trên mạng lưới BLE Mesh và vi điều khiển ESP32. Đề tài giải quyết hiệu quả bài toán tối ưu hóa chi phí sản xuất phần cứng thông qua 5 khối mạch tự thiết kế, đồng thời cung cấp đầy đủ các phương thức điều khiển từ xa qua ứng dụng Android, giọng nói Google Assistant và tự động hóa cục bộ bằng RFID/nhận diện khuôn mặt ESP-CAM. Các dữ liệu thực nghiệm về tỷ lệ mất gói tin, dòng tiêu thụ năng lượng và độ chính xác nhận diện cung cấp cơ sở kỹ thuật xác thực, có giá trị thực tiễn cho việc phát triển các hệ sinh thái IoT chi phí thấp.