Khóa luận tốt nghiệp: Ứng dụng AI trong dự đoán chất lượng nước sinh hoạt

Luận văn tốt nghiệp nghiên cứu tốt nghiệp mạng máy tính và truyền thông quan trắc dự đoán chất lượng nước sinh hoạt ứng dụng ai, điều tra thực trạng, phân tích số liệu, đề xuất

Người đăng

Ẩn danh

Thể loại

Khóa luận tốt nghiệp

2024

109
7
0

Phí lưu trữ

35 Point

Mục lục chi tiết

LỜI CAM ĐOAN

1. CHƯƠNG 1: GIỚI THIỆU

1.1. Phần mở đầu. Tổng quan về vấn đề nghiên cứu. Cấu trúc khóa luận

1.2. Mục tiêu, đối tượng và phạm vi nghiên cứu

1.2.1. Mục tiêu nghiên cứu

1.2.2. Phạm vi và đối tượng nghiên cứu

1.3. Nội dung, phương pháp nghiên cứu và kết quả mong đợi

1.3.1. Nội dung 1

1.3.2. Nội dung 2

1.3.3. Nội dung 3

1.4. Cấu trúc khóa luận

2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1. Công nghệ truyền thông Zigbee — Xbee-PRO 900HP

2.2. Giao thức truyền thông MQTT — Azure IoT Hub

2.3. Dịch vụ lưu trữ dữ liệu Azure Blob Storage

2.4. Dịch vụ định danh người dùng Azure Active Directory B2C

2.5. Dịch vụ bắt sự kiện thời gian thực Azure Event Grid

2.6. Tổng quan về tiêu chuẩn chất lượng nước ở Việt Nam

2.7. Tổng quan về Machine Learning

2.8. Tổng quan về Dataset đã chọn

2.9. Một số công cụ phát triển Machine Learning phổ biến

2.10. Một số mô hình huấn luyện AI

3. CHƯƠNG 3: THIẾT KẾ, XÂY DỰNG VÀ TRIỂN KHAI HỆ THỐNG

3.1. Thiết kế phần cứng hệ thống

3.2. Thiết kế cơ sở dữ liệu hệ thống

3.3. Xây dựng các dịch vụ đám mây

3.4. Thiết kế và xây dựng hệ thống website

3.5. Tiền xử lý dữ liệu

3.6. Huấn luyện mô hình

4. CHƯƠNG 4: KẾT QUẢ THỰC NGHIỆM

4.1. Thực nghiệm trao đổi dữ liệu giữa các thiết bị

4.2. Thực nghiệm gửi dữ liệu đến Cloud Database

4.3. Thực nghiệm bắt sự kiện với Azure Event Grid

4.4. Thực nghiệm đọc dữ liệu Azure Event Grid, Blob container

4.5. Thực nghiệm dự đoán kết quả bằng mô hình AI

5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu và tổng quan

Bài viết tập trung vào ứng dụng AI trong dự đoán chất lượng nước sinh hoạt thông qua mạng máy tínhtruyền thông. Với sự phát triển của công nghệ, việc giám sát và dự đoán chất lượng nước trở nên cấp thiết, đặc biệt trong bối cảnh ô nhiễm môi trường ngày càng nghiêm trọng. Công nghệ AIIoT được kết hợp để tạo ra hệ thống thông minh, giúp thu thập, phân tích và dự đoán chất lượng nước một cách chính xác và hiệu quả.

1.1. Mục tiêu nghiên cứu

Mục tiêu chính của nghiên cứu là xây dựng hệ thống giám sát chất lượng nước sử dụng công nghệ AIIoT. Hệ thống này không chỉ thu thập dữ liệu từ các cảm biến mà còn áp dụng mô hình dự đoán để đưa ra các cảnh báo kịp thời về chất lượng nước. Điều này giúp cải thiện hiệu quả quản lý tài nguyên nước và bảo vệ sức khỏe cộng đồng.

1.2. Phạm vi và đối tượng nghiên cứu

Nghiên cứu tập trung vào việc sử dụng các cảm biến môi trường như cảm biến đo độ pH, độ dẫn điện, và độ oxy hòa tan. Dữ liệu thu thập được xử lý thông qua hệ thống mạngcông nghệ truyền thông như Zigbee và MQTT. Hệ thống thông minh này được triển khai trên nền tảng đám mây, cho phép giám sát và dự đoán chất lượng nước từ xa.

II. Công nghệ và phương pháp

Nghiên cứu sử dụng các công nghệ tiên tiến như AI, IoT, và hệ thống mạng để xây dựng mô hình dự đoán chất lượng nước. Phân tích dữ liệu được thực hiện thông qua các thuật toán học máy, trong khi hệ thống giám sát sử dụng các cảm biến và giao thức truyền thông để thu thập dữ liệu thời gian thực.

2.1. Công nghệ truyền thông và IoT

ZigbeeMQTT là hai giao thức truyền thông chính được sử dụng trong nghiên cứu. Zigbee giúp kết nối các cảm biến trong phạm vi nhỏ, trong khi MQTT đảm bảo truyền dữ liệu hiệu quả lên đám mây. Hệ thống IoT được tích hợp với Azure IoT Hub để lưu trữ và xử lý dữ liệu.

2.2. Mô hình dự đoán và AI

Các mô hình dự đoán như Random Forest, Decision Tree, và SVM được huấn luyện trên tập dữ liệu chất lượng nước. Công nghệ AI giúp dự đoán các thông số chất lượng nước dựa trên dữ liệu thu thập được, đảm bảo độ chính xác cao và khả năng ứng dụng thực tế.

III. Thiết kế và triển khai hệ thống

Hệ thống được thiết kế với ba thành phần chính: phần cứng (cảm biến và thiết bị IoT), phần mềm (xử lý dữ liệu và AI), và giao diện người dùng (web và ứng dụng di động). Hệ thống mạng đảm bảo kết nối liên tục giữa các thành phần, trong khi công nghệ truyền thông giúp truyền dữ liệu hiệu quả.

3.1. Phần cứng và cảm biến

Các cảm biến như cảm biến pH, cảm biến độ dẫn điện, và cảm biến oxy hòa tan được sử dụng để thu thập dữ liệu. Libelium Waspmote đóng vai trò là thiết bị trung tâm, kết nối các cảm biến và truyền dữ liệu lên đám mây thông qua Meshlium Gateway.

3.2. Phần mềm và xử lý dữ liệu

Dữ liệu thu thập được xử lý thông qua Azure Blob StorageAzure Event Grid. AI Training được thực hiện trên nền tảng TensorFlow, sử dụng các thuật toán học máy để dự đoán chất lượng nước. Hệ thống giám sát được tích hợp với web app để hiển thị kết quả và cảnh báo kịp thời.

IV. Kết quả và ứng dụng thực tế

Hệ thống đạt được độ chính xác cao trong việc dự đoán chất lượng nước, với tỷ lệ dự đoán chính xác trên 90%. Hệ thống thông minh này có thể được ứng dụng rộng rãi trong các khu vực đô thị và nông thôn, giúp cải thiện chất lượng nước sinh hoạt và bảo vệ sức khỏe cộng đồng.

4.1. Đánh giá hiệu năng hệ thống

Hệ thống được đánh giá thông qua tốc độ truyền dữ liệu, độ trễ xử lý, và độ chính xác của mô hình dự đoán. Kết quả cho thấy hệ thống hoạt động ổn định và hiệu quả trong môi trường thực tế.

4.2. Ứng dụng thực tế

Hệ thống có thể được triển khai trong các nhà máy xử lý nước, khu dân cư, và các khu vực có nguy cơ ô nhiễm nước cao. Công nghệ AIIoT giúp giảm thiểu chi phí và nâng cao hiệu quả quản lý tài nguyên nước.

21/02/2025

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu Giới thiệu tổng quan về lý do chọn dé tai; mục tiêu, đối tượng và phạm vi nghiên cứu; nội dung nghiên cứu và kêt quả mong đợi. Chương 2: Cơ sở lý thuyết Chương |. Giới thiệu Giới thiệu kiến thức tong quan về các thiết bị IoT, công nghệ truyền thông, giao thức truyền thông, dịch vụ lưu trữ đám mây, dịch vụ hỗ trợ định danh người dùng, dịch vụ bắt sự kiện thời gian thực trên đám mây, tiêu chuẩn nước ở Việt Nam, tong quan về Machine Learning, tổng quan về Dataset đã chọn, một số công cụ phát triển Machine Learning pho biến, một số mô hình huấn luyện AI. Chương 3: Thiết kế, xây dựng và triển khai mô hình hệ thống Thiệt kê kiên trúc phân cứng; Thiét kê cơ sở dữ liệu; Triên khai các dịch vụ cloud; Thiết kế và xây dung web, tiền xử lý dữ liệu, train model.

Chương 4: Kết quả thực nghiệm Thực hiện do và thu thập số liệu từ các cảm biến, trao đổi dữ liệu giữa thiết bị và cloud, độ trễ bắt sự kiện, kết quả có được từ mô hình AI. Chương 5: Kết luận và hướng phát triển Tổng kết và đánh giá các kết quả thu được. Qua đó, đặt ra mục tiêu và định hướng cho tương lai nhằm hoàn thiện hơn, xây dựng 1 hệ thống hoàn chỉnh trong tương lai. Cơ sở lý thuyết Chương 2.

Công nghệ tryền thông Zigbee — Xbee-PRO 900HP Với quy mô nhỏ và truyền thông giữa các thiết bị mạng ở gần nhau, cùng với Libelium Waspmote Plug & Sense Smart Water hỗ trợ truyền thông dữ liệu với Meshlium thông qua công nghệ Zigbee — XBee-PRO 900HP, tác giả chọn Zigbee làm công nghệ truyền thông. Zigbee là một giao thức mở toàn cầu, dựa trên gói tin, và được thiết kế để cung cấp kiến trúc thân thiện cho mạng không dây bảo mật, đáng tin cậy và tiết kiệm năng lượng [7]. Giao thức này là một tiêu chuẩn khu vực của mạng lưới cá nhân 802.4 của IEEE, tồn tại từ hơn một thập kỷ. Zigbee sử dụng tần số ngắn và được ứng dụng rộng rãi trong việc truyền tín hiệu trong ngôi nhà và thiết bị y tế.

Sóng Zigbee được phát triển dé truyền tín hiệu trong hệ thống nhà 6n định hơn và tiết kiệm năng lượng hơn so với các loại sóng khác như Wi-Fi, Bluetooth, hồng ngoại, và các công nghệ khác [8]. Các đặc tính cơ bản của Zigbee: [7] o Tiêu thụ ít điện năng. o_ Tốc độ dữ liệu thấp (20- 250 kbps). o Khoảng cách truyền ngắn (75-100 m).

o Thời gian tham gia mạng (~ 30 ms). o Hỗ trợ mạng lưới nhỏ và lớn (tối đa 65,000 thiết bị (Lý thuyết); 240 thiết bi (Thực tế)). o Giá thành sản phẩm thấp và triển khai rẻ (Giao thức mã nguồn m6). o Chu kỳ làm việc cực thấp.

© 3 dải tần với 27 kênh. Ưu điểm của Zigbee: [8] Chương 2. Cơ sở lý thuyết Khả năng kết nối rộng: Zigbee có khả năng kết nối lên tới 65,000 nút, tạo thành một mạng lưới lớn đề kết nối và điều khiển các thiết bị thông minh, đảm bảo hoạt động trơn tru suốt quá trình vận hành. Tiết kiệm năng lượng: Mạng Zigbee giúp giảm tiêu thụ năng lượng của các thiết bị thông minh thông qua kiểm soát hoạt động của chúng, mang lại hiệu suất cao và tuôi thọ pin tốt.

Truyền thông với độ bảo mật cao: Mạng lưới Zigbee sử dụng khóa đối xứng 128 bit dé bảo vệ thông tin truyền tải, cung cấp một môi trường truyền thông an toàn, thích hợp cho các hoạt động như ngân hàng trực tuyến. Kết nối hệ thống nhanh: Đường truyền giữa các thiết bị trong mạng Zigbee ồn định, đảm bảo kết nối và điều khiển nhanh chóng, phù hợp cho các ứng dụng đòi hỏi độ trễ thấp. Hoạt động 6n định, chống nhiễu tốt: Mạng Zigbee được thiết kế dé hoạt động ôn định và chống nhiễu tốt, có khả năng truyền sóng xuyên qua vật cản và có diện tích phủ sóng lên đến 100m2 trong môi trường nhà. 1 Mô hình mang Zigbee minh hoa [8] Chương 2.

Cơ sở lý thuyết Xbee-PRO 900HP sử dụng tần số 900 MHz và có khả năng chọn lựa tối đa 64 kênh, mỗi kênh cách nhau 400 kHz, với tốc độ truyền là 10 kbps. Có các phiên bản khác nhau cho Mỹ, Canada và Brazil. Giao tiếp được bảo vệ bằng tính năng mã hóa AES 128-bit, cụ thê là thông qua loại AES-CTR. Mã hóa này áp dụng cho trường Frame Counter với một ID duy nhất và mã hóa toàn bộ thông tin trong trường Payload, năm trong frame của tầng liên kết, nơi lưu trữ dữ liệu được gửi.

[9] 902-928 MHz 400 KHz TT Bito B1 B2 Bits Bit4 Bits " Bit63 Hình 2. 2 Tan số khả dụng cho Xbee-PRO 900HP [9] 2. Giao thức truyền thông MQTT -— Azure IoT Hub Sau quá trình tìm kiếm cho mình 1 giao thức truyền thông với các tiêu chí én định, hiệu năng, thân thiện người dùng, ưu tiên các dịch vụ cloud dễ dàng triển khai và quản lý, tác giả đã chọn được cho mình giao thức truyền thông MQTT kèm theo đó là dịch vụ cloud Azure IoT Hub của Azure. MQTT (Message Queuing Telemetry Transport) là một giao thức truyền thông theo mô hình publish/subscribe được sử dụng cho thiết bị IoT với băng thông thấp, độ tin cậy cao, va khả năng hoạt động trong mạng lưới không ổn định.

Giao thức này dựa trên một Broker nhẹ, thiết kế mở, đơn giản va dé cài đặt. [10] Kiến trúc của MQTT bao gồm hai phan chính là Broker va Clients. Broker được coi là trung tâm, nhận và xử lý message từ các publisher, sau đó chuyên đến các địa chỉ cụ thé. Broker có thể thực hiện các tinh năng như bảo mật, lưu trữ, va logs.

Clients được chia thành hai nhóm là publisher va subscriber, với kha năng linh hoạt và nhẹ Chương 2. Cơ sở lý thuyết nhàng. Publisher đăng thông điệp lên một topic, trong khi subscriber đăng ký để nhận thông điệp từ một topic nao đó. [11] MỌTTT hoạt động theo cơ chế client/server, với mỗi cảm biến là một client kết nối đến một broker thông qua giao thức TCP.

Giao thức này là định hướng bản tin, với mỗi bản tin được publish vào một địa chỉ (topic). Client có thể subscribe vào nhiều kênh và nhận dữ liệu từ bất kỳ trạm nào khác gửi dữ liệu vào kênh đã đăng ký. MQTT cung cấp tính năng publish/subscribe linh hoạt và hiệu quả cho truyền thông IoT. [10] 1 Temperature Sensor AMPLIFY Motion Sensor Moisture sensor o_ Gọn nhẹ và hiệu quả: MQTT có yêu cầu tài nguyên tối thiểu, phù hợp với các thiết bị IoT có tài nguyên hạn ché, thậm chi có thể sử dụng trên các bộ vi điều khiển nhỏ.

o_ Quy mô linh hoạt: MQTT tiêu thụ ít năng lượng trong các hoạt động, và hỗ trợ giao tiếp với một lượng lớn các thiết bị IoT, đảm bảo tính linh hoạt trong triên khai. Cơ sở lý thuyết © Độ tin cậy: MQTT giảm thời gian cần thiết cho việc kết ni lại với đám mây, đặc biệt quan trọng đối với các thiết bị IoT kết nối qua mạng di động không đáng tin cậy. Giao thức này cung cấp ba mức chất lượng dịch vụ dé đảm bảo độ tin cậy. Bảo mật: MQTT hỗ trợ mã hóa thông điệp và xác thực thiết bị và người dùng bang các giao thức an toàn như OAuth, TLS1.3, Chứng chi do khách hang quản lý, giúp bảo vệ an toàn thông tin.

Hỗ trợ tốt: Có sẵn hỗ trợ rộng rãi cho việc triển khai MQTT trong nhiều ngôn ngữ lập trình, đặc biệt là Python, giúp nhà phát triển triển khai giao thức một cách nhanh chóng và hiệu quả. Azure IoT Hub [14] là một dịch vụ được quản lý hoàn toàn cho phép truyền thông hai chiều đáng tin cậy và an toàn giữa hàng triệu thiết bị IoT. le) Tích hợp linh hoạt với đám mây: Cung cấp nhiều tùy chọn giao tiếp giữa thiết bị loT và đám mây, bao gồm nhắn tin một chiều, truyền tệp và khả năng trả lời yêu cầu. Định tuyến thông báo khai báo tích hợp: Cho phép thông báo từ thiết bị được định tuyến và chuyên đến các dịch vụ Azure khác, tăng tính tích hợp của hệ thống.

Kho lưu trữ có thê truy vấn cho siêu dữ liệu: Cung cấp một kho lưu trữ linh hoạt cho siêu dữ liệu thiết bị và thông tin trạng thái, đồng bộ hóa dữ liệu giữa thiết bị và đám mây. Liên lạc an toàn và kiểm soát truy cập: Bảo vệ an toàn thông tin với khóa bảo mật hoặc chứng chỉ X.509, đảm bảo liên lạc an toàn và quản lý quyền truy cập cho từng thiết bị. Giám sát mở rộng và quản lý danh tính thiết bị: Cung cấp khả năng giám sát mở rộng cho sự kiện kết nối của thiết bị và quản lý danh tính của chúng. Thư viện thiết bị đa ngôn ngữ và nền tảng: Bao gồm các thư viện thiết bị cho nhiều ngôn ngữ và nền tảng phổ biến, giúp thuận tiện cho việc phát triển và triên khai ứng dụng IoT trên các môi trường khác nhau.

Cơ sở lý thuyết Azure IoT Hub cho phép phát triển các công cụ IoT và không phải lo lắng về cách tat cả được két nôi va quản lý. Các thiết bi được kết nối với IoT Hub có thể được quản lý bằng cách sử dụng một loạt các chức năng tích hợp sẵn. Điều này có nghĩa là: o_ Siêu dữ liệu thiết bị và thông tin trạng thái cho tất cả các thiết bị được lưu trữ, đồng bộ hóa và truy van. o Trạng thái thiết bị có thé được đặt cho từng thiết bị hoặc theo nhóm tùy thuộc vào đặc điểm chung của thiết bị.

o Thay đổi trạng thái trong thiết bị có thé được phản hồi tự động bằng cách sử dụng tích hợp định tuyến tin nhăn. ra m7 đó 22 2 ~ Microsoft @@® © 3eo (FA Devices, Apps, etc. 8e se Things Hình 2. 4 Mô hình hệ thống loT minh họa sử dung Azure loT Hub [15] 2.

Thiết bị loT 2. Libelium Waspmote Plug & Sense Smart Water M6 hinh Smart Water duoc hinh thanh dé tao diéu kién giám sát từ xa các thông số phù hợp nhất liên quan đến chất lượng nước. Có thé đo hơn 5 thông số, bao gồm các thông số phù hợp nhất dé kiểm soát nước như oxy hòa tan, khả năng oxy hóa-khử, pH, độ dẫn điện và nhiệt độ. Cơ sở lý thuyết Hinh 2.

5 Libelium Waspmote Plug & Sense Smart Water [16] Bang 2. 1 Cau hình 6 cam cảm biến [16] O căm cam biên Thông số Thâm quyền A pH 9328 B Oxy hoa tan 9327 C Độ dẫn điện 9326 D - - E Khả năng oxy-hóa khử 9329 F Nhiệt độ nước/chất lỏng 25T (được bao gồm theo mặc định) 13 Chương 2. Cảm b iến nhiệt độ Cảm biến đo nhiệt độ của nước.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tài liệu "Ứng dụng AI trong dự đoán chất lượng nước sinh hoạt từ mạng máy tính và truyền thông" tập trung vào việc khai thác sức mạnh của trí tuệ nhân tạo (AI) để dự đoán và đánh giá chất lượng nước sinh hoạt. Bằng cách kết hợp các công nghệ mạng máy tính và truyền thông, nghiên cứu này mang lại giải pháp tiên tiến, giúp cải thiện độ chính xác trong việc giám sát và quản lý nguồn nước. Điều này không chỉ hỗ trợ các cơ quan quản lý mà còn đem lại lợi ích thiết thực cho cộng đồng, đảm bảo nguồn nước an toàn và bền vững.

Nếu bạn quan tâm đến các ứng dụng công nghệ trong thực tiễn, bạn có thể khám phá thêm về hệ thống giám sát giao thông tự động, một nghiên cứu tương tự về việc áp dụng công nghệ để giải quyết các vấn đề thực tế. Bên cạnh đó, xây dựng website bán văn phòng phẩm sử dụng thuật toán Apriori cũng là một ví dụ điển hình về cách AI được tích hợp vào các hệ thống thương mại điện tử. Cuối cùng, để hiểu rõ hơn về các yếu tố ảnh hưởng đến quyết định sử dụng công nghệ, bạn có thể tham khảo các yếu tố ảnh hưởng đến quyết định sử dụng Mobile Banking. Mỗi liên kết này mở ra cơ hội để bạn mở rộng kiến thức và khám phá sâu hơn về các ứng dụng công nghệ trong đời sống.