Giới thiệu dự án
Trong kỷ nguyên Nông nghiệp 4.0 (Smart Agriculture), việc ứng dụng công nghệ Internet vạn vật (IoT) kết hợp cùng các công nghệ hiển thị không gian ba chiều đang mở ra bước ngoặt lớn nhằm tối ưu hóa năng suất và kiểm soát vi khí hậu cây trồng. Theo các báo cáo thống kê từ FAO và Statista, mô hình canh tác chính xác có thể giảm thiểu tới 30% lượng nước tưới tiêu và 20% chi phí phân bón nếu dữ liệu môi trường được phản hồi theo thời gian thực. Tuy nhiên, rào cản lớn nhất hiện nay của các hệ thống giám sát nông nghiệp truyền thống nằm ở tính phân mảnh: dữ liệu cảm biến thường hiển thị dưới dạng các biểu đồ 2D phẳng trên màn hình máy tính hoặc ứng dụng di động rời rạc, tách rời hoàn toàn với bối cảnh không gian thực địa nơi cây trồng đang sinh trưởng. Đồng thời, công tác vận hành, bảo trì và lắp đặt các trạm quan trắc ngoài đồng ruộng đòi hỏi nhân lực kỹ thuật có trình độ, trong khi tài liệu hướng dẫn 2D dạng giấy hoặc video thường thiếu tính trực quan, dẫn đến tỷ lệ lỗi thao tác lên tới 25-30%.
Đồ án tốt nghiệp "Xây dựng hệ thống quản lý nông nghiệp kết hợp công nghệ MR" được nghiên cứu và phát triển bởi sinh viên Đinh Thanh Tùng và Trần Toàn Thắng dưới sự hướng dẫn của TS. Huỳnh Thế Thiện tại Khoa Điện - Điện Tử, Trường Đại học Sư phạm Kỹ thuật TP.HCM (ngành Hệ thống nhúng và IoT). Dự án giải quyết triệt để bài toán tích hợp thu thập dữ liệu diện rộng tiêu thụ năng lượng siêu thấp và hiển thị không gian trực quan thông qua công nghệ Thực tế hỗn hợp (Mixed Reality - MR) kết hợp Bản sao số (Digital Twin).
+------------------------------------------+
| MR / Digital Twin Layer |
| (Unity 2022.3 URP, MRTK2, ARCore Depth) |
+--------------------+---------------------+
^
| REST API / MQTTS
v
+--------------------+---------------------+
| Cloud Core Layer |
| (Raspberry Pi 4, The Things Stack, HASS) |
+--------------------+---------------------+
^
| LoRaWAN (AS923)
v
+--------------------+---------------------+
| LPWAN Gateway Layer |
| (Raspberry Pi HAT + RAK5146 SX1303) |
+--------------------+---------------------+
^
| LoRa RF (920-923 MHz)
v
+--------------------+---------------------+
| Sensor & Node Edge Layer |
| (RAK3172 SX1262, CH32V003, RS-485) |
+------------------------------------------+
Mục tiêu đề tài
- Thiết kế phần cứng cảm biến chuyên dụng: Tự thiết kế và chế tạo các module cảm biến môi trường không khí (CO2, nhiệt độ, độ ẩm, cường độ ánh sáng) và cảm biến đất chuẩn công nghiệp RS-485 Modbus RTU, tối ưu hóa chi phí sản xuất dưới sự điều khiển của vi điều khiển kiến trúc mở RISC-V.
- Xây dựng trạm thu thập và điều khiển diện rộng (End-Node): Phát triển trạm IoT hoạt động bằng nguồn pin Li-ion tích hợp mạch sạc năng lượng mặt trời MPPT, kiểm soát tiêu thụ dòng tĩnh ở mức nano-ampe và truyền dữ liệu tầm xa qua giao thức LoRaWAN.
- Triển khai máy chủ đám mây hợp nhất (Cloud Infrastructure): Dựng hệ thống Private LoRaWAN Network Server kết hợp nền tảng giám sát Home Assistant và cơ sở dữ liệu MariaDB trên nền tảng Docker Container, bảo mật thông qua Reverse Proxy SSL/TLS.
- Phát triển ứng dụng không gian MR đa nền tảng: Xây dựng ứng dụng Thực tế hỗn hợp trên nền tảng di động thông minh tích hợp Mixed Reality Toolkit (MRTK2) và Digital Twin, cho phép hiển thị dữ liệu telemetric tức thời ngay tại vị trí trạm thực tế và cung cấp quy trình hướng dẫn lắp ráp 3D trực quan từng bước.
Phạm vi và giới hạn
- Băng tần truyền thông: Hoạt động trên băng tần LoRaWAN AS923 (920–923 MHz) phù hợp theo quy chuẩn kỹ thuật quốc gia (Thông tư 08/2021/TT-BTTTT).
- Thiết bị đầu cuối hiển thị: Ứng dụng MR được tối ưu hóa cho các dòng điện thoại thông minh hỗ trợ Android ARCore và Depth API nhằm tiết kiệm chi phí đầu tư ban đầu so với các kính XR chuyên dụng (HoloLens 2 hay Apple Vision Pro).
- Khả năng mở rộng: Hệ thống hỗ trợ chuẩn giao thức RS-485 Modbus RTU công nghiệp, sẵn sàng tích hợp với các cảm biến chuẩn mở trên thị trường.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
| Tiêu chí so sánh |
Hệ thống SCADA nông nghiệp truyền thống |
Nền tảng IoT Nông nghiệp Dashboard 2D |
Giải pháp MR-IoT & Digital Twin (Đồ án) |
| Giao thức mạng |
Dây dẫn cáp đồng (RS-485, CAN bus) |
Wi-Fi / ZigBee / Cellular 4G |
LoRaWAN Class A/C (Phạm vi 1.5 - 5 km) |
| Hiển thị dữ liệu |
Màn hình HMI cố định tại trạm |
Web Browser / Mobile App phẳng |
Hologram 3D trực quan không gian thực |
| Khả năng tương tác |
Nút bấm vật lý / Cần gạt cơ |
Chạm cảm ứng màn hình 2D |
Tương tác không gian 3D, nhận diện vật thể |
| Nguồn năng lượng |
Nguồn điện lưới AC 220V |
Pin định kỳ / Nguồn Adapter |
Pin sạc Solar MPPT + Buck siêu tiết kiệm |
| Hỗ trợ bảo trì |
Tài liệu bản vẽ kỹ thuật giấy |
Video hướng dẫn rời |
Digital Twin chỉ dẫn trực tiếp trên phần cứng |
Phân loại yêu cầu hệ thống theo mô hình MoSCoW
- Must-Have (Bắt buộc): Đo đạc chính xác các thông số môi trường (Nhiệt độ, độ ẩm không khí, CO2, Lux, độ ẩm đất); truyền thông tin cậy qua LoRaWAN về Network Server; bảng điều khiển 3D hiển thị telemetry theo thời gian thực; cơ chế sạc pin năng lượng mặt trời MPPT.
- Should-Have (Nên có): Tự động phát hiện vị trí trạm quan sát gần nhất theo tọa độ GPS/Haversine; điều khiển relay kích hoạt bơm tưới/đèn chiếu sáng qua Downlink LoRaWAN; mô hình hướng dẫn lắp ráp 3D Digital Twin với chuyển động từng khối.
- Could-Have (Có thể mở rộng): Tương thích kính XR chuyên dụng (Microsoft HoloLens, Magic Leap); phân tích xu hướng vi khí hậu bằng thuật toán AI dự đoán sâu bệnh.
- Won't-Have (Không thực hiện trong giai đoạn này): Nhận diện xử lý hình ảnh sâu bệnh trực tiếp trên camera của trạm thu thập dữ liệu (Edge AI Vision).
Thiết kế hệ thống
+-------------------------------------------------------------------------+
| MR CLIENT UI |
| +-----------------------+ +--------------------+ +-----------------+ |
| | Spatial Data Renderer | | Device Actuators | | 3D Digital Twin | |
| +-----------+-----------+ +---------+----------+ +--------+--------+ |
+---------------|-----------------------|---------------------|-----------+
| MQTTS | HTTP / REST |
v v v
+-------------------------------------------------------------------------+
| CLOUD SERVICES CORE |
| +-------------------------------------------------------------------+ |
| | Swag Reverse Proxy (Nginx + Let's Encrypt TLS) | |
| +--------------------+--------------------------------+-------------+ |
| | | |
| v v |
| +--------------------+--------------+ +--------------+-------------+ |
| | The Things Stack (LoRaWAN Core) | | Home Assistant & ArIoT Core| |
| | [Postgres, Redis, Packet Broker] | | [MariaDB, Custom Python API| |
| +--------------------+--------------+ +--------------+-------------+ |
| | | |
| +---------------->+<-------------+ |
| | |
| Mosquitto MQTT Broker |
+-----------------------------------------+-------------------------------+
^
| UDP Packet Forwarder
+-----------------------------------------+-------------------------------+
| LPWAN GATEWAY NODE |
| Raspberry Pi 4 2GB + RAK5146 HAT (Semtech SX1303) |
+-----------------------------------------+-------------------------------+
^
| RF 920-923 MHz LoRaWAN Frames
+-----------------------------------------+-------------------------------+
| END-NODE DATA STATIONS |
| +-------------------------------------------------------------------+ |
| | RAK3172 Controller (SX1262) + CN3791 MPPT Solar + TPS62840 Buck | |
| +-----------------------------------+-------------------------------+ |
| | RS-485 Modbus RTU |
| v |
| +-------------------------------------------------------------------+ |
| | Custom Air Sensor (CH32V003 + SCD40 + BH1750 + MAX3485) | |
| | Custom Soil Sensor (CH32V003 + Capacitive Soil + MAX3485) | |
| +-------------------------------------------------------------------+ |
+-------------------------------------------------------------------------+
Technology Stack và phiên bản chi tiết
- Vi điều khiển & Trạm IoT:
- WCH CH32V003F4P6 (Lõi QingKe 32-bit RISC-V2A @ 48MHz, 16KB Flash, 2KB SRAM).
- RAKwireless RAK3172 (SoC STM32WLE5CC, Transceiver Semtech SX1262 LoRaWAN v1.0.3).
- Sensirion SCD40 (NDIR Photoacoustic CO2: 400–2000 ppm, độ chính xác ±50 ppm).
- Rohm BH1750FVI (Cảm biến quang kỹ thuật số I2C: 0–65,535 Lux, độ phân giải 1 Lux).
- Texas Instruments TPS62840 (Buck converter $I_q = 60\text{ nA}$, hiệu suất 80% tại tải $1\ \mu\text{A}$).
- Consonance CN3791 (IC sạc pin Lithium-ion MPPT chuyên dụng cho Solar Cell).
- Trạm Gateway & Hạ tầng Cloud:
- Raspberry Pi 4 Model B (RAM 8GB cho Server, RAM 2GB cho Gateway).
- RAK5146 Pi HAT (Semtech SX1303 Gateway Engine, 8 kênh thu nhận đồng thời).
- Docker Engine v26.0 + Docker Compose v2.27.
- The Things Stack Enterprise/Open-Source v3.28.
- Eclipse Mosquitto MQTT Broker v2.0.18.
- Home Assistant Core v2024.5.
- MariaDB Server v11.3.
- Custom Service
ArIoT (Python 3.11, Flask, SQLAlchemy, Paho-MQTT).
- Nền tảng Thực tế hỗn hợp (MR Client):
- Unity Engine LTS v2022.3.14f1 (Universal Render Pipeline - URP).
- Microsoft Mixed Reality Toolkit v2.8.3 (MRTK2).
- PTC Vuforia Engine v10.22.
- Google ARCore SDK v1.42.
Thiết kế giao tiếp và cấu trúc cơ sở dữ liệu
Sơ đồ cấu trúc Modbus RTU cho trạm cảm biến:
Frame truyền thông chuẩn giữa Module RAK3172 Master và Trạm cảm biến Slave qua bus RS-485 vi sai:
$$\text{[Slave ID (1 Byte)]} + \text{[Function Code 0x03 (1 Byte)]} + \text{[Start Reg Addr (2 Bytes)]} + \text{[Reg Count (2 Bytes)]} + \text{[CRC16 (2 Bytes)]}$$
+----------+---------------+-----------------------+--------------------+---------------+
| Slave ID | Function Code | Byte Count | Data Payload | CRC-16 (Modbus|
| (1 Byte) | 0x03 (1 Byte) | (1 Byte = 2x Regs) | (N x 2 Bytes) | (2 Bytes, LSB)|
+----------+---------------+-----------------------+--------------------+---------------+
| 0x01 | 0x03 | 0x06 | CO2, Temp, Hum... | 0xXX | 0xYY |
+----------+---------------+-----------------------+--------------------+---------------+
Thiết kế REST API của dịch vụ ArIoT:
GET /api/v1/telemetry/latest?station_id={id}: Trả về số liệu cảm biến mới nhất (nhiệt độ, độ ẩm, CO2, Lux, điện áp pin).GET /api/v1/stations/nearest?lat={latitude}&lon={longitude}: Tìm kiếm trạm quan trắc gần nhất phục vụ hiển thị trên bảng MR.POST /api/v1/actuators/control: Gửi lệnh điều khiển Downlink LoRaWAN tới trạm chấp hành qua Mosquitto MQTT Broker.
{
"station_id": "STATION_AS923_01",
"coordinates": {
"latitude": 10.850125,
"longitude": 106.771944
},
"metrics": {
"co2_ppm": 685,
"air_temp_c": 29.4,
"air_humidity_pct": 74.2,
"light_lux": 15420,
"soil_moisture_pct": 62.8,
"battery_voltage_v": 4.12
},
"timestamp": "2026-08-26T13:45:00Z"
}
Methodology
Dự án áp dụng quy trình phát triển lặp nhanh Agile Hardware-Software Co-design kết hợp kiểm thử tích hợp liên tục:
[Sprint 1: Hardware Design] ----> [Sprint 2: LPWAN Core] ----> [Sprint 3: MR & Digital Twin] ----> [Sprint 4: Field Testing]
(Schematics, PCB KiCad, (SX1303 Gateway, TTS, (Blender 3D, Unity URP, (Outdoor Deployment,
CH32V003 Firmware, Modbus) Mosquitto, Home Assistant) MRTK2, ARCore Depth API) Benchmarking, Validation)
- Sprint 1: Thiết kế và gia công phần cứng chuyên dụng
- Thiết kế mạch nguyên lý (Schematic) và layout mạch in (PCB) trên Altium Designer cho Cảm biến không khí, Cảm biến đất và Trạm thu thập RAK3172.
- Lập trình firmware C trên MounRiver Studio cho vi điều khiển RISC-V CH32V003 giao tiếp ngoại vi I2C và RS-485.
- Sprint 2: Xây dựng hạ tầng Cloud và Gateway LoRaWAN
- Lắp ráp Gateway Raspberry Pi 4 kết hợp RAK5146 HAT; cấu hình phần mềm Packet Forwarder kết nối nội bộ với The Things Stack.
- Thiết lập container Docker (MariaDB, Home Assistant, Mosquitto, SWAG Proxy) với cấu hình bảo mật TLS/SSL.
- Sprint 3: Phát triển ứng dụng Thực tế hỗn hợp và Digital Twin
- Xây dựng mô hình 3D các chi tiết phần cứng trạm IoT trên Blender; tối ưu hóa số lượng lưới đa giác (Polygon Mesh Reduction) và trải UV Mapping.
- Lập trình logic Unity C#, cấu hình pipeline đồ họa URP, xây dựng bộ điều khiển giao diện MRTK2 và tích hợp dịch vụ REST/MQTT.
- Sprint 4: Thử nghiệm thực địa và đánh giá hiệu năng
- Triển khai thực tế tại vườn nông nghiệp ngoài trời; đo kiểm dòng tiêu thụ bằng công cụ Power Profiler; kiểm tra độ suy hao tín hiệu truyền sóng LoRa RSSI/SNR theo khoảng cách.
Implementation và kết quả
Development process
1. Firmware Modbus RTU trên Vi điều khiển RISC-V CH32V003
Vi điều khiển CH32V003 chịu trách nhiệm đọc dữ liệu từ các cảm biến ngoại vi qua giao tiếp I2C cứng và đóng gói phản hồi theo yêu cầu của Master qua bus RS-485:
#include "debug.h"
#define SLAVE_ADDRESS 0x01
#define SENS_REG_COUNT 4
uint16_t sensor_registers[SENS_REG_COUNT]; // [0]: CO2, [1]: Temp*10, [2]: Hum*10, [3]: Lux
uint8_t rx_buffer[64];
uint8_t rx_index = 0;
uint16_t Modbus_CRC16(uint8_t *buf, uint8_t len) {
uint16_t crc = 0xFFFF;
for (int pos = 0; pos < len; pos++) {
crc ^= (uint16_t)buf[pos];
for (int i = 8; i != 0; i--) {
if ((crc & 0x0001) != 0) {
crc >>= 1;
crc ^= 0xA001;
} else {
crc >>= 1;
}
}
}
return crc;
}
void Process_Modbus_Command(void) {
if (rx_index < 8) return;
// Check Address and Function Code 0x03 (Read Holding Registers)
if (rx_buffer[0] == SLAVE_ADDRESS && rx_buffer[1] == 0x03) {
uint16_t start_addr = (rx_buffer[2] << 8) | rx_buffer[3];
uint16_t reg_count = (rx_buffer[4] << 8) | rx_buffer[5];
uint16_t received_crc = rx_buffer[6] | (rx_buffer[7] << 8);
if (Modbus_CRC16(rx_buffer, 6) == received_crc) {
uint8_t tx_frame[32];
tx_frame[0] = SLAVE_ADDRESS;
tx_frame[1] = 0x03;
tx_frame[2] = reg_count * 2; // Byte count
for (int i = 0; i < reg_count; i++) {
tx_frame[3 + i * 2] = (sensor_registers[start_addr + i] >> 8) & 0xFF;
tx_frame[4 + i * 2] = sensor_registers[start_addr + i] & 0xFF;
}
uint16_t crc = Modbus_CRC16(tx_frame, 3 + reg_count * 2);
tx_frame[3 + reg_count * 2] = crc & 0xFF;
tx_frame[4 + reg_count * 2] = (crc >> 8) & 0xFF;
// Toggle MAX3485 DE/RE pin to Transmit mode
GPIO_WriteBit(GPIOD, GPIO_Pin_4, Bit_SET);
for (int i = 0; i < (5 + reg_count * 2); i++) {
USART_SendData(USART1, tx_frame[i]);
while (USART_GetFlagStatus(USART1, USART_FLAG_TXE) == RESET);
}
GPIO_WriteBit(GPIOD, GPIO_Pin_4, Bit_RESET); // Return to Receive mode
}
}
rx_index = 0;
}
2. Thuật toán xác định trạm quan sát gần nhất trong ArIoT (Python)
Thuật toán Haversine được triển khai nhằm tính toán khoảng cách cầu đại diện giữa tọa độ GPS của người dùng mang thiết bị MR và các trạm cảm biến đang hoạt động:
import math
from flask import Flask, request, jsonify
app = Flask(__name__)
def haversine(lat1, lon1, lat2, lon2):
R = 6371000.0 # Radius of Earth in meters
phi1 = math.radians(lat1)
phi2 = math.radians(lat2)
delta_phi = math.radians(lat2 - lat1)
delta_lambda = math.radians(lon2 - lon1)
a = (math.sin(delta_phi / 2.0) ** 2 +
math.cos(phi1) * math.cos(phi2) * math.sin(delta_lambda / 2.0) ** 2)
c = 2.0 * math.atan2(math.sqrt(a), math.sqrt(1.0 - a))
return R * c
@app.route('/api/v1/stations/nearest', methods=['GET'])
def get_nearest_node():
user_lat = float(request.args.get('lat'))
user_lon = float(request.args.get('lon'))
# Mock data query from MariaDB
stations = [
{"id": "NODE_01", "lat": 10.850125, "lon": 106.771944, "status": "ACTIVE"},
{"id": "NODE_02", "lat": 10.851230, "lon": 106.773100, "status": "ACTIVE"}
]
nearest = min(stations, key=lambda s: haversine(user_lat, user_lon, s['lat'], s['lon']))
distance = haversine(user_lat, user_lon, nearest['lat'], nearest['lon'])
return jsonify({
"nearest_station_id": nearest['id'],
"distance_meters": round(distance, 2),
"is_within_range": distance <= 50.0 # Active range threshold
}), 200
3. Điều khiển hiển thị Hologram Digital Twin trong Unity C#
Logic quản lý trực quan hóa số liệu vi khí hậu và tương tác Hologram qua MRTK2:
using UnityEngine;
using TMPro;
using System.Collections;
using UnityEngine.Networking;
public class StationDigitalTwinManager : MonoBehaviour
{
[Header("UI Hologram Elements")]
public TextMeshPro textCO2;
public TextMeshPro textTempHumidity;
public TextMeshPro textLightLux;
public GameObject hardwareAssemblyModel;
private const string API_URL = "https://iot.agrimr.vn/api/v1/telemetry/latest?station_id=NODE_01";
void Start()
{
StartCoroutine(FetchTelemetryRoutine(5.0f));
}
IEnumerator FetchTelemetryRoutine(float interval)
{
while (true)
{
using (UnityWebRequest req = UnityWebRequest.Get(API_URL))
{
yield return req.SendWebRequest();
if (req.result == UnityWebRequest.Result.Success)
{
TelemetryPayload payload = JsonUtility.FromJson<TelemetryPayload>(req.downloadHandler.text);
UpdateHologramUI(payload);
}
}
yield return new WaitForSeconds(interval);
}
}
private void UpdateHologramUI(TelemetryPayload data)
{
textCO2.text = $"{data.metrics.co2_ppm} ppm";
textTempHumidity.text = $"{data.metrics.air_temp_c:F1}°C | {data.metrics.air_humidity_pct:F1}%";
textLightLux.text = $"{data.metrics.light_lux:N0} Lux";
}
public void ToggleAssemblyGuide(bool show)
{
hardwareAssemblyModel.SetActive(show);
}
}
Testing và validation
1. Kiểm thử hiệu năng tiêu thụ năng lượng của Trạm thu thập End-Node
Đo kiểm trực tiếp bằng thiết bị phân tích nguồn chuyên dụng tại các trạng thái vận hành:
- Chế độ Deep Sleep (Ngủ sâu): Module RAK3172 tắt RF, vi điều khiển CH32V003 ở Standby Mode, IC hạ áp TPS62840 duy trì dòng tĩnh $\approx 1.8\ \mu\text{A}$.
- Chế độ Đọc cảm biến (Sensor Polling): Bật nguồn tăng áp cấp cho cảm biến SCD40 và BH1750, đọc bus RS-485 trong $250\text{ ms}$ $\rightarrow$ Dòng trung bình $\approx 18.5\text{ mA}$.
- Chế độ Phát tín hiệu LoRa (LoRa TX @ +20 dBm): Phát gói tin LoRaWAN dung lượng 16 Bytes trong $85\text{ ms}$ $\rightarrow$ Dòng đỉnh đạt $92.4\text{ mA}$.
Dòng tiêu thụ (mA)
100 | +-- LoRa TX (92.4 mA, 85ms)
80 | |
60 | |
40 | +- Sensor Polling (18.5 mA, 250ms)
20 | | |
0 +-----+---------------+------------------------------+---> Thời gian (s)
|<-- Deep Sleep (1.8 uA) --->|
- Tính toán thời gian hoạt động lý thuyết: Với chu kỳ lấy mẫu $10\text{ phút/lần}$, khối pin Li-ion $18650\ (2600\text{ mAh})$ kết hợp tấm năng lượng mặt trời $5\text{V}/1\text{W}$ qua IC sạc MPPT CN3791 cho phép trạm vận hành liên tục không giới hạn thời gian (tự duy trì năng lượng hoàn toàn ngay cả trong điều kiện 5 ngày liên tiếp không có nắng).
2. Đo kiểm đường truyền LoRaWAN ngoài thực địa (Băng tần AS923)
| Khoảng cách (m) |
Điều kiện môi trường |
Spreading Factor (SF) |
RSSI trung bình (dBm) |
SNR (dB) |
Tỷ lệ mất gói (PER) |
| 100 |
Tầm nhìn thẳng (Line-of-Sight) |
SF7 / BW 125kHz |
-68 |
+9.2 |
0.0% |
| 500 |
Tán cây vườn ăn trái che chắn |
SF7 / BW 125kHz |
-89 |
+5.4 |
0.0% |
| 1200 |
Nhà màng + Vùng cây rậm rạp |
SF8 / BW 125kHz |
-108 |
-2.1 |
1.2% |
| 2500 |
Khu vực ngoại ô phức tạp |
SF10 / BW 125kHz |
-122 |
-8.6 |
3.8% |
3. Đánh giá hiệu năng ứng dụng Thực tế hỗn hợp (MR Client)
Thử nghiệm trên thiết bị di động tầm trung (Xiaomi Redmi Note 12 Pro - Chip Snapdragon 778G, RAM 8GB):
- Tốc độ khung hình (Frame Rate): Duy trì ổn định từ $58 - 60\text{ FPS}$ ở chế độ quan trắc và điều khiển thời gian thực; đạt $55 - 58\text{ FPS}$ khi bật mô hình 3D Digital Twin tháo lắp 12 chi tiết.
- Độ trễ cập nhật dữ liệu (End-to-End Latency): Từ lúc cảm biến hoàn tất đo đến khi cập nhật giao diện MR đạt $1.25\text{ giây}$ (qua MQTT Broker).
- Độ chính xác bám không gian (Spatial Tracking Accuracy): Sai số dịch chuyển mô hình ảo $< 1.5\text{ cm}$ khi người dùng di chuyển quanh trạm trong bán kính $3\text{ mét}$.
Kết quả đạt được
+-------------------------------------------------------------------------------+
| TỔNG HỢP KẾT QUẢ ĐẠT ĐƯỢC |
+--------------------------+---------------------+--------------------+---------+
| Hạng mục chức năng | Kế hoạch đề ra | Thực tế đạt được | Tỷ lệ |
+--------------------------+---------------------+--------------------+---------+
| Module cảm biến RS-485 | CO2, Temp, Hum, Lux | Đầy đủ + Đất RS-485| 100% |
| Tầm xa phủ sóng LoRa | >= 1.0 km | 2.5 km (PER < 4%) | 120% |
| Dòng tiêu thụ Deep Sleep | < 10 uA | 1.8 uA | 180% |
| Tốc độ khung hình MR | >= 45 FPS | 58 - 60 FPS | 125% |
| Tính năng Digital Twin | Xem số liệu & Hướng dẫn| Hướng dẫn lắp 3D| 100% |
+--------------------------+---------------------+--------------------+---------+
Đổi mới và đóng góp
- Thiết kế phần cứng cảm biến RISC-V giá siêu rẻ kết hợp chuẩn công nghiệp: Việc tự thiết kế module cảm biến sử dụng vi điều khiển WCH CH32V003 (giá thành phần cứng $\approx 0.15\text{ USD}$) làm cầu nối thu thập I2C sang RS-485 Modbus RTU giúp giảm chi phí sản xuất cảm biến chuyên dụng xuống hơn 60% so với việc mua các đầu dò đúc sẵn trên thị trường, đồng thời dễ dàng thay thế, hiệu chuẩn từng linh kiện riêng biệt.
- Kiến trúc nguồn kết hợp MPPT và Buck nano-power: Việc kết hợp chip sạc MPPT CN3791 với bộ chuyển đổi hạ áp buck TPS62840 có dòng tĩnh cực thấp ($60\text{ nA}$) giúp tối ưu hóa hiệu suất sử dụng pin mặt trời, loại bỏ hoàn toàn yêu cầu phải thay pin bảo trì định kỳ cho các trạm quan trắc nông nghiệp ngoài trời.
- Hiện thực hóa công nghệ Digital Twin trên thiết bị di động phổ thông: Thay vì phụ thuộc vào các thiết bị kính đeo MR đắt tiền (vốn có chi phí hàng ngàn USD và thời lượng pin ngắn), dự án đã tối ưu hóa toàn bộ pipeline đồ họa URP và thuật toán bám không gian ARCore Depth API trên điện thoại thông minh. Điều này biến chiếc smartphone tiêu chuẩn thành công cụ giám sát và chỉ dẫn kỹ thuật không gian 3D mạnh mẽ cho người nông dân.
- Chỉ dẫn bảo trì trực tiếp trên phần cứng (In-situ 3D Holographic Assembly): Hệ thống không chỉ hiển thị dữ liệu telemetric mà còn đóng vai trò là một người hướng dẫn tương tác 3D. Các mô hình tháo lắp, cấu tạo chân nối, sơ đồ khối phần cứng được chiếu chính xác lên từng vị trí thực tế của thiết bị, giúp giảm thiểu sai sót kỹ thuật trong quá trình bảo dưỡng.
Ứng dụng thực tế và triển khai
Kịch bản triển khai thực tế
- Trang trại trồng dưa lưới trong nhà màng công nghệ cao: Triển khai 1 trạm Gateway RAK5146 tại trung tâm điều hành và 10 trạm thu thập dữ liệu rải rác trong các block nhà màng. Kỹ sư nông nghiệp khi đi kiểm tra vườn chỉ cần cầm điện thoại mở ứng dụng MR; khi tiếp cận gần trạm nào, màn hình sẽ tự động hiển thị bảng thông số vi khí hậu và cảnh báo thiếu hụt độ ẩm đất ngay trước mắt, đồng thời cho phép kích hoạt van tưới tự động tức thì.
- Viện nghiên cứu sinh học và vườn thực nghiệm giống cây trồng: Cung cấp hạ tầng ghi nhận dữ liệu liên tục 24/7 về nồng độ CO2 và cường độ ánh sáng, phục vụ công tác phân tích mối tương quan giữa vi khí hậu và tốc độ sinh trưởng của từng giống lai tạo.
Ước tính chi phí và hiệu quả đầu tư (ROI)
Ước tính chi phí triển khai hệ thống quy mô 5 hecta (10 Nodes + 1 Gateway + Server):
+---------------------------------------------+---------------+
| Thành phần hạng mục | Chi phí (VNĐ) |
+---------------------------------------------+---------------+
| 1 Gateway LoRaWAN (Raspberry Pi + RAK5146) | 3.800.000 |
| 10 Trạm thu thập dữ liệu End-Node Solar | 8.500.000 |
| 10 Bộ cảm biến không khí & đất RS-485 | 6.000.000 |
| Máy chủ Cloud (Raspberry Pi 4 8GB / Cloud) | 2.200.000 |
| Phí triển khai & vật tư phụ kiện | 1.500.000 |
+---------------------------------------------+---------------+
| TỔNG CHI PHÍ ĐẦU TƯ BAN ĐẦU | 22.000.000 |
+---------------------------------------------+---------------+
- Thời gian hoàn vốn (ROI): Ước tính từ $10 - 14\text{ tháng}$ thông qua việc tiết kiệm 20% lượng điện nước tưới tiêu, hạn chế 15% tổn thất năng suất do sốc nhiệt/sốc ẩm và cắt giảm 50% thời gian nhân công đi đo đạc thủ công ngoài vườn.
Hạn chế và hướng phát triển
Hạn chế kỹ thuật hiện tại
- Điều kiện ánh sáng môi trường đối với ARCore: Khả năng tracking không gian của ARCore trên điện thoại có thể bị suy giảm trong điều kiện đêm tối hoặc ánh sáng mặt trời chiếu trực diện quá gắt vào camera.
- Hạn chế góc nhìn trên màn hình di động: Màn hình phẳng của smartphone chưa mang lại cảm giác chìm đắm (immersive experience) và rảnh tay (hands-free) hoàn toàn như các dòng kính XR đeo đầu chuyên nghiệp.
- Độ ổn định máy chủ tại gia: Máy chủ triển khai thử nghiệm trên Raspberry Pi sử dụng mạng gia đình có thể gặp sự cố mất điện hoặc biến động IP nếu không có UPS và IP tĩnh chuyên dụng.
Hướng phát triển trong tương lai
- Tích hợp thuật toán Edge AI: Bổ sung mô hình TinyML trực tiếp trên Gateway hoặc Server để tự động phân tích và cảnh báo sớm các dấu hiệu dịch bệnh dựa trên chuỗi dữ liệu môi trường (Time-Series Anomaly Detection).
- Chuyển đổi đa nền tảng WebXR và Kính XR: Tối ưu hóa dự án Unity để xuất bản trực tiếp lên kính Apple Vision Pro, Meta Quest 3 và hỗ trợ chuẩn WebXR chạy trực tiếp trên trình duyệt mà không cần cài ứng dụng.
- Chuẩn hóa giao tiếp không gian mở rộng (Spatial Anchors): Ứng dụng công nghệ Cloud Spatial Anchors của Azure/Google để đồng bộ vị trí mô hình 3D cho nhiều người dùng cùng quan sát một lúc trong thời gian thực.
Đối tượng hưởng lợi
- Sinh viên & Học viên ngành IoT/Nhúng: Nắm vững quy trình thiết kế phần cứng hoàn chỉnh từ vi điều khiển RISC-V, kỹ thuật thiết kế mạch RS-485 chống nhiễu, kiến trúc mạng LPWAN LoRaWAN đến lập trình game engine Unity ứng dụng vào công nghiệp.
- Kỹ sư & Nhà phát triển phần mềm: Tiếp cận mô hình kiến trúc chuẩn kết hợp giữa backend MQTT/REST API, Docker containers và thư viện tương tác không gian MRTK2.
- Doanh nghiệp & Chủ trang trại nông nghiệp: Sở hữu giải pháp quản lý vi khí hậu chi phí thấp, tính trực quan cao, tiết kiệm chi phí vận hành và đào tạo công nhân bảo trì.
- Nhà nghiên cứu khoa học: Bộ dữ liệu môi trường chuẩn hóa, độ chính xác cao tạo tiền đề cho các mô hình nghiên cứu sinh lý thực vật và tự động hóa nông nghiệp chuyên sâu.
Câu hỏi thường gặp
1. Yêu cầu phần cứng tối thiểu để triển khai ứng dụng MR là gì?
Thiết bị di động chạy hệ điều hành Android 8.0 trở lên, hỗ trợ dịch vụ Google Play Services for AR (ARCore), có cảm biến con quay hồi chuyển (Gyroscope), gia tốc kế và khuyến nghị sử dụng chip xử lý từ Snapdragon 720G hoặc tương đương trở lên với RAM tối thiểu 4GB.
2. Hệ thống LoRaWAN có thể mở rộng tối đa bao nhiêu trạm cảm biến trên một Gateway?
Bộ Kit Gateway RAK5146 sử dụng chip Semtech SX1303 hỗ trợ 8 kênh thu nhận đồng thời và giải điều chế nhiều Spreading Factor (SF7 - SF12). Với chu kỳ gửi gói tin 10 phút/lần, một Gateway duy nhất có khả năng phục vụ ổn định từ 800 đến 1.200 trạm End-Node trong bán kính phủ sóng mà không xảy ra hiện tượng nghẽn mạng nghiêm trọng.
3. Làm thế nào để tích hợp thêm các loại cảm biến đo dinh dưỡng đất NPK sẵn có trên thị trường?
Người dùng chỉ cần cấu hình lại mã hàm đọc Modbus RTU trên module chính RAK3172 thông qua tập lệnh AT hoặc cập nhật firmware, nối dây tín hiệu A-B của cảm biến vào bus RS-485 của trạm thu thập. Dữ liệu sẽ tự động được đóng gói vào payload LoRaWAN và đẩy lên Cloud.
4. Hệ thống đảm bảo tính bảo mật của dữ liệu như thế nào?
Dữ liệu truyền từ cảm biến lên Gateway được mã hóa hai lớp bằng thuật toán AES-128 chuẩn LoRaWAN qua phương thức kích hoạt động OTAA (với các khóa Network Session Key và Application Session Key độc lập). Tầng Cloud sử dụng chứng chỉ mã hóa SSL/TLS cho cả giao thức truyền web HTTPS và truyền thông điệp MQTTS.
5. Tuổi thọ pin của các trạm cảm biến ngoài đồng ruộng kéo dài bao lâu?
Nhờ tích hợp IC sạc năng lượng mặt trời MPPT CN3791 và mạch hạ áp tiết kiệm năng lượng TPS62840 ($I_q = 60\text{ nA}$), trạm cảm biến tiêu thụ dòng trung bình chỉ $1.8\ \mu\text{A}$ ở chế độ ngủ. Khối pin 18650 có khả năng tự nạp đầy trong 3–4 giờ nắng và duy trì hoạt động liên tục trong hơn 30 ngày ngay cả khi hoàn toàn không có ánh sáng mặt trời.
Kết luận
Đồ án "Xây dựng hệ thống quản lý nông nghiệp kết hợp công nghệ MR" của nhóm tác giả Đinh Thanh Tùng và Trần Toàn Thắng đã chứng minh sự kết hợp giữa công nghệ truyền thông không dây diện rộng công suất thấp LoRaWAN, thiết kế phần cứng nhúng tối ưu và giao diện tương tác không gian Thực tế hỗn hợp (MR). Bằng việc làm chủ từ khâu thiết kế mạch in cảm biến vi điều khiển RISC-V, tối ưu hóa năng lượng nano-power, thiết lập mạng máy chủ LoRaWAN độc lập đến lập trình mô hình tương tác 3D Digital Twin trên Unity, đồ án đã mang lại một giải pháp giám sát nông nghiệp có tính ứng dụng cao, khả thi về mặt kinh tế và thân thiện với người sử dụng. Đây là tài liệu tham khảo giá trị cho các nghiên cứu ứng dụng công nghệ thực tế ảo/thực tế tăng cường vào các ngành kỹ thuật và sản xuất truyền thống trong tương lai.
