Thiết kế, xây dựng hệ thống nhà thông minh

Đồ án thiết kế hệ thống nhúng HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THƠNG KHOA KĨ THUẬT ĐIỆN - ĐIỆN TỬ ======================== BÁO CÁO ĐỒ ÁN MÔN: ĐỒ ÁN THIẾT KẾ HỆ THỐNG NHÚNG TÊN ĐỀ TÀI: THIẾT KẾ, XÂY DỰNG HỆ THỐNG NHÀ THÔNG MINH GIẢNG VIÊN: TS Nguyễn Ngọc Minh Đồ án thiết kế hệ thống nhúng MỤC LỤC DANH MỤC CÁC HÌNH ẢNH LỜI NÓI ĐẦU CHƯƠNG I TỔNG QUAN VỀ HỆ THỐNG NHÀ THÔNG MINH 1.1 Định nghĩa nhà thông minh 1.2 Tiêu chuẩn cho nhà thông minh CHƯƠNG II ĐỀ XUẤT GIẢI PHÁP XÂY DỰNG HỆ THỐNG TƯƠNG TÁC THÔNG MINH TRONG NHÀ THÔNG MINH 2.1 Thuyết minh ý tưởng 2.1.1 Mơ hình hệ thống 2.1.2 Các tính hệ thống 10 2.2 Giới thiệu linh kiện sử dụng đề tài 10 2.2.1 ESP8266 10 2.2.2 Adruino Uno 12 2.2.3 DHT11 14 2.2.4 Động 5V DC 15 2.2.5 Module L298N 16 2.2.6 Quạt tản nhiệt 5V 17 CHƯƠNG III XÂY DỰNG HỆ THỐNG PHẦN MỀM TƯƠNG TÁC THÔNG MINH, HỖ TRỢ GIAO TIẾP, THEO DÕI, ĐIỀU KHIỂN TỪ XA CÁC THIẾT BỊ 19 3.1 Giới thiệu Home Assistant 19 3.2 Các tính hệ thống 21 3.3 Cấu trúc hệ thống phần mềm 22 CHƯƠNG IV XÂY DỰNG HỆ THỐNG NHẬN DẠNG KHUÔN MẶT 25 4.1 Hệ thống nhận dạng khuôn mặt 25 4.1.1 Tìm hiểu hệ thống nhận diện khuôn mặt 25 4.1.2 Tìm hiểu phương pháp phát nhận diện khuôn mặt sử dụng HAAR-LIKE LBPH 28 4.1.3 Xây dựng chương trình thu thập ảnh từ camera 41 4.2 Tìm hiểu Convolutional Neural Network (CNN) 43 4.2.1 Convolutional Neural Network 44 Đồ án thiết kế hệ thống nhúng CHƯƠNG V TÍCH HỢP HỆ THỐNG GIAO TIẾP TRONG NHÀ THÔNG MINH 53 5.1 Hoàn thiện hệ thống phần cứng 53 5.2 Điều khiển thiết bị qua GPIO Arduino Uno 53 5.3 Điều khiển thiết bị qua MQTT 57 CHƯƠNG VI KẾT LUẬN 59 TÀI LIỆU THAM KHẢO 60 Đồ án thiết kế hệ thống nhúng DANH MỤC CÁC HÌNH ẢNH Hình 1.1: Mơ hình nhà thơng minh Hình 1.2 Nhà thông minh xu hướng tương lai Hình 2.1 Mơ hình nhà thông minh 10 Hình 2.2 Module ESP8266 11 Hình 2.3 Hình ảnh sơ đồ chân ESP8266 11 Hình 2.4 Module Adruino Uno 12 Hình 2.5 Hình ảnh sơ đồ chân Adruino Uno 13 Hình 2.6 Cảm biến DHT11 14 Hình 2.7 Động mini 5V DC 15 Hình 2.8 Hình ảnh Module L298N 16 Hình 2.9 Hình ảnh sơ đồ chân Module L298N 16 Hình 2.10 Hình ảnh quạt tản nhiệt 5V 17 Hình 3.1 Home Assistant Platform 20 Hình 3.2 Home Assistant 21 Hình 3.3 Chức Home Assistant 22 Hình 3.4 Cấu trúc hệ thống 23 Hình 3.5 Giao diện Home Assistant 24 Hình 4.1 Thuật tốn nhận dạng khn mặt 25 Hình 4.2 Khn mặt nhận dạng 26 Hình 4.3 Ảnh sau xử lý 28 Hình 4.4 Một số phân vùng đặc trưng Haar-Like 29 Hình 4.5 Bốn đặc trưng Haar-Like 29 Hình 4.6 Đặc trưng cạnh (edge feature) 30 Hình 4.7 Đặc trưng đường (line feature) 30 Hình 4.8 Đặc trưng xung quanh tâm (center-surround feature) 30 Hình 4.9 Bộ phận loại yếu đặc trưng Haar-Like theo mơ hình phân tầng 32 Hình 4.10 Minh họa kết hợp phân loại yếu thành phân loại mạng 33 Hình 4.11 Hình ảnh sơ đồ nhận diện khuôn mặt 33 Hình 4.12 Ví dụ LBP độ tương phản cục C 34 Hình 4.13 Tập hợp điểm xung quanh Ptt 35 Đồ án thiết kế hệ thống nhúng Hình 4.14 Các biến thể LBP LBP đồng dạng 36 Hình 4.15 Bảng thống kê mẫu unifo LBP 37 Hình 4.16 Minh họa trường hợp LBP quay với góc 15 độ 38 Hình 4.17 Ví dụ q trình tính tốn đặc trưng 41 Hình 4.18 Mơ hình mơ tả q trình thu thập ảnh từ camera 41 Hình 4.19 Mơ hình thuật tốn mạng nơron tích chập (CNN) 44 Hình 4.20 Xử lý liệu đầu vào với mơ hình CNN 45 Hình 4.21 Ảnh sau xử lý layer 46 Hình 4.22 Quá trình huấn luyện CNN 47 Hình 4.23 Quá tình huấn luyện với CNN 51 Hình 5.1 Mơ hình nhà thơng minh 53 Hình 5.2 Sơ đồ kết nối esp8266 arduino uno 55 Đồ án thiết kế hệ thống nhúng LỜI NÓI ĐẦU Ngày giới với bùng nổ ngành công nghệ thông tin, điện tử v.v… làm cho đời sống người nâng cao Và từ nhu cầu thực tế ý tưởng ngơi nhà thơng minh hình thành Một ngơi nhà chứa đựng ấm áp yêu thương, hoạt động người điều hỗ trợ giúp đỡ cách linh hoạt, giúp đỡ mà nhà cịn quản lý cách thơng minh Với phát triển cách nhanh chóng ngành điện tử nhiều ngành khác ý tưởng nhà thông minh đưa vào thực tế Việc điều khiển nhà thông minh thông qua Smartphone tạo nên bước ngoặc lớn việc điều khiển tự động, khơng dây cách linh hoạt, nói phát triển không ngừng Smartphone làm cho công nghệ thêm bước tiến, việc điều khiển dễ dàng Từ ý tưởng chúng em nghiên cứu đề tài “THIẾT KẾ, XÂY DỰNG MƠ HÌNH NHÀ THÔNG MINH” để đáp ứng phần sống người Việc điều khiển thiết bị nhà Smartphone Một ngơi nhà thơng minh cần có tiện nghi gia đình tính bảo mật cao Chúng em kết hợp nhận diện khuôn mặt thành viên gia đình để làm bảo mật ngội nhà tốt Trong đề tài nghiên cứu này, nhóm chúng em tài tập chung nghiên cứu: - Tổng quan hệ thống nhà thông minh - Xây dựng hệ thống phần mềm tương tác thông minh, theo dõi, điều khiển từ xa thiết bị - Xây dựng hệ thống nhận diện khuôn mặt Đồ án thiết kế hệ thống nhúng CHƯƠNG I TỔNG QUAN VỀ HỆ THỐNG NHÀ THƠNG MINH 1.1 Định nghĩa nhà thơng minh Nhà thơng minh (tiếng anh “Smart Home”) nhà trang bị hệ thống tự động thông minh với cách bố trí hợp lý, hệ thống có khả tự điều phối hoạt động ngơi nhà theo thói quen sinh hoạt nhu cầu cá nhân gia chủ Chúng ta hiểu nhà thông minh hệ thống chỉnh thể mà đó, tất thiết bị điện tử gia dụng liên kết với thiết bị điều khiển trung tâm phối hợp với để thực chức Các thiết bị tự đưa cách xử lý tình lập trình trước, điều khiển giám sát từ xa Hình 1.1: Mơ hình nhà thông minh 1.2 Tiêu chuẩn cho nhà thông minh Với phát triển không ngừng khoa học đại, người ngày nâng cao đời sống ln mơ ước tới sống đại tiện nghi Chính từ nhu cầu người có nhiều sáng tạo phục vụ cho sống thân họ cho toàn xã hội.Và ý tưởng cho “ngôi nhà thông minh” xuất phát từ nhu cầu thực tiễn Những công nghệ phục vụ cho nhà mơ Đồ án thiết kế hệ thống nhúng ước có từ lâu gần cơng bố rộng rãi Có nhiều giải pháp cho hệ thống nhà thơng minh nói chung, tất hướng đến tiêu chuẩn sau:  Tự động hóa hoạt động ngơi nhà: điều khiển hệ thống chiếu sáng tự động bật đèn trời tối, điều khiển tự động theo dõi giá trị cảm biến để tăng hay giảm nhiệt độ phòng,thu dây phơi quần áo trời có mưa,  Đảm bảo an ninh, an tồn cho ngơi nhà: sử dụng loại cửa thơng minh, mở khóa vân tay hay nhận diện khuôn mặt, tự động cảnh báo, gửi SMS cho gia chủ có người lạ đến nhà  Đem lại thoải mái cho người sử dụng: cung cấp dịch vụ giải trí chất lượng cao thiết bị giải trí đa phương tiện Tivi, Radio, Film, Music, Camera…  Cung cấp khả giám sát, điều khiển từ xa: giám sát qua máy tính PC, Thiết bị di động SmartPhone, PDA, Điều khiển thiết bị qua Internet giao diện Web Tăng hiệu suất hệ thống, giảm điện tiêu thụ Hình 1.2 Nhà thông minh xu hướng tương lai Đồ án thiết kế hệ thống nhúng CHƯƠNG II ĐỀ XUẤT GIẢI PHÁP XÂY DỰNG HỆ THỐNG TƯƠNG TÁC THÔNG MINH TRONG NHÀ THƠNG MINH Trong chương này, nhóm nghiên cứu đề xuất giải pháp xây dựng hệ thống tương tác thơng minh nhà thơng minh Ngồi nhóm nghiên cứu tìm hiểu thiết bị có khả điều khiển thiết bị nhà từ xa điện thoại smartphone, thiết bị nhận diện khuôn mặt, từ lựa chọn phần mềm để xây dựng hệ thống, ứng dụng đáp ứng yêu cầu đặt 2.1 Thuyết minh ý tưởng Trong nhiều năm trở lại đây, cụm từ “nhà thông minh” trở nên quen thuộc phổ biến Nhà thông minh ngơi nhà tích hợp cơng nghệ đại, tiên tiến phục vụ cho sống người Các thành viên nhà điều khiển thiết bị, theo dõi thông số cảm biến thông qua thiết bị thông minh smarthome, tablet Các thiết bị tự động hóa dựa theo kịch có sẵn Khơng dừng lại đó, xu hướng cho nhà thông minh năm tới phát triển hướng tới đối tượng phục vụ quan trọng người Các hệ thống nhà thơng minh xây dựng tự động hóa dựa theo đặc tính người, thành viên nhà độ tuổi, giới tính, sở thích, cảm xúc, Với mục địch nghiên cứu khoa học tìm hiểu kiến thức bổ ích lĩnh vực IOT, kĩ lập trình, lắp ráp thiết bị, ứng dụng thông minh xây dựng hệ thống tương tác thông minh qua ý tưởng Nhóm nghiên cứu chúng em tham gia nghiên cứu đề tài: “THIẾT KẾ, XÂY DỰNG MƠ HÌNH NHÀ THƠNG MINH” 2.1.1 Mơ hình hệ thống Đồ án thiết kế hệ thống nhúng Hình 2.1 Mơ hình nhà thơng minh 2.1.2 Các tính hệ thống Các tính hệ thống tương tác thông minh nhà thông minh: - Điều khiển, theo dõi thông số môi trường qua giao diện web - Nhận diện khuôn mặt để mở cửa thơng báo có người nhà 2.2 Giới thiệu linh kiện sử dụng đề tài 2.2.1 ESP8266 10 Đồ án thiết kế hệ thống nhúng Hình 4.21 Ảnh sau xử lý layer b) Cấu trúc mạng CNN? Mạng CNN tập hợp lớp Convolution chồng lên sử dụng hàm nonlinear activation ReLU để kích hoạt trọng số node Mỗi lớp sau thơng qua hàm kích hoạt tạo thông tin trừu tượng cho lớp Mỗi lớp sau thông qua hàm kích hoạt tạo thơng tin trừu tượng cho lớp Trong mơ hình mạng truyền ngược (feedforward neural network) neural đầu vào (input node) cho neural đầu lớp Mơ hình gọi mạng kết nối đầy đủ (fully connected layer) hay mạng tồn vẹn (affine layer) Cịn mơ hình CNNs ngược lại Các layer liên kết với thông qua chế convolution 46 Đồ án thiết kế hệ thống nhúng Layer kết convolution từ layer trước đó, nhờ mà ta có kết nối cục Như neuron lớp sinh từ kết filter áp đặt lên vùng ảnh cục neuron trước Mỗi lớp sử dụng filter khác thơng thường có hàng trăm hàng nghìn filter kết hợp kết chúng lại Ngoài có số layer khác pooling/subsampling layer dùng để chắt lọc lại thơng tin hữu ích (loại bỏ thơng tin nhiễu) Trong q trình huấn luyện mạng (traning) CNN tự động học giá trị qua lớp filter dựa vào cách thức mà bạn thực Ví dụ tác vụ phân lớp ảnh, CNNs cố gắng tìm thơng số tối ưu cho filter tương ứng theo thứ tự raw pixel > edges > shapes > facial > high-level features Layer cuối dùng để phân lớp ảnh Hình 4.22 Q trình huấn luyện CNN Trong mơ hình CNN có khía cạnh cần quan tâm tính bất biến (Location Invariance) tính kết hợp (Compositionality) Với đối tượng, đối tượng chiếu theo gốc độ khác (translation, rotation, scaling) độ xác thuật toán bị ảnh hưởng đáng kể Pooling layer cho bạn tính bất biến phép dịch chuyển (translation), phép quay (rotation) phép co giãn (scaling) Tính kết hợp cục cho ta cấp độ biểu diễn thông tin từ mức độ thấp đến mức độ cao trừu tượng thông qua convolution từ filter 47 Đồ án thiết kế hệ thống nhúng Đó lý CNNs cho mơ hình với độ xác cao Cũng giống cách người nhận biết vật thể tự nhiên Mạng CNN sử dụng ý tưởng bản:  Các trường tiếp nhận cục (local receptive field)  Trọng số chia sẻ (shared weights)  Tổng hợp (pooling)  Trường tiếp nhận cục bộ? Đầu vào mạng CNN ảnh Ví dụ ảnh có kích thước 28×28 tương ứng đầu vào ma trận có 28×28 giá trị điểm ảnh ô ma trận Trong mô hình mạng ANN truyền thống kết nối neuron đầu vào vào tầng ảnh Tuy nhiên CNN không làm mà kết nối vùng nhỏ neuron đầu vào filter có kích thước 5×5 tương ứng (28- + 1) 24 điểm ảnh đầu vào Mỗi kết nối học trọng số neuron ẩn học bias Mỗi vùng 5×5 gọi trường tiếp nhận cục Một cách tổng quan, ta tóm tắt bước tạo hidden layer cách sau: 48 Đồ án thiết kế hệ thống nhúng Tạo neuron ẩn lớp ẩn Dịch filter qua bên phải cột tạo neuron ẩn thứ với toán nhận dạng ảnh người ta thường gọi ma trận lớp đầu vào feature map, trọng số xác định đặc trương shared weight độ lệch xác định feature map shared bias Như đơn giản qua bước có feature map Tuy nhiên nhận dạng ảnh cần nhiều feature map 49 Đồ án thiết kế hệ thống nhúng Như vậy, local receptive field thích hợp cho việc phân tách liệu ảnh, giúp chọn vùng ảnh có giá trị cho việc đánh giá phân lớp  Trọng số chia sẻ (shared weight and bias)? Đầu tiên, trọng số cho filter (kernel) phải giống Tất nơ-ron lớp ẩn đầu phát xác feature tương tự vị trí khác hình ảnh đầu vào Chúng ta gọi việc map từ input layer sang hidden layer feature map Vậy mối quan hệ số lượng Feature map với số lượng tham số gì? Chúng ta thấy fearture map cần 25 = 5×5 shared weight shared bias Như feature map cần 5×5+1 = 26 tham số Như có 10 feature map có 10×26 = 260 tham số Chúng ta xét lại layer có kết nối đầy đủ nghĩa có 28×28=784 neuron đầu vào ta có 30 neuron ẩn Như ta cần 28x28x30 shared weight 30 shared bias Tổng số tham số 28x28x30+30 tham số lớn nhiều so với CNN Ví dụ vừa mô tả để thấy ước lượng số lượng tham số không so sánh trực tiếp mơ hình khác Nhưng điều chắn mơ hình có số lượng tham số chạy nhanh 50 Đồ án thiết kế hệ thống nhúng Tóm lại, convolutional layer bao gồm feature map khác Mỗi feature map giúp detect vài feature ảnh Lợi ích lớn trọng số chia sẻ giảm tối đa số lượng tham số mạng CNN  Lớp tổng hợp (pooling layer)? Lớp pooling thường sử dụng sau lớp convulational để đơn giản hóa thơng tin đầu để giảm bớt số lượng neuron Hình 4.23 Quá tình huấn luyện với CNN Thủ tục pooling phổ biến max-pooling, thủ tục chọn giá trị lớn vùng đầu vào 2×2 Như qua lớp Max Pooling số lượng neuron giảm phân nửa Trong mạng CNN có nhiều Feature Map nên Feature Map cho Max Pooling 51 Đồ án thiết kế hệ thống nhúng khác Chúng ta thấy Max Pooling cách hỏi xem đặc trưng đặc trưng đặc trưng Ngồi Max Pooling cịn có L2 Pooling Cuối ta đặt tất lớp lại với thành CNN với đầu gồm neuron với số lượng tùy toán Hai lớp cuối kết nối mạng lớp đầy đủ kết nối (fully connected layer) Lớp nối nơron từ lớp max pooled tới nơron tầng c) Cách chọn tham số cho CNN?  Số convolution layer: nhiều convolution layer performance cải thiện Sau khoảng layer, tác động giảm cách đáng kể  Filter size: thường filter theo size 5×5 3×3  Pooling size: thường 2×2 4×4 cho ảnh đầu vào lớn  Cách cuối thực nhiều lần việc train test để chọn param tốt 52 Đồ án thiết kế hệ thống nhúng CHƯƠNG V TÍCH HỢP HỆ THỚNG GIAO TIẾP TRONG NHÀ THƠNG MINH 5.1 Hồn thiện hệ thống phần cứng Mơ hình mơ nhà thông minh: Sử dụng Home Assistant để điều khiển thiết bị nhà theo ý muốn Hình 5.1 Mơ hình nhà thơng minh 5.2 Điều khiển thiết bị qua GPIO Arduino Uno Nhược điểm ESP8266 chân, để mở rộng chân kết nối nhiều cảm biến cần phải kết nối thêm với chip ADC giao tiếp qua MasterSlave chuẩn UART, SPI, I2C Ở đây, bọn em dùng chuẩn I2C để giao tiếp Esp arduino 5.2.1 Khái niệm 53 Đồ án thiết kế hệ thống nhúng I2C (Inter-Integrated Circuit) giao thức kết nối giao diện bus nối tiếp Nó gọi TWI sử dụng hai dây để giao tiếp Hai chân SDA (đường data) SCL (đường clock) I2C giao thức truyền thông dựa thừa nhận, tức phát tín hiệu kiểm tra xác nhận từ bên nhận sau truyền liệu để biết liệu liệu có nhận thành công hay không Hai chế độ làm việc I2C: - Master mode - Slave mode Dây SDA (đường liệu) sử dụng để trao đổi liệu thiết bị master thiết bị slave SCL (đường xung nhịp đồng hồ) sử dụng cho đồng hồ đồng thiết bị master slave Thiết bị master bắt đầu giao tiếp với thiết bị slave Thiết bị master yêu cầu địa thiết slave để bắt đầu giao tiếp với thiết bị slave Thiết bị Slave phản hồi cho thiết bị master thiết bị master giải Đi cụ thể vào đề tài em viết chương trình Arduino cho NodeMCU I2C master viết chương trình Arduino cho Arduino Uno/Mega I2C Slave Master gửi liệu đến slave slave xử lý liệu nhận - Master Device: NodeMCU - Slave Device: Arduino Uno - Slave Device Address: 5.2.2 Truyền liệu từ Esp8266 qua arduino - Sơ đồ kết nối: 54 Đồ án thiết kế hệ thống nhúng Hình 5.2 Sơ đồ kết nối esp8266 arduino uno - Hàm truyền liệu từ esp qua arduino - Ở đây, em nhận message từ server MQTT bắn liệu qua arduino lệnh “ Wire.write(data); ” - Hàm Wire.beginTransmission(8); hàm khởi tạo truyền liệu sang thiết bị có địa - Hàm WIRE.endTrasmission(); để kết thúc truyền 55 Đồ án thiết kế hệ thống nhúng 5.2.3 Arduino nhận liệu xử lý để điều khiển thiết bị - Trong source code arduino ta nhận liệu từ esp8266 truyền sang điều khiển thiết bị ngoại vi qua chân GPIO, ta có hàm nhận liệu: - Hàm xử lý liệu để điều khiển thiết bị: - Hàm control_device(devices, status); để điều khiển thiết bị: 56 Đồ án thiết kế hệ thống nhúng 5.3 Điều khiển thiết bị qua MQTT - Để điều khiển thiết bị, ta cấu sau:  Bước 1: Trong file configuration.yaml thêm đoạn code sau: switchs: !include_dir_merge_list cover/  Bước 2: Trong file cấu hình homeassistant tạo thư mục switch tạo file device.yaml có nội dung sau Tương tự với topic khác  Bước 3: Khởi động lại HomeAssistant, tạo giao diện hình 57 Đồ án thiết kế hệ thống nhúng 58 Đồ án thiết kế hệ thống nhúng CHƯƠNG VI KẾT LUẬN Đề tài “THIẾT KẾ, XÂY DỰNG HỆ THỐNG NHÀ THƠNG MINH” hồn thành nội dung đề Đề tài đạt số kết sau:  Tìm hiểu, Nghiên cứu, thiết kế xây dựng nhà thông minh, điều khiển tự động, sử dụng Home assistant Thiết kế tùy biến giao diện người dùng  Xây dựng hệ thống phần mềm nhận diện khuôn mặt sử dụng OpenCV viết ngôn ngữ Python3  Xây dựng hệ thống tự động hóa dựa theo ngữ cảnh Hướng phát triển đề tài:  Tich hợp với thiết bi thông minh xây dựng hệ sinh thái IOT, xây dựng giao tiếp thông minh cho nhà thông minh thời đại cơng nghệ 4.0… Mặc dù có nhiều cố gắng khó tránh khỏi sai sót, chúng em mong nhận góp ý từ thầy giáo để hồn thiện 59 Đồ án thiết kế hệ thống nhúng TÀI LIỆU THAM KHẢO T.S Phạm Thế Quế, Cơ sở liệu, Bài giảng Cơ sở liệu, Học viện Cộng nghệ Bưu Viễn thông, Hà Nội, 2006 Ths Nguyễn Mạnh Sơn, Bài giảng Lập trình hướng đối tượng, Học viện Cơng nghệ Bưu Viễn thơng, Hà Nội, 2013 HomeAssistant Document, https://www.home-assistant.io Predict Age and Gender using Convolutional Neural Network and openCV, https://towardsdatascience.com/predict-age-and-gender-using-convolutionalneural-network-and-opencv-fd90390e3ce6 Face Detection, Recognition and Emotion Detection, https://towardsdatascience.com/face-detection-recognition-and-emotion-detectionin-8-lines-of-code-b2ce32d4d5de 60 ... - Tổng quan hệ thống nhà thông minh - Xây dựng hệ thống phần mềm tương tác thông minh, theo dõi, điều khiển từ xa thiết bị - Xây dựng hệ thống nhận diện khuôn mặt Đồ án thiết kế hệ thống nhúng... 2.1.1 Mơ hình hệ thống Đồ án thiết kế hệ thống nhúng Hình 2.1 Mơ hình nhà thơng minh 2.1.2 Các tính hệ thống Các tính hệ thống tương tác thông minh nhà thông minh: - Điều khiển, theo dõi thông số... TỔNG QUAN VỀ HỆ THỐNG NHÀ THÔNG MINH 1.1 Định nghĩa nhà thông minh Nhà thông minh (tiếng anh “Smart Home”) nhà trang bị hệ thống tự động thơng minh với cách bố trí hợp lý, hệ thống có khả tự