Ứng dụng máy học thiết kế thiết bị biên để hỗ trợ đưa ra quyết định trong nuôi trồng nấm bào ngư

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH ĐỒ ÁN TỐT NGHIỆP NGÀNH CNKT MÁY TÍNH ỨNG DỤNG MÁY HỌC THIẾT KẾ THIẾT BỊ BIÊN ĐỂ HỖ TRỢ ĐƯA RA QUYẾT ĐỊNH TRONG NUÔI TRỒNG NẤM BÀO NGƯ GVHD: PGS.TS VÕ MINH HUÂN SVTH : LÃ ĐỨC MẠNH TRẦN HỮU TÀI SKL011185 Tp Hồ Chí Minh, tháng 7/2023 TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HỒ CHÍ MINH KHOA ĐÀO TẠO CHẤT LƯỢNG CAO BỘ MÔN KỸ THUẬT MÁY TÍNH - VIỄN THƠNG ĐỒ ÁN TỐT NGHIỆP ỨNG DỤNG MÁY HỌC THIẾT KẾ THIẾT BỊ BIÊN ĐỂ HỖ TRỢ ĐƯA RA QUYẾT ĐỊNH TRONG NUÔI TRỒNG NẤM BÀO NGƯ NGÀNH CƠNG NGHỆ KỸ THUẬT MÁY TÍNH Sinh viên: LÃ ĐỨC MẠNH MSSV: 19119113 TRẦN HỮU TÀI MSSV: 19119218 GVHD: PGS.TS VÕ MINH HUÂN TP HỒ CHÍ MINH – 07/2023 LỜI CẢM ƠN Qua trình tiến hành nghiên cứu hồn thiện khóa luận này, nhóm em mở rộng kiến thức thu nhiều kỹ trải nghiệm quý giá Đặc biệt, nhóm em muốn cảm ơn đến PGS.TS Võ Minh Huân - giảng viên hỗ trợ nhóm kể từ bắt đầu hồn thành khóa luận này, thầy đưa gợi ý để nhóm mở mang hiểu biết định hướng nhằm giúp khóa luận có kết tốt Nhóm em trân trọng đóng góp mang tính chun mơn cao đúc kết qua nhiều năm làm việc thầy, thầy luôn sẵn lịng giải đáp thắc mắc đóng góp ý kiến để nhóm sửa sai hồn thành khóa luận hạn Nhóm muốn bày tỏ lịng biết ơn tới thầy cô khoa Đào tạo Chất Lượng Cao ngành Cơng Nghệ Kỹ Thuật Máy Tính truyền đạt kinh nghiệm kiến thức xuyên suốt năm đại đọc, thứ giúp nhóm có tảng vững để thực khóa luận Ngồi ra, nhóm cảm ơn hội đồng dành thời gian để đánh giá kết khóa luận Các ý kiến, đề xuất nhận xét từ thầy cô hội đồng giúp nhóm nâng cao chất lượng nghiên cứu hồn thiện Nhóm em trân trọng đánh giá chuyên mơn từ thầy lấy kinh nghiệm để phát triển tương lai i LỜI CAM ĐOAN Nhóm xin cam đoan tồn q trình thực khóa luận khơng chép nội dung hay kết từ cơng trình người khác Nhóm đảm bảo tất nguồn tham khảo sử dụng trích dẫn đầy đủ theo chuẩn phần tài liệu tham khảo Đại diện nhóm thực đồ án tốt nghiệp (Ký ghi rõ họ tên) ii TÓM TẮT Nấm bào ngư loại nấm có giá trị dinh dưỡng cao nhiều người tiêu dùng ý sử dụng Tuy nhiên, việc nuôi trồng nấm bào ngư địi hỏi mơi trường sống phải đủ chất lượng cần phải theo dõi cẩn thận yếu tố môi trường độ ẩm, nước, nhiệt độ, Hiện nay, phương pháp truyền thống thủ công, sử dụng thiết bị đo nhiệt độ ghi lại kết quả, khơng tốn mà cịn bất tiện việc xử lý quản lý liệu Cũng lý đó, muốn nâng cao chất lượng suất nấm bào ngư, việc giám sát nhiệt độ khơng thể thiếu giữ vai trị quan trọng Đề tài "Ứng dụng máy học thiết kế thiết bị biên để hỗ trợ đưa định nuôi trồng nấm bào ngư" thiết kế để xây dựng hệ thống theo dõi nhiệt độ nhằm đạt suất cao nuôi trồng nấm bào ngư Qua q trình nghiên cứu, nhóm thiết kế hệ thống đặc biệt nhằm giám sát nhiệt độ xung quanh môi trường nuôi trồng nấm Hệ thống hoạt động cách thu thập liệu nhiệt độ môi trường nuôi trồng nấm áp công nghệ Machine Learning để phân tích dự đốn nhiệt độ tương lai Các bước thực nghiên cứu gồm việc thu thập liệu, xử lý chuẩn bị liệu để phù hợp với thuật toán Nhóm so sánh lựa chọn thuật toán để chọn tối ưu với mong muốn đạt kết xác hỗ trợ tốt cho người dùng đưa định việc nuôi trồng nấm bào ngư Kết đạt từ đề tài hệ thống hỗ trợ người dùng đưa định cảnh báo có điều bất thường xảy tương lai nuôi trồng nấm bào ngư Đây đề tài đầy hứa hẹn có tính thực tiễn cao, góp phần cải thiện mơi trường sống nâng cao chất lượng nấm iii MỤC LỤC DANH MỤC BẢNG vii DANH MỤC HÌNH viii CÁC TỪ VIẾT TẮT x CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 1.1 ĐẶT VẤN ĐỀ 1.2 MỤC TIÊU ĐỀ TÀI 1.3 PHƯƠNG PHÁP NGHIÊN CỨU 1.4 ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU 1.5 BỐ CỤC QUYỂN BÁO CÁO CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 TỔNG QUAN THIẾT BỊ BIÊN 2.1.1 Giới thiệu thiết bị biên 2.1.2 Ứng dụng thiết bị biên 2.2 TỔNG QUAN PHẦN CỨNG 2.2.1 Raspberry Pi 2.2.2 Vi điều khiển ESP32 2.2.3 Cảm biến DHT11 2.3 TẬP DỮ LIỆU HUẤN LUYỆN VÀ ĐÁNH GIÁ 10 2.4 MÁY HỌC 11 2.4.1 Tổng quan Máy học 11 2.4.2 Mơ hình mạng học có giám sát 11 2.4.3 Mơ hình mạng học không giám sát 12 2.5 MƠ HÌNH THUẬT TỐN ARIMA 12 2.5.1 Chuỗi thời gian .12 2.5.2 Mơ hình thuật tốn ARMA 13 2.5.3 Mơ hình thuật toán ARIMA 14 2.6 MƠ HÌNH THUẬT TỐN SVM 15 2.6.1 Sơ lược SVM 15 2.6.2 Mơ hình thuật tốn SVM .16 2.7 MƠ HÌNH THUẬT TỐN KẾT HỢP HYBRID 18 2.8 MƠ HÌNH THUẬT TỐN LSTM 18 2.8.1 Sơ lược LSTM 18 iv 2.8.2 Mơ hình thuật tốn LSTM 19 2.8.3 LSTM chống Vanishing Gradient 21 2.9 MƠ HÌNH THUẬT TỐN RF 21 2.9.1 Sơ lược RF .21 2.9.2 Mơ hình thuật tốn RF 22 2.10 MƠ HÌNH THUẬT TỐN RF-LSTM 22 2.11 GIỚI THIỆU FRAMEWORK REACT NATIVE 23 CHƯƠNG 3: THIẾT KẾ HỆ THỐNG 25 3.1 THIẾT KẾ TỔNG QUAN HỆ THỐNG 25 3.1.1 Chức hệ thống .25 3.1.2 Sơ đồ khối lựa chọn mơ hình máy học 27 3.2 THIẾT KẾ DATABASE 28 3.2.1 Chức Firestore Database 28 3.2.2 Chức Realtime Database 29 3.3 THIẾT KẾ PHẦN MỀM 30 3.3.1 Lưu đồ thuật tốn cho mơ hình xử lý Raspberry Pi 30 3.3.2 Lưu đồ thuật toán thiết lập kết nối Node Sensor Processor 31 3.3.3 Lưu đồ thuật toán cho xử lý liệu thực dự doán 32 3.3.4 Lưu đồ thuật toán lưu trữ liệu Firebase 38 3.3.5 Thiết kế giao diện ứng dụng thông báo .39 CHƯƠNG 4: KẾT QUẢ 42 4.1 TIÊU CHÍ ĐÁNH GIÁ 42 4.1.1 MAE .42 4.1.2 RMSE 42 4.1.3 R2 (R-squared) .43 4.2 CHUẨN BỊ TẬP DỮ LIỆU ĐỂ HUẤN LUYỆN 43 4.3 KẾT MƠ HÌNH ARIMA 44 4.3.1 Xử lý chuỗi liệu Stationary sử dụng phương pháp ADF 44 4.3.2 Xác định siêu tham số mơ hình ARIMA .46 4.3.3 Kết dự đoán 48 4.4 KẾT MƠ HÌNH SVM 48 4.4.1 Xác định siêu tham số mơ hình SVM 48 4.4.2 Kết dự đoán 50 v 4.5 KẾT QUẢ MƠ HÌNH HYBRID 50 4.5.1 Xác định siêu tham số mơ hình HYBRID 50 4.5.2 Kết dự đoán 52 4.6 KẾT QUẢ MÔ HÌNH LSTM 52 4.6.1 Xác định tham số mơ hình LSTM 52 4.6.2 Kết dự đoán 54 4.7 KẾT QUẢ MƠ HÌNH RF 55 4.7.1 Xác định tham số mô hình RF 55 4.7.2 Kết dự đoán 56 4.8 KẾT QUẢ CỦA MƠ HÌNH RF-LSTM 57 4.8.1 Xác định tham số mơ hình RF-LSTM 57 4.8.2 Kết dự đoán 58 4.9 SO SÁNH KẾT QUẢ GIỮA CÁC MƠ HÌNH 59 4.10 KẾT QUẢ THỰC TẾ MƠ HÌNH VÀ ỨNG DỤNG SAU THI CƠNG 63 CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 67 5.1 KẾT LUẬN 67 5.2 HẠN CHẾ 67 5.3 HƯỚNG PHÁT TRIỂN 68 TÀI LIỆU THAM KHẢO 69 MINH CHỨNG ĐẠO VĂN 70 vi DANH MỤC BẢNG Bảng 1.1: Ảnh hưởng nhiệt độ đến suất nấm bào ngư Bảng 2.1: Thông số kỹ thuật Raspberry Pi Bảng 2.2: Thông số kỹ thuật ESP32 Bảng 2.3: Thông số kỹ thuật DHT11 10 Bảng 4.1: Kết số p-value ADF Statistic 46 Bảng 4.2: Kết số MAE cho mơ hình ARIMA 47 Bảng 4.3: Kết số RMSE cho mơ hình ARIMA 47 Bảng 4.4: Kết số MAE cho mơ hình SVM 49 Bảng 4.5: Kết số RMSE cho mơ hình SVM 49 Bảng 4.6: Kết số MAE cho mô hình HYBRID 51 Bảng 4.7: Kết số RMSE cho mơ hình HYBRID 51 Bảng 4.8: Ý nghĩa thơng số mơ hình LSTM 53 Bảng 4.9: Ý nghĩa thơng số mơ hình RF 56 Bảng 4.10: So sánh kết mơ hình 59 Bảng 4.11: Thời gian thực thi tập liệu kiểm tra 60 Bảng 4.12: Thời gian thực thi thực huấn luyện mơ hình 60 Bảng 4.13: Thời gian thực thi huấn luyện kiểm tra mơ hình 60 Bảng 4.14: Bộ nhớ sử dụng thực thi kiểm tra đánh giá mơ hình 61 Bảng 4.15: Bộ nhớ sử dụng thực thi huấn luyện đánh giá mơ hình 61 vii DANH MỤC HÌNH Hình 1.1: Nhiệt độ ảnh hưởng đến phát triển nấm bào ngư Hình 2.1: Thiết bị Raspberry Pi thực tế Hình 2.2: Bản đồ chân Raspberry Pi Hình 2.3: Thiết bị ESP32 thực tế Hình 2.4: Sơ đồ khối chức ESP32 Hình 2.5: Thiết bị DHT11 thực tế Hình 2.6: Phân tích thuật tốn SVM (1) 16 Hình 2.7: Phân tích thuật tốn SVM (2) 16 Hình 2.8: Phân tích thuật tốn SVM với tập liệu có điểm gây nhiễu 17 Hình 2.9: Kernel Trick 17 Hình 2.10: LSTM Cell 19 Hình 2.11: Mơ hình LSTM qua nhiều lớp 21 Hình 2.12: Mơ hình RF 22 Hình 2.13: Mơ hình RF-LSTM 23 Hình 3.1: Sơ đồ khối phần cứng 25 Hình 3.2: Sơ đồ tổng quan toàn hệ thống 26 Hình 3.3: Sơ đồ khối lựa chọn mơ hình máy học 27 Hình 3.4: Cấu trúc liệu Firestore Database 28 Hình 3.5: Cấu trúc liệu Realtime Database 29 Hình 3.6: Lưu đồ thuật tốn xử lý Raspberry Pi 30 Hình 3.7: Lưu đồ thuật tốn thiết lập kết nối Node Sensor khối xử lý 31 Hình 3.8: Lưu đồ thuật tốn mơ hình ARIMA 32 Hình 3.9: Lưu đồ thuật tốn mơ hình SVM 33 Hình 3.10: Lưu đồ thuật tốn mơ hình HYBRID 34 Hình 3.11: Lưu đồ thuật tốn mơ hình LSTM 35 Hình 3.12: Lưu đồ thuật tốn mơ hình RF 36 Hình 3.13: Lưu đồ thuật tốn mơ hình RF-LSTM 37 Hình 3.14: Lưu đồ thuật tốn lưu liệu lên Firebase 38 Hình 3.15: Cấu trúc giao diện ứng dụng 39 Hình 3.16: Lưu đồ thuật toán đọc liệu Realtime Render giao diện 40 Hình 3.17: Cấu trúc giao diện cảnh báo ứng dụng 41 Hình 3.18: Lưu đồ thuật tốn thơng báo nhiệt độ đưa định 41 viii