Khóa luận tốt nghiệp Kỹ thuật máy tính: Nghiên cứu ứng dụng trí tuệ nhân tạo trên nền tảng hệ thống nhúng năng lượng thấp trong nhận diện chữ số trên đồng hồ nước

Thiết bị giúp thu thập chỉ số nước một cách tự động từ tất cả các hộ dân trong bán kính hàng km tính từ chỉ một trạm Gateway sử dụng công nghệ LoRa, từ đó giúp tiết kiệm chi phí và thời

ĐẠI HỌC QUOC GIA TP HO CHÍ MINH TRUONG DAI HOC CONG NGHE THONG TIN

KHOA KY THUAT MAY TINH

NGUYEN ĐỨC HOAN

NGUYÊN BÁ AN

KHÓA LUẬN TÓT NGHIỆP

NGHIÊN CỨU ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRÊN NEN TANG HE THONG NHÚNG NĂNG LƯỢNG THAP

TRONG NHAN DIEN CHU SO TREN DONG HO NUOC

Research and implement embedded AI for water meter reading

recognition

KY SƯ NGANH KY THUAT MAY TÍNH

TP HO CHi MINH, 2021

ĐẠI HỌC QUOC GIA TP HO CHÍ MINH

TRUONG DAI HOC CONG NGHE THONG TIN

KHOA KY THUAT MAY TÍNH

NGUYEN ĐỨC HOAN - 17520501

NGUYEN BA AN - 17520211

KHOA LUAN TOT NGHIEP

NGHIEN CUU UNG DUNG TRI TUE NHAN TAO TREN NEN TANG HE THONG NHUNG NANG LƯỢNG THAP TRONG NHAN DIEN CHU SO TREN DONG HO NUOC

Research and implement embedded AI for water meter reading

recognition

KY SƯ NGANH KY THUAT MAY TÍNH

GIANG VIEN HUONG DAN

TS TRINH LE HUY

TP HO CHÍ MINH, 2021

THÔNG TIN HỘI ĐÒNG CHÁM KHÓA LUẬN TÓT NGHIỆP

Hội đồng cham khóa luận tốt nghiệp, thành lập theo Quyết định số 466/QD-DHCNTT

ngay 23 tháng 07 năm 2021 của Hiệu trưởng Trường Đại học Công nghệ Thông tin.

LỜI CÁM ƠN

Chúng em xin gửi lời cảm ơn chân thành đến khoa Kỹ thuật Máy tính, trường

Đại học Công nghệ Thông tin đã tạo điều kiện tốt nhất dé chúng em thực hiện dé tài này Chúng em xin đặc biệt cảm ơn thầy Trịnh Lê Huy cùng kĩ sư Nguyễn Mạnh Thảo vì những ý kiến đóng góp quý giá và sự hỗ trợ tận tình để chúng em kịp thời

hoàn thiện đề tài này Chúng em cũng xin chân thành cảm ơn thầy Nguyễn Thanh

Thiện vì những ý kiến phản biện và góp ý quý giá của thầy để đề tài ngày một hoàn

thiện hơn.

Xin chân thành cảm ơn những bài giảng bồ ích mà chúng em đã được học trong suốt quãng thời gian học tập tại trường Đây sẽ là hành trang quý báo giúp

chúng em bước đi những bước đi đầu tiên trên con đường sự nghiệp của mình.

Đề tài đù được cố gắng hoàn thiện từng ngày, nhưng do tình hình dịch COVID

- 19 đang diễn biến phức tạp, khắp nơi đang thực hiện giãn cách xã hội, cùng nguồn kinh phí và thời gian có hạn nên chúng em chắc chắn không thẻ tránh khỏi sai sót và

hoàn thiện được đề tài bằng tối đa khả năng của mình Chúng em mong nhận được

sự thông cảm cũng như những chia sẻ và góp ý quý báu từ phía thầy cô để ý tưởng

này có thé được kế thừa và hoàn thiện hơn trong tương lai.

Một lần nữa chúng em xin chân thành cảm ơn!

Thành phố Hồ Chí Minh, tháng 8/2021

Đại diện nhóm

Nguyễn Đức Hoan

MỤC LỤC

Chương 1 TỎNG QUAN . -ccs<2eesecCEvveeeccrvesserrrvesererreesrvl 6

1.1 Xu thế trí tuệ nhân tạo trên nền tảng hệ thống nhúng 6

1.2 Tinh hình nghiên cứu trong nu - - ¿+ 2+ £+£+£++++xexerererrerrrre 7

1.3 Tình hình nghiên cứu ngoài HƯỚC ¿- - + ¿5+ +++k‡k+EvEEkekekekerkrkekekrke 8

1.3.1 Các dé tài xâm lấn can thiệp bên trong hoặc thay toàn bộ đồng hé 9

1.3.2 Các dé tài không xâm lấn nhưng yêu cầu kết nối Internet 9 1.3.3 Các dé tài không xâm lấn, không cần kết nối Internet nhưng yêu cầu

phần cứng cau hình cao 0

1.3.4 Các đề tài không xâm lắn, không cần kết nói Internet, không cần phần

cứng cấu hình cao nhưng chưa tối ưu về chỉ phí và năng lượng 2

Chương2 CƠ SỞ LÝ THUYET VÀ THỰC NGHIỆM 14

2.1 Các giải pháp truyền thông tầm xa - 2¿2222+z++22vvvvscrvseeesrr 4 2.1.1 Kĩthuật điều chế tín hiệu LoRa cccccccccrree 4

2.1.2 Giao thức LoRaWAN ằcccccrrirrerrrrrrerrrrrreer 9

2.1.3 Các thành phần trong mạng LoRaWAN -ccc-c 2+ 21

2.1.4 Bao mật trong mạng LoRaWAN chư 24

2.1.5 The Things NetWOrk c5 tt 26

2.1.6 Kếtluận -c222c22 2 E222 tre 27 2.2 Tìm hiểu về máy hỌC 2¿©+++222E+++ttEEEE+ttEEEEEvrtrrEkrrrerrkkrrrrr 28

2.2.1 Giới thiệu về MAY hỌC - + St HH it 28 2.2.2 Khởi tạo dữ liệu huấn luyện trong máy học - -+-+-«+ 32

2.2.3 Đánh giá chất lượng một mô hình máy học - -: - 34 2.3 Các giải pháp phần mềm dùng dé nhận diện chữ số trên thiết bị nhúng không

có kết nối Int€rnet -22+2£222EVV222++++22222YYY2++ttttEEEEESEvrrrtttrrrkrrrrrrrrrrrrrrev 40

2.3.1 OCR Tesserac( cty 40

2.3.2 OpenCV cH HH 40

2.3.3.

2.3.4 Kếtluận 2 2 2222 retrrrrrrrve 44 Chương 3 HIỆN THỰC HE THONG.

3.1 Phân tích phần cứng -2c:¿+222ES222++tttEEEEEErvrrrtrrrrrrrrrrrrrrrrrr 46 3.1.1 So đồ hệ thống

3.1.2 Schematic, PCB và đóng gói sản phẩm "— 47 3.2 Phân tích phần mềm

3.2.1 Lưu đồ hoạt động của thiết bị -2cccc©ccvvccccvvrrrrrrrrree 49

3.2.2 Giới thiệu giải thuật xử lí ảnh trên ESP32 - Cam 50

3.2.3 Thu thập và xử lý dữ liệu máy học -+-«-++-+<+++ 54

3.2.4 Hiện thực mô hình học sâu - -¿- +55 5+5 x+s£++ex+zexsereeeexsx+ 6l

3.2.5 Hiệu năng của mô hình học sâu - ¿+ 5< ++++++£v+vcexexexex 63

3.2.6 Ứng dụng trang web hỗ trợ quản lý các thiết bị kết nối 65 Chương 4 ĐÁNH GIÁ HỆ THÓNG -scsssecevvvvsez 68

4.1 Đánh giá thiết kế phần cứng .:-:222¿+222++++22cvvvrettrrvrrerrrrrrrerrrer 68 4.2 Đánh giá khoảng cách truyền xa .-¿:2+c+22cvvctcvcrvrrrrrrrrrrerrrei 68 4.3 Đánh giá việc dự đoán chữ số trên phần cứng thử nghiệm 69 4.4 Đánh giá việc dự đoán chữ số trên phần cứng lắp đặt thực tế 72

44.1 Các trường hợp tốt và mô hình máy học dé dàng nhận diện được 73 44.2 Các trường hợp rất xấu nhưng mô hình máy học nhận diện đúng 74

4.5 Đánh giá điện năng tiêu thụ và thời gian hoạt động - 75

Chương 5 KẾT LUẬN e-esccccesecvvvveseesrreesersrreee 79 5.1 Những kết quả đạt được và hạn chế -: ©z22cvvvrvvcvvvverrree 79 5.2 Hướng phát trién tiếp theo của đề tài -cccccccvvrecrrsrrrrrrxer 82

DANH MỤC HÌNH

Hình 1 Ảnh chụp bảng ghi chỉ số điện nước “tự viết tay” thường thay ở Việt Nam.4 Hình 1.1 Đồng hồ nước kết nối sóng radio Apator Powogaz - 7

Hình 1.2 Đồng hồ đo nước siêu âm Apator Model Ultrimis W 7

Hình 1.3 Đồng hồ nước MBUS Apator Powogaz Model JS16 - AT MBUS - 02 7 Hình 1.4 Đồng hồ nước SWM015B 222¿22222+222232222221112221111 222112 ccrkx § Hình 2.1 So sánh LoRa và các công nghệ truyền thông IoT hoặc M2M khác [25] 14

Hình 2.2 Vi trí của LoRa và LoRaWAN trong mô hình OSL . 16

Hình 2.3 Một số ưu điểm của mạng sử dụng LoRaWAN [26] - 19

Hình 2.4 Vi trí của LoRaWAN, LoRa trong mô hình mạng - 20

Hình 2.5 Sơ đồ các thành phan trong mạng LoRaWAN - +cccccc+rz 21

Hình 2.6 Mã khóa được tạo ra trong quá trình ủy nhiệm quyền kết nói 25 Hình 2.7 Thiết bị đầu cuối gửi gói tin yêu cầu kết nói

Hình 2.8 Máy chủ kết nối gửi trả về gói tin cho phép kết nối - 26

Hình 2.9 Bốn mảng dich vụ chính của TTÌN ¿- - 5+ +5++++++c+zsz+ezxsese 26

Hình 2.10 Vị trí các Gateway được kết nói đến TTN trên toàn thé giới [31] 27 Hình 2.11 Mối quan hệ giữa trí tuệ nhân tạo, máy học và học sâu [35] 28

Hình 2.12 So sánh máy học và học sâu [37] -. ¿-¿- - + s=++++++c+xerezzxsesr 29

Hình 2.13 Các nhánh máy học thường gặp [36] -¿- ¿5= -+5++cvc+cexexexex 29

Hình 2.14 So sánh mạng thần kinh tự nhiên và nhân tạo - - «+ «<< 31 Hình 2.15 Quá trình lan truyền ngược - -++©2++++2v++++tvvxvrsrrrsrrrrrr 32

Hình 2.16 Minh họa các dạng dữ liệu [39] -. -+ <cc<c+c+ce - 33

Hình 2.17 So sánh các framework trí tuệ nhân tạo [42] -‹-+ + «<< 41

Hình 2.18 So sánh giữa TensorFlow Lite và STM32Cube.AI [34] - 42

Hình 3.1 Sơ đồ hệ thống phần cứng -¿ ++©2+++++22vv++ettrvvrrerrrrrrrrrr 46

Hình 3.2 Schematic của thiết 0L aA.i 47

Hình 3.3 Thiết kế PCB của thiết bị 22222222222 22221112222112 222111 EEEE.eccreg 47 Hình 3.4 PCB thực tế của thiết bị

Hình 3.5 Hộp đựng cùng antenna sau khi đóng nắp

Hình 3.6 Lưu đồ hoạt động của hệ thống - 2-2 5¿2+++++£x++zx+zzxzxesree 49Hình 3.7 Ảnh chụp hai dòng ESP32 - Cam được bán tại website thegioiic.com 50Hình 3.8 Lưu đồ quá trình xử lí ảnh trực tiếp trên ESP32 - Cam 51Hình 3.9 Quá trình cắt và xoay ảnh -¿- 2¿©2+¿22+22E+2EESEkCEEEEEEerkrrrrerkrrree 52Hình 3.10 Vai trò của cân bang Histogram ở các điều kiện ánh sáng khác nhau 53Hình 3.11 Cat đi phần nền thừa nếu chưa qua bước erosion -s: s2 53Hình 3.12 Cắt di phan nền thừa sau khi qua bước erosion -. -5zs+ 53Hình 3.13 Ảnh minh hoa bộ dataset của tác giả Jiarenyf . ¿ s¿©5+c++ 54

Hình 3.14 Anh minh hoa bộ dataset của tác giả Kutsev Roman 54

Hình 3.15 Anh minh hoa bộ dataset UFPR - AMR 2 5s+xecx+xerxerrrcrs 55

Hình 3.16 Anh minh họa bộ dataset UFPR - ADMR csscssssssessessessesseesesssesseeseess 55

Hình 3.17 Anh minh họa bộ dataset Copel - AMR c S-cs series 56Hình 3.18 Ảnh minh họa bộ dataset của tác giả Sloan96 -ccc+s<<cs+ 56Hình 3.19 Hình ảnh sau khi zoom gẦn 2- ¿+ ©++S++Ex+2E++zx++zxezrxerxesrxz 56

Hình 3.20 Anh minh họa bộ dataset MR - AMR ¿+ + + x+x+EeEerxexerreexee 57

Hình 3.21 Anh minh họa bộ dataset do nhóm tự thu thập - .cc~cecexs 58

Hình 3.22 Lưu đồ khối tiền xử lí ảnh và huấn luyện máy học - 58

Hình 3.23 Thiết bi thu thập dữ liệu huấn luyện - 2-2 2 2 s2 ++£+£++£+z +2 59Hình 3.24 Biéu đồ phân bồ dữ liệu cho từng lớp, -. -2- 2 + s2sz2z++zx+zxzsz 60Hình 3.25 Ảnh minh họa một số trường hợp số quay ở giữa của dit liệu 60Hình 3.26 Biểu đồ quá trình huấn luyện, bảng phân phối độ chính xác 63

Hình 3.27 Bang Confusion ÌMAfTIX - c1 1v 1v HH ng ng ng 64 Hình 3.28 Giá tri preCISIOT/T€CAÌÏ - - 2c 1183111831118 1 8111111811 11x rrrvre 64

Hình 3.29 Sơ đồ giao tiếp từ thiết bị đến ha tang oT LoRaWAN 65Hình 3.30 Giao diện website ở chế độ sử dụng bình thường trên máy tinh ban và điện

00289005/0: 27277 66

Hình 3.31 Giao diện website ở chế độ sửa lỖi «Street 67

Hình 4.1 PCB & đồng hồ nước demo - + ¿+ + E+EE+EE+E£+E£E£EerEerxerxerxrree 69Hình 4.2 Động cơ quay đồng hồ nước phục vụ việc lay mẫu huấn luyện 69

Hình 4.3 Gateway sử dụng dé demo 2-22 +¿22++2E+2EE+2EE2EEEEEerkrrrkerrrcree 70

Hình 4.4 Ảnh chụp thực tế và giá tri dự đoán sai tại lần thực hiện thứ 28 70

Hình 4.5 Ảnh chụp thực tế và giá tri dự đoán sai tại lần thực hiện thứ 31 71

Hình 4.6 Hình ảnh khi lắp đặt thiết bị thực tẾ -¿- ¿22+ ©2++cxz+zxrzrxrrxecree 72 Hình 4.7 Ví dụ minh họa trường hợp dự đoán đúng với ảnh tốt - 74

Hình 4.8 Ví dụ 1 minh họa cho trường hop dự đoán đúng với ảnh xấu 74

Hình 4.9 Ví dụ 2 minh họa cho trường hợp dự đoán đúng với ảnh xấu 74

Hình 4.10 Ví dụ 3 minh họa cho trường hợp dự đoán đúng với ảnh Xxấu 75

Hình 4.11 Biéu đồ năng lượng của từng tác Vụ -c2+cc+cccxerkerxerxersrree 77

Hình 4.12 Thời lượng pin mô phỏng của thiết bị -2- 5: 2 5222x+2zz+cx+srsz 78

Bốn thang SF được dùng cho kênh truyền tải lên - 5: 16

So sánh kết nối OTAA và ABP -ccc2csttttrrtirtrtrirrrrrirrrrrrreo 24

Vii dur vé ma n 34

Ví du 1 về True/False Positive/Negative - ¿5c +cccxerxerxerxereee 35

Ví dụ 2 về True/False Positive/NegafiVe -¿- 2 e+sccxecerxerxereee 36

Vi dụ về Precision/Recall/F1 - SCOF€ -¿- - s Sk+EEEeErkerererxererxee 37

Ví dụ về Macro/weighted - averaged Precision/Recall/F1 - score 38

Thiết kế mô hình học sâu của nhóm - -:¿©++++2++++txvvrsrxxei 61

Bang các siêu tham số, cau hình không được dé cập ở bang trên 62

Một số vẫn đề khách quan khi chạy thực TA 72Bảng điện năng tiêu thụ trên toàn thiét bị 2-2 + s+cs+zsscsez 75

Bảng điện năng tiêu thụ trên từng tấc VỤ - sex sseksserssrsek 75

DANH MỤC TU VIET TAT

4G Fourth Generation of broadband cellular network

5G Fifth Generation of broadband cellular network 3D Three Dimensional

Al Artificial Intelligence ASEAN Association of Southeast Asian Nations

ADR Adaptive Data Rate

AppKey Application Key

ABP Activation By Personalization ANN Artificial Neural Network

AMD Advanced Micro Devices, Inc

MAC Media Access Control

API Application Programming Interface

BW Signal Bandwidth COVID - 19 Coronavirus disease

CPU Central Processing Unit

CNN Convolutional Neural Network

COTS Commercial Off - The - Shelf

Cat - M1 Category M1

CSS Chirp Spread Spectrum

CR Coding Rate CRC Cyclic Redundancy Check CSS Cascading Style Sheets CMOS Complementary Metal Oxide Semiconductor

DevEUI Device Extended Unique Identifier

FEC Forward Error Correction GII The Global Innovation Index GDP Gross Domestic Product

GPU Graphics Processing Unit

GPIO General Purpose Input/Output

GCC GNU Compiler Collection

HOG Histogram of Oriented Gradients

HSV Hue Saturation Value HTML HyperText Markup Language

loT Internet Of Things

IoS Internet Of Services

I2C Inter - Integrated Circuit

IC Integrated Circuit IP65 Ingress Protection rate 65

JPEG Joint Photographic Experts Group

LoRa Long Range

LoRaWAN Long - Range Wide - Area Network

LAN Local Area Network

LPWAN Low - Power Wide - Area Network

LNS LoRaWAN Network Server

LMIC LoRaWAN MAC In C

LOS Line Of Sight

MCU Microcontroller Unit

M2M Machine To Machine

MQTT Message Queuing Telemetry Transport

NB-IoT Narrowband Internet Of Things

NwkSKey Network Session Key

OCR Optical Character Recognition

OSI Open Systems Interconnection OTAA Over - The - Air Activation

PCB Printed Circuit Board

RF Radio Frequency RAM Random Access Memory

RSSI Received Signal Strength Indication

ROM Read - Only Memory

ReLU Rectified Linear Unit

SVM Support Vector Machine

SSD Solid State Drive

SF Spreading Factor SNR Signal To Noise Ratio

SIFT Scale - Invariant Feature Transform

SURF Speeded - Up Robust Features

SPI Serial Peripheral Interface TIN The Things Network

WIPO World Intellectual Property Organization WAN Wide Area Network

TÓM TAT KHÓA LUẬN

Đề tài nghiên cứu chế tạo một thiết bị tự động nhận diện chỉ số nước mà một

hộ dân sử dụng tại thời điểm đó trên đồng hồ nước Đề tài được thực hiện với mụctiêu tạo nên một cuộc cách mạng trong lĩnh vực quản lý đô thị và nguồn tài nguyên

nước Thiết bị giúp thu thập chỉ số nước một cách tự động từ tất cả các hộ dân trong

bán kính hàng km tính từ chỉ một trạm Gateway sử dụng công nghệ LoRa, từ đó giúp

tiết kiệm chi phí và thời gian mà không cần phải thuê nhân viên đi tới từng nhà déghi lại chỉ số nước như hiện nay, giúp tiết kiệm hàng tỷ đồng mỗi năm

Hệ thống gồm ba thành phan chính:

e Nhận diện chỉ số nước: Một camera được tích hợp trí tuệ nhân tao (Artificial

Intelligence) (AI) giúp chụp ảnh mặt đồng hồ nước và chuyên đổi ảnh thànhmột mảng dữ liệu gồm 5 chữ số biéu thị khối nước sử dụng Thiết bị chạy dựđoán sử dụng trí tuệ nhân tao ma không cần kết nối đến Internet

e Truyền thông LoRa: Dé tài sử dụng giao thức truyền thông LoRa trên hạ tang

LoRaWAN, mang dữ liệu 5 chữ số này sẽ được gửi tới Gateway và sau đóđược Gateway đưa lên mạng Internet Dữ liệu sau đó có thé được cung cấpcho các công ty, cơ sở quản lí cung cấp nước của khu vực, quốc gia đó

e_ Tiết kiệm năng lượng và dễ triển khai: Toàn bộ hệ thống được thiết kế dé

có thể đễ dàng triển khai trên thực tế, với chỉ phí thấp và thời gian hoạt động

lâu dài Chỉ với một viên pin 18650 có thé cho thời gian hoạt động lên tớinhiều năm Hơn nữa chỉ cần đặt thiết bị trên đồng hồ nước là hoàn tat, khôngcần tới việc đi dây điện rườm rà hay phải kết nói thiết bị đến Internet

MỞ DAU

Nếu nhìn vào đồng hồ ngay lúc nay, chúng ta sẽ thấy hiện ra trước mắt mìnhchính là con số năm 2021 Đã một thời gian trôi qua ké từ khi Thủ tướng Chính phủban hành quyết định chiến lược quốc gia về cách mạng công nghiệp lần thứ 4 vàongày 31/12/2020, trong đó chỉ ra mục tiêu cụ thể như sau [1]:

Mục tiêu đến năm 2025:

e Duy trì xếp hạng Đồi mới sáng tạo toàn cầu (GII) của Tổ chức sở hữu trí tuệ

thế giới (WIPO) thuộc 3 nước dẫn đầu ASEAN

e Chỉ số An toàn, an ninh mạng toàn cầu của Liên minh viễn thông quốc tế (ITU)

thuộc nhóm 40 nước dẫn đầu

e Chỉ số Chính phủ điện tử theo xếp hạng của Liên hợp quốc thuộc nhóm 4 nước

dẫn đầu ASEAN

e Kinh tế số chiếm khoảng 20% GDP; năng suất lao động tăng bình quân trên

7%/năm.

e Hạ tầng mang băng rộng cáp quang phủ trên 80% hộ gia đình, 100% xã; phd

cập dịch vụ mạng di động 4G/5G và điện thoại di động thông minh; 80% dân

SỐ SỬ dụng Internet; S0% dịch vụ công trực tuyến mức độ 4, được cung cấp

trên nhiều phương tiện truy cập khác nhau, bao gồm cả thiết bị di động; tỷ lệ

dân số có tài khoản thanh toán điện tử trên 50%

¢ Có ít nhất 3 đô thị thông minh tại 3 vùng kinh tế trọng điểm (Bắc, Trung,

Nam) và triển khai mạng 5G tại các đô thị này

Mục tiêu đến năm 2030:

e Duy trì xếp hạng Đổi mới sáng tạo toàn cầu (GII) của WIPO thuộc nhóm 40

nước dẫn đầu thế giới

e Chỉ số An toàn, an ninh mạng toàn cầu của ITU thuộc nhóm 30 nước đứng

đâu.

e Chỉ số Chính phủ điện tử theo xếp hạng của Liên hợp quốc thuộc nhóm 50

e Hinh thành một số chuỗi đô thị thông minh tại các khu vực kinh tế trọng

điểm phía Bắc, phía Nam và miền Trung; từng bước kết nối với mạnglưới đô thị thông minh trong khu vực và thé giới

Vào năm 2011, khái niệm Công nghiệp 4.0 hay nhà máy thông minh lần đầu

tiên được đưa ra tại Hội chợ công nghiệp Hannover tại Cộng hòa Liên bang Đức,

trong đó đề cập rằng Công nghiệp 4.0 nhằm thông minh hóa quá trình sản xuất vàquản lý trong ngành công nghiệp chế tạo [2] Sau đó vào năm 2016, khái niệm Cuộccách mạng công nghiệp lần thứ 4 được giáo sư Klaus Schwab, người Đức, Chủ tịchDiễn đàn Kinh tế Thế giới đưa ra với một định nghĩa mới, mở rộng hơn khái niệmCông nghiệp 4.0 được đề cập tại Đức vào năm 2011 Nhân loại đang đứng trước một

cuộc cách mạng công nghiệp mới, có thể thay đổi hoàn toàn cách sống, làm việc và

tạo dựng mối quan hệ với nhau Quy mô, phạm vi và sự phức tạp của lần chuyền đổinày không giống như bất kỳ điều gì mà loài người đã từng trải qua Cụ thể, đây là

“một cụm thuật ngữ cho các công nghệ và khái niệm của tô chức trong chuỗi giá tri”

đi cùng với các hệ thống vat lý trong không gian ảo, Internet kết nối van vật (IoT) và

Internet của các dịch vụ (IoS).

IoT hay Internet of Things là một khái niệm kế về các hệ thong tự động hóa

được kết nối với nhau thông qua các giao thức truyền thông có dây hoặc không dây

Và một trong những hạ tầng IoT quan trọng hiện nay chính là hạ tang LoRaWANđược xây dựng dựa trên giao thức LoRa kết hợp cùng một số giao thức Internet khác

Tin tưởng vào đường lối lãnh đạo đúng đắn của Đảng và Nhà nước, nhóm ngày

đêm trăn trở làm sao có thé đóng góp một phan tri thức trẻ của mình dé năm bắt kịp

thời, tận dụng hiệu quả các cơ hội của cuộc Cách mạng công nghiệp lần thứ tư để

nâng cao năng suất lao động, hiệu quả, sức cạnh tranh của nền kinh tế và tăng cườngtiềm lực quốc phòng, an ninh cho quốc gia Hiện nay ở Việt Nam đã và đang tiếp tục

được chứng kiến các hệ thống IoT đón đầu cuộc cách mạng công nghiệp 4.0 như hệthống camera giám sát thông minh, hệ thống quan trắc chất lượng không khí, đèn giao

thông thông minh,

Tuy nhiên xét riêng về lĩnh vực đo lường lượng nước tiêu thụ ở mỗi hộ dân thì

hiện nay Việt Nam vẫn đang còn sử dụng cách thức rất thô sơ: Tại mỗi khu vực mỗi

tháng một lần sẽ có nhân viên đến từng hộ dân, mở nap đồng hé nước ra, quan sát và

ghi chép chỉ số nước lên giấy, sau đó liên lạc với công ty hay đơn vị quản lý nước ở

đó dé họ nhập số liệu lên hệ thông, từ đó thống kê được lượng nước sử dụng của tất

cả hộ dân trong một khu vực nhất định và gửi tin nhắn thu phí nước tiêu thụ đến từng

nhà Hơn nữa một số trường hợp chủ nhà đi vắng nên phải để một bảng ghi chỉ số

điện nước đo chủ nhà tự viết tay

Hình 1 Ảnh chụp bảng ghi chỉ số điện nước “tự viết tay” thường thấy ở Việt Nam

Cách làm việc nay 16 rõ khuyến điểm như tốn chi phí thuê nhân lực cho một

công việc quá đơn giản, thủ tục rườm rà mắt thời gian do phải đến từng hộ dân, trường

hợp hộ dân đó đi vắng thì nhân viên lại phải tiếp tục đến vào hôm khác, chủ nhà cóthé gian lận bằng cách tự viết chỉ số nước giả lên bảng gắn ở ngoài nhà trong thời

gian dài, Tiếp nối xu thé phát triển các hạ tang IoT trong cuộc cách mang công

nghiệp 4.0, nhóm đề xuất ra ý tưởng kết nối toàn bộ hạ tầng đồng hồ nước hiện naycủa Việt Nam lại với nhau băng dự án chế tạo thiết bị tự động nhận diện chỉ số nướcứng dụng trí tuệ nhân tao và kết nối tới hạ tang LoRaWAN Nhóm mong muốn thông

qua dé tài này có thé cống hiến một phần tri thức trẻ của mình vào công cuộc xây

dựng và kiến thiết đất nước

Chương 1 TONG QUAN

1.1 Xu thé trí tuệ nhân tạo trên nền tang hệ thong nhúng

Cuộc cách mạng công nghiệp 4.0 đã mở ra một kỉ nguyên mới nơi mà các thiết

bị thông minh đang ngày càng đóng một vai trò quan trọng trong việc thay đổi mọi

khía cạnh của đời sống, từ những ngôi nhà, nhà xưởng, xí nghiệp thông minh hay đến

cả những đô thị thông minh, Công nghệ đang ngày một phát triển, sức mạnh xử lícủa các thiết bị nhúng đang ngày càng được cải thiện nhưng vẫn đảm bảo được cácyêu tố như tiết kiệm năng lượng, chi phí thấp, Điều này dẫn đến thực tế rằng hiện

nay các thuật toán trí tuệ nhân tạo đã có thể được xử lí cục bộ trên thiết bị phần cứng

tại tầng vật lý trong mô hình mạng OSI (Open Systems Interconnection) - hay còn

gọi là AI at the Edge.

Xu thế AI at the Edge giải quyết được rất nhiều những vấn đề tồn đọng so với

việc trién khai ứng dung trí tuệ nhân tạo trên các máy chủ đám mây như cách truyềnthống trước đây:

e Tốn thời gian và chi phi xử lí khi phải chạy các thuật toán trí tuệ nhân tạo trên

máy chủ đám mây.

e Độ tin cậy thấp do phụ thuộc vào tốc độ đường truyền Internet và sự khả dụng

của đường truyền (khi mat kết nối Internet sẽ không xử lí các thuật toán trí tuệ

nhân tạo được).

e - Không tiết kiệm năng lượng do phải liên tục duy trì một đường truyền Internet

băng thông ổn định

e Di liệu được gửi lên Internet tiềm ẩn rủi ro về riêng tư do dữ liệu có thể bị rò

rỉ từ các lỗ hỏng bảo mật trên máy chủ đám mây hay các dịch vụ chạy trên nền

tảng đám mây.

Đề đón đầu xu thế nhóm đã nghiên cứu chế tạo một thiết bị đọc chỉ số đồng

hồ nước thông minh có tích hợp thuật toán xử lí ảnh và mô hình học sâu (DeepLearning) chạy trực tiếp trên thiết bị mà nhóm sử dụng

1.2 Tình hình nghiên cứu trong nước

Ở Việt Nam hiện nay có một vài đơn vị sản xuất thiết bị đọc đồng hồ nướcthông minh Tuy nhiên hầu hết các thiết bị hiện có đều phải thay thế toàn bộ đồng hồnước, gây khó khăn và tốn kém chi phí khi triển khai trên diện rộng Một số thiết bị

có thé kể đến như:

e Đông hô nước kết nôi sóng radio Apator Powogaz của công ty cô phân quôc

tế Thiền Sinh Thái [3]:

Hình 1.1 Đồng hồ nước kết nối sóng radio Apator Powogaz

e_ Đồng hồ đo nước siêu âm Apator Model Ultrimis W của công ty cổ phần quốc

tế Thiền Sinh Thái [3]:

Hình 1.2 Đồng hồ đo nước siêu âm Apator Model Ultrimis W

e Đồng hồ nước MBUS Apator Powogaz Model JS16 - AT MBUS - 02 của công

ty cô phần quốc tế Thiền Sinh Thái [3]:

Hình 1.3 Đồng hồ nước MBUS Apator Powogaz Model JS16 - AT MBUS - 02

e Đồng hồ đo lưu lượng nước sinh hoạt SWM015B của Công ty cổ phần Rynan

Technologies Việt Nam [4]:

Hình 1.4 Đồng hồ nước SWM015B

Các sản phâm đồng hồ nước trên thị trường được chế tao sẵn, gắn sẵn các loạicảm biến đo lưu lượng nước nên có ưu điểm là độ chính xác đo đạc rất cao và có thétích hợp thêm nhiều tính năng phụ trợ Nhược điểm của các thiết bị này có thể thấy

rõ là chỉ được sử dụng ở một số môi trường chuyên dụng khi có nhu cầu như công ty,

xí nghiệp, người dân ở các hộ gia đình muốn thay đổi phải xin phép cơ quan chứcnăng cho phép thay mới toàn bộ đồng hồ nước, dẫn đến phát sinh chi phí lắp đặt cao

và thủ tục rườm rà Nếu muốn tạo nên một cuộc cách mạng như nhóm đang thực hiện,thì điều tối thiêu là có thể triển khai thực tế trên diện rộng đã trở nên bat khả thi với

các thiết bị này

1.3 Tình hình nghiên cứu ngoài nước

Hiện nay trên thế giới có một số đề tài nghiên cứu về lĩnh vực này Một số đềtài gần đây nghiên cứu chế tạo thiết bị đồng hồ nước có sự xâm lắn, hoặc không cần

can thiệp vào cấu trúc đồng hồ nhưng yêu cầu phần cứng cấu hình cao, phải có kếtnối Internet, chưa tối ưu về năng lượng, truyền khoảng cách xa và chỉ phí triển khai

như mô hình thiết bị mà nhóm đang hướng tới xây dựng Trước đây một thời gian dàithì một số đề tài chỉ trình bày về bước phát hiện vùng số chứ chưa nhận diện được cụthê giá trị chữ số Nhóm tiến hành đánh giá 20 đề tài trên thế giới trong sáu đến bảy

năm trở lại đây và nhận thấy có thé phân chia thành bốn nhóm đề tài chính về đồng

hô nước thông minh như sau:

1.3.1 Các đề tài xâm lấn can thiệp bên trong hoặc thay toàn bộ đồng hồ

e Smart water meter system for user - centric consumption measurement [5

Hé thống sử dụng đồng hồ nước dạng kĩ thuật số, dữ liệu dạng tín hiệu điện tử sẽ

được kết nối với một board mach gồm STM32W108 và bộ thu phát RF (radiofrequency) Bộ thu phát này sẽ truyền dữ liệu dạng số tới gateway gồm STM32W108

và Raspberry Pi, dữ liệu sau đó được gửi lên mạng.

e A novel smart water - meter based on loT and smartphone app for city

Đây là một dạng đồng hồ nước thông minh được chế tạo săn dạng kĩ thuật số, đọc

dữ liệu nước bằng một cảm biến dòng chảy siêu âm và một cặp cảm biến nhiệt độ

PT1000, sau đó gửi dữ liệu lên mang.

Các đề tài trên có ưu điểm chung là cho độ chính xác rất cao Tuy nhiên nhượcđiểm chung là phải thay thế toàn bộ đồng hồ nếu sử dụng đồng hồ dạng kĩ thuật sd,

hoặc can thiệp vào bên trong đồng hồ đối với đồng hồ cơ truyền thống nên khó triểnkhai trên diện rộng.

1.3.2 Các đề tài không xâm lấn nhưng yêu cầu kết nối Internet

e Evaluation of Recognition of Water - meter Digits with Application Programs,

APIs, and Machine Learning Algorithms [8]

Dé tài không dé cập về phan cứng sử dụng Đây chi là nghiên cứu về máy học

(Machine Learning) sử dụng cloud server Microsoft Azure, Google Cloud Vision,

Tesseract OCR (optical character recognition) trên tập dataset thu thập bằng camera

của điện thoại di động Do đó khó áp dụng thực tế cho các thiết bị ở tầng vật lý của

mô hình mang OSI do không tương thích về camera, bộ nhớ,,

se OCR - based Solution for The Integration of Legacy And - Or Non - Electric

Counters in Cloud Smart Grids [9]

Ảnh được chụp từ vi điều khiển, nhưng không được xử lí tại vi điều khiển mà được truyền lên mạng và xử lí nhận diện kí tự bằng Google Cloud Vision API

(application programming interface).

e Light-Weight Spliced Convolution Network - Based Automatic Water Meter

Reading in Smart City [10

Dé tài không đề cập về phần cứng sử dung mà chỉ nghiên cứu về xử lí dữ liệu

thông qua các mô hình máy học chạy trên máy chủ đám mây.

Các đề tài trên có ưu điểm là không cần can thiệp vào bên trong đồng hồ, độ chính

xác cao Tuy nhiên nhược điểm chung của các đề tài này là cần phải có kết nói Internet

ồn định dé xử lý dữ liệu và nhận diện chữ sé.

1.3.3 Các đề tài không xâm lắn, không cần kết nối Internet nhưng yêu

cầu phần cứng cấu hình cao

e Application of Deep Residual Neural Network to Water Meter Reading

Recognition [11

Đề tai sử dung mô hình học sâu R - FCN dé phát hiện vùng số và nhận diện chữ

số trên phan cứng Nvidia GTX 1070Ti GPU (graphics processing unit).

e A fully AI - based system to automate water meter data collection in Morocco

country [12

Đề tài sử dung phan cứng gồm camera kết nối với máy tính nhúng Raspberry Pi.

Thiết bị sử dụng xử lí ảnh để phát hiện vùng số và mô hình học sâu đề nhận diện chỉ

so nước.

se Cutting Sayre's Knot: Reading Scene Text without Segmentation Application

to Utility Meters [13

10

Đề tài sử dụng phần cứng gồm CPU (central processing unit) ¡7 và GPU Titan X

Pascal để nhận diện vùng số và giá trị chữ SỐ thông qua một mô hình học sâu do nhóm

tác giả đề xuất

e Automatic consumption reading on electromechanical meters using HoG and

SVM [14]

Đề tài sử dung trích xuất đặc trưng HOG cùng máy hoc (SVM) dé phát hiện

vùng sô và nhận diện chỉ sô nước trên một phân mêm chạy trên điện thoại di động.

e Using smartglasses for utility - meter reading [15]

Thiết bi sử dụng kính mắt thông minh Vuzix M100 dé nhận diện chi số nước

e Robust Angle Invariant GAS Meter Reading [16]

Đề tài triển khai các giải thuật xử lí anh phức tap cùng nhận diện chữ số bằngmáy học (SVM) kết hợp cùng trích xuất đặc trưng HOG trên phần cứng Intel XeonE5 - 1620 tần số 3.5 GHz

e Towards Image - Based Automatic Meter Reading in Unconstrained

Scenarios: A Robust and Efficient Approach [17]

Đề tài sử dung mang CDCC - Net va Fast - OCR dé phát hiện vùng số và nhận

diện chữ số trên phần cứng vi xử lý AMD Ryzen Threadripper 1920X 3.5GHz CPU,

48 GB RAM, SSD (đọc: 535 MB/s; ghi: 445 MB/s), và NVIDIA Titan V GPU.

e A robust approach to reading recognition of pointer meters based on improved

mask - RCNN [18]

Đề tài thực hiện phát hiện giá trị mũi kim quay trên đồng hồ, từ đó trích xuất ra

được giá trị chữ số mà đồng hồ đang hiển thị Dé tài này không trực tiếp nhận dạng

chữ số nhưng gián tiếp tạo tiền đề cho khả năng nhận diện chỉ số nước trên đồng hồ

nước Đề tài sử dụng phần cứng NVIDIA TITAN X (Pascal) GPU và Intel Xeon E5

- 2650 CPU.

e Wireless Middleware Solutions for Smart Water Metering [19]

11

Tác giả thiết kế một module gồm camera + module truyền thông LoRa gắn ở

đồng hồ nước Ảnh chụp được gửi tới LoRa gateway thông qua công nghệ LoRa và

xử lí nhận diện kí tự số tại LoRa gateway (sử dụng máy tính nhúng Raspberry Pi),

sau đó mới được truyền lên mạng.

e Automatic reading of domestic electric meter: an intelligent device based on

image processing and ZigBee/Ethernet communication [20

Dé tài thực hiện phát hiện vùng chữ sô va tiên xử lí anh rat hiệu qua trên phancứng cấu hình thấp, năng lượng tiêu thụ thấp với dòng ở chế độ ngủ là 0.9 uA và khi

hoạt động có dòng cao nhất là 1.35A Tuy nhiên bước nhận diện chữ số lại được thực

hiện trên một mô hình máy học chạy trên máy chủ (PC server).

Cac đê tài trên có ưu diém là không cân xâm lân vảo bên trong đông hô, không cân Internet đê xử lí nhưng độ chính xác cao Tuy nhiên nhược điêm là yêu câu phân

cứng câu hình cao, không tôi ưu về chi phí và năng lượng.

1.3.4 Các dé tài không xâm lân, không can kết nôi Internet, không cần

phần cứng cấu hình cao nhưng chưa tối ưu về chỉ phí và năng lượng

e Integrating my Neptune Water Meter with HomeAssistant [21]

Dé tài sử dung phan cứng gồm một camera VC0706 (độ phân giải ảnh chụp tối đa

640 x 480, giá thành 27$ ~ 600 000 VND [60]) và module Wemos D1 Mini lite (giá

thành 2.95$ ~ 60 000 VND [61]) Dé tài gắn thêm nhiều đèn led mới xử li được chữ

số khiến hệ thống trở nên cong kénh Dé tài không đề cập thiết kế phan cứng tối ưu

về năng lượng.

e Lightweight CNN based Meter Digit Recognition [22]

Đề tai đưa ra một mô hình mạng học sâu nhẹ, chạy phát hiện và nhận diện chữ 86trên một camera trước khi gửi lên mạng thông qua Firebase dé chuyền tiếp hién thidir liệu trên một phần mềm điện thoại Android Đề tài không đề cập cụ thê về thiết

kế phần cứng (tên của từng thành phần trong phần cứng) cũng như không có thiết kế

tôi ưu về năng lượng tiêu thụ.

12

e A number recognition system with memory optimized convolutional neural

network for smart metering devices [23]

Đề tài sử dụng một cảm biến hình anh CMOS làm camera và một NXP K82Flàm MCU (giá thành 76.47$ ~ 1 500 000 VND [62]) Dé tài không dé cập về nănglượng tiêu thụ trên toàn thiết bị

e A Smart Water Metering System Based on Image Recognition and

Narrowband Internet of Things [24]

Đề tài sử dung phan cứng gồm một IC STM32F103ZET6 (giá thành 2.51$ ~ 50

000 VNĐ [63]) và camera OV7725 (độ phân giải ảnh chụp tối đa 640 x 480, giá thành9$ ~ 180 000 VND [64]) Thiết bị sử dụng một model máy học đã được công bố déchạy dự đoán trên IC STM32F103 Đề tài không đề cập thiết kế tối ưu về năng lượng

Các đê tài trên có ưu diém là không cân phải can thiệp vào bên trong đông hô, không yêu câu két nôi Internet, không can phân cứng câu hình cao nhưng độ chính

xác vẫn khá cao Tuy nhiên nhược điểm chung là phần cứng chưa tối ưu về năng

lượng và/hoặc chi phí của phần cứng

13

Chương 2 CƠ SỞ LÝ THUYET VÀ THỰC NGHIEM

2.1 Các giải pháp truyền thông tầm xa

Traditional Cellular LPWAN (3-5B in 2022) Cat-M1

Long Range Long Range LongR

Low Data Rates g ange

High Data Rates LoRa Long Battery Life High Data Rates

ae aoe Life Vow Gost Low Battery Life

ieee High Capacity Potential Medium Cost

Local Area Network Narrow-Band loT Personal Area Network

(Wi-Fi) (NB-loT) (Bluetooth®)

Short Range Stationary Devices Very Short Range

High Data Rates Short Range (indoor coverage) Low data rates

Low Battery Life Low Data Rates Good Battery Life

Medium Cost Good Battery Life Low Cost

trội hơn các mạng khác như khoảng cách truyền xa, năng lượng tiêu thụ thấp, chi phí

thấp và có khả năng chịu tải cao LoRa là giải pháp liên lạc qua sóng vô tuyến tiếtkiệm năng lượng, 6n định và khoảng cách truyền xa nhất hiện tại [25] Đối với dé tàicủa nhóm chỉ truyền đi một gói tin gồm 5 byte dữ liệu với chu kì một tháng một lầnthì sử dụng mạng LoRa là một giải pháp tối ưu, dù nhược điểm lớn nhất của LoRa là

tốc độ truyền tai dit liệu không cao

2.1.1 Kĩ thuật điều chế tín hiệu LoRa

LoRa là một kĩ thuật điều chế tín hiệu được phát triển bởi Semtech Semtech

là một tập đoàn tại Mỹ cung cấp các vi mạch bán dẫn xử lí tín hiệu và các giải pháp

14

về thuật toán nâng cao cho khách hàng cá nhân và doanh nghiệp [27] LoRa được

sử dụng trong các hạ tầng mạng WAN yêu cầu năng lượng thấp (LPWAN) LoRa

có các ưu điểm như khoảng cách truyền xa hơn hắn các giao thức Bluetooth, Wifi

nhưng vẫn tiết kiệm năng lượng [26] Dưới nguồn năng lượng pin, các thiết bị tíchhợp LoRa có thé hoạt động lên tới 10 năm hoặc hơn và cho khoảng cách truyền xalên đến 10 - 15 km ở những khu vực vắng vẻ và vài km ở khu vực thành thị (tùy

vào vị trí đặt thiết bị đầu cuối sâu cỡ nào trong các tòa nhà) Khoảng cách truyền

xa nhất mà LoRa ghi nhận được là hơn 700 km

Các thiết bị tích hợp LoRa có thé truyền và nhận dit liệu qua sóng vô tuyếnthông qua kĩ thuật trải phố sử dụng các xung chirp (CSS) trên các băng tần đượcquốc gia sở tại cho phép Ưu điểm của việc sử dụng CSS là nó có khả năng hoạtđộng trong những môi trường nhiều nhiễu điện từ

Semtech là nhà cung cấp các vi mạch tích hợp LoRa trong khi tổ chức phi lợinhuận LoRa Alliance cung cấp giao thức mạng bất đồng bộ LoRaWAN triển khaitrên vi mạch tích hợp LoRa Sự kết hợp này giúp xây dựng lên các hạ tang mạngIoT hình sao quy mô lớn nhưng vẫn đảm bảo chi phí thấp và tiết kiệm năng lượng

LoRa được phát triển từ công nghệ trải phô CSS, được cải tiễn lại với sự đánhđôi giữa độ nhạy của tín hiệu và tốc độ truyền (datarate) LoRa hoạt động ở băngtần 125 KHz hoặc 500 KHz cho kênh tải lên (Uplink) và 500 Khz cho kênh tảixuống (Downlink) [25] LoRa sử dụng kĩ thuật trải phố tần số của sóng mang theotrục đứng Điều này giúp tiết kiệm năng lượng cho các thiết bị đầu cuối kết nốitrong mạng bang cách tôi ưu hóa mức năng lượng tiêu thụ khi truyền và tốc độtruyền (datarate) Ví dụ như một thiết bị đầu cuối ở gần LoRa Gateway nên truyền

gói tin ở độ trải phé (SF - Spreading Factor) thấp Một thiết bi đầu cuối đặt ở xa

Gateway nên truyền với SF cao SF giúp tăng độ nhạy của tín hiệu nhưng bù lại tốc

độ truyền sẽ thấp tương ứng thời gian truyền tăng

Trong mô hình mang bảy lớp OSI thì LoRa nam ở tang vật lý Một bộ thu pháttín hiệu sẽ truyền sóng vô tuyến được điều chế băng kĩ thuật điều chế tín hiệu LoRa

15

đến một bộ thu phát tín hiệu LoRa khác được tích hợp bên trong một LoRa Gateway

và ngược lại.

HOST LAYERS

Frames Data Link

MAC and LLC

Physical LoRa Physical

Media, Signal and Binary Binary RF Transmission

Hình 2.2 Vi trí của LoRa va LoRaWAN trong mô hình OSI.

MEDIA LAYERS

Trong LoRa thì lượng mã trải rộng (spreading code) được nhân vào tín hiệu

truyền gốc được gọi là SF Kĩ thuật điều chế LoRa có tổng cộng bảy thang nhân SF

(từ SF7 đến SF12) SF càng lớn thì tín hiệu truyền càng xa nhưng tốc độ truyền (datarate) sẽ giảm Tín hiệu tải lên được sử dụng với bốn thang SF7 đến SF10, tín hiệu tảixuống dùng được với tat cả thang SF từ SF7 đến SF12

Bang 2.1 Bốn thang SF được dùng cho kênh truyền tải lên

Spreading Factor Bit Rate Khoang cach Thời gian truyền đối

(Tân sô 125 KHz) (Tùy vào địa hình) với dữ liệu 11 byte

SF10 980 bps 8 km 371 ms

SF9 1760 bps 6 km 185 ms

16

SF8 3125 bps 4km 103 ms SF7 5470 bps 2km 61 ms

Một tin hiệu được điều chế ở thang SF khác nhau nhưng truyền ở cùng tan sốvào cùng một thời điểm thì không can thiệp vào nhau mà chỉ được xem như những

nhiễu nhỏ (noise).

LoRa có các đặc điểm khác nhau cho từng khu vực hay quốc gia trên thế giớinhằm tuân thủ các quy định về vô tuyến tại các nước sở tại, được quy định trong tài

liệu của tổ chức phi lợi nhuận LoRa Alliance [28] Ở Bắc Mỹ thì sử dụng tám kênh

tải lên ở tần số 500 Khz và tám kênh tải xuống ở tần số 500 Khz Ở Việt Nam theonhư văn bản của Bộ Thông tin và Truyền thông ban hành vào ngày 16/11/2020 thìtần số cho phép là 923 Mhz [29]

SF càng cao thì độ nhạy tín hiệu càng tăng, đồng nghĩa link budget tăng nhưngtốc độ truyền sẽ giảm tương ứng cho thời gian truyền sẽ tăng Code rate là tỉ lệ mức

độ dư thừa thực hiện bởi phép toán lan truyền ngược (FEC) dé kiểm tra va sửa lỗi góitin Tỉ lệ này được giữ cố định ở mức 4/5 của giao thức LoRaWAN

Những gói tin LoRa sử dung SF khác nhau thì đều có tín hiệu nam vuông góc

trên trục, nghĩa là những gói tin này không can thiệp trùng lặp vào nhau mà chỉ được

xem như những nhiễu Vì lí do đó nên hai gói tin đến nơi nhận vào cùng một thời

điểm, trên cùng một kênh nhận nhưng với SF khác nhau sẽ không đụng độ nhau màđều sẽ được giải mã tín hiệu bởi vi mạch xử lí tín hiệu LoRa gan trén LoRa Gateway.Ngược lại, nếu hai gói tin vẫn như trên nhưng nếu được gửi di ở cùng một thang SFthì có thé dan đến đụng độ gói tin Nếu một trong hai gói tin hơn gói còn lại 6 dB thigói tin đó sẽ vẫn tồn tại

Đề tối ưu hóa khả năng của một mạng LoRaWAN thì cần có phương án tự

động điều chỉnh tốc độ truyền sao cho thích nghỉ với hoàn cảnh Nếu thiết bị đầu cuối

ở gần Gateway thì nên dùng SF thấp, thời gian truyền sẽ giảm giúp kéo dài thời lượng

pm.

Một số thông số quan trong trong LoRa:

17

e Signal to Noise Ratio (SNR)

SNR - tỉ lệ tín hiệu trên nhiễu - là ti lệ giữa bit rate va chip rate Đây là tỉ số giữanăng lượng của tín hiệu trên nhiễu tại một thời điểm nhất định SNR thường đượcbiểu diễn dưới dạng decibel (dB)

e Spreading Factor (SF)

SF càng lớn thì càng lam tăng độ nhạy tín hiệu va khoảng cách truyền, nhưng

đồng thời cũng làm tăng thời gian truyền Chỉ số SF càng lớn thì lượng thông tin

truyền đi trong một bit càng nhiều

Các giá trị của SF hỗ trợ dé lập trình là: 6, 7, 8, 9, 10, 11, 12

e Coding Rate (CR)

CR - tỉ lệ mã hóa - dai diện cho độ an toàn cho dt liệu truyền đi hay là tỉ lệ đảmbảo của gói tin Các giá trị có thé dùng trong lập trình là 4/5, 4/6, 4/7 hoặc 4/8 CRcàng tăng thì gói tỉ lệ rớt gói tin càng thấp, nhưng cũng đồng thời tăng thời gian

truyền.

e RSSI

RSSI là đặc trưng cho độ nhạy cua tín hiệu.

e Signal Bandwidth (BW)

BW hay băng thông là độ rộng của tan số trong dãy truyền BW càng lớn thì tốc

độ truyền dữ liệu càng lớn nhưng độ nhạy tín hiệu sẽ bị giảm (do SNR) Với mỗi chỉ

số SF, BW càng hẹp thì càng tăng độ nhạy nhận được, tuy nhiên sẽ tăng thời giantruyền trong không khí Băng thông có thể sử dụng trong khoảng từ 7.8 kHz đến 500kHz Các giá trị của băng thông có thé dung lập trình được: 500 kHz, 250 kHz hoặc

125 kHz.

Mối quan hệ giữa các thông số trong LoRa:

e Thi gian truyền

18

(2.1)

o_T: thời gian truyền trong không gian

o SF: Spread Factor hệ số lan truyền trong không gian

o BW: Banwidth băng thông truyền tin trong không gian

e_ Tốc độ truyền bit trong đơn vị thời gian

R, = SF * re CR (2.2)

o R: khối lượng bit trên giây

o CR: Code Rate chỉ số môi trường số lượng bit kiểm tra

2.1.2 Giao thức LoRaWAN

LoRaWAN là một giao thức mạng hình sao với ưu điểm cho khoảng cáchtruyền xa và tiết kiệm năng lượng nhờ vào việc tích hợp kĩ thuật điều chế tín hiệu

3< 2

Long Range Long Battery Life High Capacity

= Deep indoor Low-power = High capacity—millions = Minimal

coverage (including optimized of messages per base infrastructure

multi-floor = Upto 10-year station / gateway Low cost end-node

buildings) lifetime = Multi-tenant

interoperability Open source

Indoor/outdoor Firmware Updates Roaming: Embedded

end-Accurate without Overs the› Air for Seamless to-end AES- 128 the need for GPS applications and handovers from encryption

the LoRaWAN one network to = Unique ID

No battery life stack another q

impact = Application

Network

Hình 2.3 Một số ưu điểm của mạng sử dung LoRaWAN [26]

Xét về yêu tố tiết kiệm pin thì năng lượng cần dé truyền một gói tin di rất thấp,với điều kiện rằng kích thước gói tin phải thấp và chỉ truyền vài lần trong ngày Khi

19

thiết bị đầu cuối không hoạt động, nó có thé đi vào chế độ ngủ với năng lượng tiêu

thụ thấp (cỡ mW) giúp cho thiết bị có thể kéo đài thời gian hoạt động liên tục đếnnhiêu năm.

Một mạng LoRaWAN có thể chịu tải hàng triệu gói tin Tuy nhiên số lượng

gói tin xử lí được phụ thuộc vào số lượng LoRa Gateway lắp đặt trong một khu vực

Một LoRa Gateway tiêu chuẩn hỗ trợ tám kênh truyền có thể xử lí hàng trăm ngàngói tin trong vòng 24 giờ Nếu mỗi thiết bị đầu cuối tích hợp LoRa gửi mười gói tinmột ngày thì chỉ cần một LoRa Gateway có thê xử lí tới 10 000 thiết bị đầu cuối Haynói cách khác một LoRa Gateway có thể thu thập được chỉ số nước từ hơn mười ngàn

hộ dân trong vòng bán kính 5 đến 15 km, xét trường hợp xấu nhất là một hộ dân gửi

lại dữ liệu 10 lần trong ngày Nếu một khu vực mạng có mười Gateway thì mạng có

thé chịu tải tới một trăm ngàn thiết bi đầu cuối và một triệu gói tin Cần lưu ý răngkhông có một hướng di cụ thé nào từ một thiết bị đầu cuối đến một Gateway và ngượclại, nghĩa là tất cả những gói tin gửi đến và gửi đi giữa thiết bị đầu cuối và Gateway

được bắt đầu gửi hoặc được nhận bởi tất cả Gateway trong khu vực, sự trùng lặp gói

tin được giải quyết ở trên máy chủ của LoRa Gateway Nếu muốn tăng số lượng gói

tin hay quy mô xử lí thì chỉ cần tăng số Gateway.

Trong một mạng sử dụng giao thức LoRaWAN thì LoRa nằm ở tầng vật lý với

vai trò như một kĩ thuật điều chế tín hiệu không dây tầm xa LoRaWAN là một giao

thức mạng mở, truyền hai chiều có bảo mật, di động (mobility) và có tính nội địa hóa

Hình 2.5 Sơ đồ các thành phan trong mang LoRaWAN

End Device (thiết bi đầu cuối): Là một cảm biến hoặc cơ cấu chấp hành đượckết nỗi không dây với mạng LoRaWAN thông qua các LoRa Gateway (LoRaWAN

Gateway) sử dụng kĩ thuật điều chế LoRa

LoRa - Enabled Network Sever (may chủ mang) (LNS): Máy chu mang quản

lý toàn bộ mạng, điều khiển một cách tự động các thông số mang dé hệ thống có thé

thích nghi với các điều kiện mạng luôn thay đổi Mã hóa bảo mật theo chuan AES

128 bit được sử dụng cho đường truyền dữ liệu từ thiết bị đầu cuối đến tầng ứng dụng

người dùng trên máy chủ đám mây, và cho đường truyền qua lại giữa các thiết bị đầucuối và máy chủ LNS Hệ thống máy chủ này nhằm đảm bảo tính xác thực của mọi

thiết bị đầu cuối và tính toàn ven của gói tin Máy chủ này cũng không thé đọc hoặc

truy cập vào dữ liệu được gửi lên nó.

Những đặc điểm của máy chủ LNS:

e Kiểm tra địa chỉ của thiết bị

21

e Xác thực, đếm va quản lí gói tin.

e Xác nhận những gói tin nhận được.

e Tu động điều chỉnh tốc độ truyền gói tin sử dụng giao thức ADR

e Trả lời tất cả những yêu cau từ lớp địa chi MAC của thiết bị

e_ Chuyển tiếp tất cả những gói tin tải lên đến các máy chủ tầng ứng dung phù

hợp.

e_ Sắp xếp những gói tin tai xuống từ bat ki một máy chủ tang ứng dung nao đến

những thiết bi đang kết nỗi vào mạng.

e Chuyén tiếp những gói tin yêu cầu kết nối (Join - request) và cho phép kết nối

(Join - accept) giữa các thiết bị và máy chủ kết nối (Join server)

LoRaWAN Gateway: Nhận các gói tin được điều chế tín hiệu LoRa trongphạm vi phủ sóng tín hiệu của nó và chuyên các gói tin này đến máy chủ mạng LNSđang được kết nối với mạng lõi bằng giao thức IP Trong LoRaWAN, mỗi gói tin tảilên của một thiết bị đầu cuối sẽ được nhận bởi tất cả các LoRaWAN Gateway trong

phạm vi phủ sóng của nó Đặc điểm này giúp giảm thiêu một cách đáng kể lỗi gói tin

vì nêu Gateway này không nhận được thì sẽ có một Gateway khác nhận được gói tinhoàn chỉnh, giúp giảm tiêu thụ năng lượng trên những thiết bị đầu cuối và thêm khả

năng định vi vi trí (gia sử mỗi Gateway được khai báo vị trí GPS).

LoRaWAN Gateway có thé kết nỗi đến một máy chu (cloud server) thông qua

đường mạng dây Ethernet, Wifi, mạng điện thoại 3G, 4G, LoRaWAN Gateway

hoạt động hoàn toàn ở tầng vật lý của mô hình mạng và đóng vai trò không gì hơn làmột thiết bị ding dé chuyền hướng gói tin LoRa lên mạng LoRaWAN Gateway chi

có một vai trò là kiểm tra tính toàn vẹn của gói tin LoRa nhận được thông qua giải

thuật CRC CRC (Cyclic Redundancy Check) là một giải thuật dùng dé kiểm tra lỗicủa gói tin Nếu gói tin thông qua CRC được phát hiện có lỗi thì gói tin đó sẽ bị bỏqua không nhận bởi Gateway Nếu gói tin không có lỗi thì nó sẽ được gửi đến máy

chủ mạng LoRa (LNS) cùng với một số siêu dữ liệu (metedata) như là giá trị RSSI

của gói tin, thời gian nhận gói tin Khi một LoRa Gateway thực hiện việc truyền gói

22

tin trên kênh tải xuống, nó nhận lệnh truyền từ LNS mà không cần xử lí biên dịchgói tin trước Khi một gói tin LoRa được gửi đi từ một thiết bị đầu cuối, tất cả LoRa

Gateway sẽ nhận cùng một gói tin giống nhau và gửi đến LoRa LNS Tại LNS sẽ

thực hiện việc xóa gói tin trùng lặp do được nhận bởi nhiều Gateway Thông qua giátrị RSSI của những gói tin giỗng nhau này, máy chủ LNS sẽ chọn gói tin nào đượcgửi từ Gateway mà có giá trị RSSI tốt nhất bởi vì điều này nghĩa là Gateway đó đang

ở gan thiết bị cuối gửi gói tin LoRa đó nhất May chủ LNS sẽ chon Gateway đó détải gói tin xuống thiết bị đầu cuối đó Chính đặc điểm này giúp có nhiều sự lựa chọn

loại Gateway khác nhau tùy vào mục đích sử dụng Sử dụng LoRa Gateway 8 kênh

cho hiệu năng nhận và xử lí gói tin thấp nhất hơn nhưng giá thành lại rẻ LoRaGateway 8 - 16 kênh có thé được dùng trong nhà hoặc ngoài trời Gateway 64 kênhthường chỉ được dùng cho các hệ thống như các cột thu sóng ăng - ten trên cao hay

các trạm tín hiệu đặt trên những tòa nhà trọc trời.

Application Sever (máy chủ tang ứng dung): Tang này chịu trách nhiệm quan

lý và thông dịch dữ liệu đến từ các thiết bị đầu cuối Máy chủ này cũng tạo ra những

gói tin tải xuống thuộc tầng ứng dụng đến các thiết bị đầu cuối

Join Sever (máy chủ kết nối): Quan lý quá trình cho phép kết nối vào mangLoRaWAN của các thiết bị đầu cuối Máy chủ này chứa những thông tin cần thiết để

xử lí những gói tin tải lên yêu cầu kết nối và tải xuống những gói tin cho phép kếtnối

Máy chủ này báo hiệu cho máy chủ mạng biết rằng máy chủ tầng ứng dụng nàonên được kết nối đến thiết bị đầu cuối và trong phiên làm việc đó sẽ thực hiện việcphân giải ra mã khóa mạng (network session key) và mã khóa tầng ứng dụng

(application session key) Máy chủ kết nối sẽ liên lạc đến máy chủ mạng và máy chủ

tầng ứng dụng tương ứng thông qua mã khóa mạng và mã khóa tầng ứng dụng

Chính vì lí do trên mà mỗi máy chủ kết nối đều chứa những thông tin sau của

từng thiết bị đầu cuối mà nó quản lý:

e Ma DevEUI: Mã số định danh riêng cho từng thiết bị đầu cuối

23

e_ Mã Appkey: Mã khóa tang ứng dụng.

e Ma NwkSKey: Mã khóa tang mạng

e Thông tin định danh máy chủ tầng ứng dụng

e Hồ sơ thông tin về dịch vụ tại thiết bị đầu cuối

Nhằm đảm bảo tính bảo mật của hệ thống, chất lượng dịch vụ mạng và một SỐyêu cầu khác thì mỗi thiết bị trong mạng phải được ủy nhiệm và kích hoạt quyền kếtnối vào mang Có hai phương pháp đề kích hoạt quyền kết nối vào mạng:

Bảng 2.2 So sánh kết nối OTAA và ABP

OTAA (Over - the - Air Activation) | ABP (Activation by Personalization)

e Nhà sản xuất thiết bị tự động tạo ra | ®

các thông số cần thiết (như là định

danh, mã khóa, vi trí máy chủ, )

Mã khóa bảo mật có thể được làm

mới thường xuyên.

Mỗi thiết bị có thể chứa nhiều địnhdanh dé có thé tự động chuyền đôi

một cách an toàn giữa các mạng và

nhà vận hành trong suốt thời gian

hoạt động của nó.

Chứa một số tính năng bảo mật cao

cap như chong gia mạo,

La một phương pháp ủy nhiệm

quyền kết nối vào mạng được đơn

giản hóa nhưng it an toàn hon.

Mã định danh và mã khóa được tạo

ra riêng ở quá trình chế tạo

Thiết bị có thể kết nối vào mạng

ngay lập tức ngay khi khởi động, vì

quá trình xin cho phép kết nối được

bỏ qua.

Thiết bị chỉ có thể hoạt động trongnhững mạng/dịch vụ cụ thể

2.1.4 Bảo mật trong mạng LoRaWAN

Tính bảo mật trong một mạng LoRaWAN được xác định dựa vào hai yếu tốchính: phương pháp ủy nhiệm kết nối và tính xác thực của gói tin Chỉ có những thiết

bị được ủy nhiệm mới có thể kết nối vào mạng Dia chi MAC của mạng LoRaWAN

và những gói tin trong mạng được xác thực về nguồn gốc, được đảm bảo tính toàn

vẹn của gói tin và được mã hóa Những đặc điêm này nhăm đảm bảo răng đường

24

truyền đữ liệu trong mạng không bị can thiệp làm thay đối, không bị nghe lén, bắt gói

tin thay phát lại gói tin vì chỉ có những thiết bị hợp pháp được ủy quyền mới có thểkêt nôi vào mạng.

ae LoRa®-Enabled „z Application Servers Dashboards or

oe Network Server v” Data Portals

Securely-stored ROOT KEYs

End Device Gateway

—

Join Server

Securely-stored

ROOT KEYs

Hình 2.6 Mã khóa được tạo ra trong quá trình ủy nhiệm quyền kết nối

Mỗi mã khóa riêng được tạo ra ở mỗi thiết bị đầu cuối, và những mã này được

lưu trữ tương ứng trên máy chủ kết nối Sau đó mỗi thiết bị đầu cuối gửi một gói tin

yêu câu kêt nôi đên máy chủ kêt nôi như được minh họa trên hình 2.7.

Securely-stored "n.

¬ `" Cie

@ -A = =

End Device Gateway “LoRa®-Enabled „z“ Application Servers Dashboards or

Network Server ⁄ Data Portals

L2

Size (bytes) 8 8 2

Join Request | JoinEUL | DevEUI | DevNonce D

Join-request message fields

Join Server

Securely-stored ROOT KEYs

Hình 2.7 Thiết bị đầu cuối gửi gói tin yêu cau kết nối

25

Nếu mã khóa khớp nhau, máy chủ kết nối chấp thuận cho thiết bị đầu cuối

được kết nối và gửi về một gói tin cho phép kết nối như được minh họa trên hình 2.8

Size (bytes) [3 3 + i 1 [6-Optiena)]

Toin Accept [JoinNonce | Home NETID | DevAddr | DiSettings | RxDeloy | của |MIC WEB

Join-accept message fields —_——

doin Server

Securely-stored ROOT KEYs

Hình 2.8 Máy chủ kết nối gửi tra về gói tin cho phép kết nối

2.1.5 The Things Network

The Things Network (TTN) là một máy chủ mạng LoRaWAN được cung cấpbởi The Things Industries TTN cung cap các dich vụ mạng, hỗ trợ các cá nhân hoặcdoanh nghiệp triển khai ứng dụng sử dụng LoRaWAN lên hạ tầng đám mây Internetcủa họ TIN cung cap các máy chủ và dich vụ miễn phi/tra phí, các dịch vụ của họ

Connect devices to The Extend The Things Manage your applications Build applications on The

Things Network Network by installing a and devices Things Network.

nam ở máy chủ tầng ứng dụng trong một mạng LoRaWAN Lay vi du nhu dich vu

Storage Intergration của TTN sẽ theo dõi các gói tin tai lên Khi gói tin được xác nhận

bởi TTN thì dữ liệu của một gói tin (gồm dữ liệu chưa giải mã, Fport, dữ liệu đã giải

mã và một số thông tin liên quan khác như thời gian gateway nhận gói, ) sẽ được

lưu trữ trong một cơ sở dữ liệu [30].

Một trong những ưu điểm khi sử dụng TTN là không cần phải trả phí duy trìmáy chủ, lưu trữ đữ liệu hay phải tự cấu hình cơ sở dữ liệu, các dịch vụ web nhưthường được thấy ở các ứng dụng IoT kết nối đến các dịch vụ máy chủ đám mây của

Amazon, Microsoft, Google, Các gói tin được lưu trữ miễn phí trên TTN và nhà

phát triển ứng dụng có thể truy cập những dữ liệu này ở bat kì đâu có kết nối Internet

và sử dụng chúng dé tạo nên các ứng dụng, phan mềm ứng dụng công nghệ LoRa

Mục đích của đề tài là thiết kế một thiết bị nhỏ gọn, truyền xa và tiết kiệm năng

lượng Đặc điểm của thông tin truyền đi có kích thước rất nhỏ, chỉ 5 byte cho 5 chữ

số ở chế độ dự đoán toàn phần, và dữ liệu chỉ truyền mỗi tháng một lần tới trạm thu

nên không cân toc độ truyên và thời gian truyền nhanh Nêu sử dụng các công nghệ

27

truyền thông khác như Wifi, 3G, 4G, Zigbee, truyền đến trạm cơ sở sẽ tốn hao chi

phí lớn, lãng phí tài nguyên do không tận dụng hết khả năng của các giao thức này

(băng thông lớn, tốc độ truyền nhanh ) Mặt khác đặc điểm của các giao thức truyền

thông này là phải có được sự phủ sóng của trạm thu nên khi thiết bị rời khỏi vùng phủsóng của trạm thu hay chuyên vùng trạm thu sẽ gây ra rắc rối cho việc quản lý, truyền

dữ liệu Sau đó dé có thể truy cập dit liệu từ các trạm thu này ở bat kì đâu thì phải gửi

dữ liệu lên các dịch vụ máy chủ đám mây trả phí hoặc bị giới hạn rất nhiều về chứcnăng Bên cạnh đó, đặc điểm của thiết bị yêu cầu sử dụng pin kích thước nhỏ, hoạt

động lâu dài, nếu sử dụng các công nghệ nêu trên sẽ không đảm bảo được thời gian

sử dụng dài cho mỗi lần sạc pin Vì vậy việc ứng dụng công nghệ LoRa và hạ tầngLoRaWAN là giải pháp phù hop, tiết kiệm chi phí và mang lại hiệu quả tối ưu

2.2 Tìm hiểu về máy học

2.2.1 Giới thiệu về máy học

Trí tuệ nhân tạo là một khái niệm rộng, bên trong nó bao hàm máy học và học sâu.

A subset of ML which make

the computation of multi-layer

neural networks feasible

1950’s 1960’s 1970s 1980's 1990's 20005 2010s

ORACLE ‘Copyright © 2018, Oracle and/or its affiliates, All rights reserved |

Hinh 2.11 Méi quan hệ giữa trí tuệ nhân tao, máy học và hoc sâu [35]

28