Khóa luận tốt nghiệp Truyền thông và mạng máy tính: Nghiên cứu và phát triển hệ thống tính toán cận biên bằng công nghệ ảo hóa container ứng dụng vào quản lý môi trường nhà kính

HÒ CHÍ MINHTRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN KHOA MẠNG MAY TÍNH VÀ TRUYEN THONG KHOA LUAN TOT NGHIEP Nghiên cứu va phát triển hệ thống tính toán cận biên bang công nghệ ảo hóa container

ĐẠI HỌC QUOC GIA TP HO CHÍ MINH

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN

KHOA MẠNG MAY TÍNH VÀ TRUYEN THONG

TRAN NGUYEN QUANG TRUONG - 18521572

NGUYEN DINH THONG - 18521458

KHOA LUAN TOT NGHIEP

NGHIÊN CUU VA PHAT TRIEN HE THONG TÍNH TOÁN CAN BIEN BANG

CONG NGHE AO HOA CONTAINER UNG DUNG VAO QUAN LY MOI

TRƯỜNG NHÀ KÍNH

Research and develop edge computing system with container technology for

environmental management of greenhouses

KY SU NGANH MANG MAY TINH

TP HO CHi MINH, 2022

ĐẠI HỌC QUÓC GIA TP HÒ CHÍ MINH

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN KHOA MẠNG MAY TÍNH VÀ TRUYEN THONG

KHOA LUAN TOT NGHIEP

Nghiên cứu va phát triển hệ thống tính toán cận biên bang công nghệ ảo hóa

container ứng dụng vào quản lý môi trường nhà kính

Research and develop edge computing system with container technology for

environmental management of greenhouses

KY SU NGANH MANG MAY TINH

GIANG VIEN HUONG DAN PGS.TS LE TRUNG QUAN

TRAN NGUYEN QUANG TRƯỜNG - 18521572

NGUYEN ĐÌNH THONG - 18521458

TP HO CHi MINH, 2022

LỜI CẢM ƠNĐầu tiên nhóm em xin chân thành gửi lời cảm ơn chân thành sâu sắc tới các thầy cô củatrường Đại học Công nghệ thông tin, các thầy cô khoa Mạng máy tính và truyền thông

đã nhiệt tình giảng dạy, chỉ bảo và cung cấp cho nhóm những kiến thức quý báu trongnhững năm học vừa qua Nhóm em xin gửi lời cảm ơn đến thầy PGS TS Lê Trung Quân

đã đồng hành cùng với nhóm em trong suốt thời gian thực hiện khóa luận, giúp nhómxác định rõ hơn về định hướng dé tai, công nghệ cũng như các kiến trúc liên quan dénhóm có thê tự tin phát triển tốt đề tài này Nhóm em cũng gửi lời cảm ơn đến các thầy

cô, giảng viên, các anh chi trong phòng thí nghiệm E3.1 đã giúp đỡ nhóm cũng như chia

sẻ những kinh nghiệm quý báu để nhóm hoàn thiện khóa luận tốt hơn Sau cùng, nhóm

em xin gửi lời chân thành tới gia đình, người thân và bạn bè đã đồng hành, làm nguồnđộng lực khích lệ trong quá trình làm khóa luận Nhóm em xin chân thành cảm on!

TOM TAT KHÓA LUẬN -2- 22 2£©++2EE2EEEEEEEEE+2EE2271E2211271127112721 21222 xe |

NOI DUNG KHOA LUAN 27A g - 2

Na “ : 2

1.I Tổng quan ⁄⁄⁄„#P À 21.2 Phat biểu van dé và mục tiêu hướng đến - 2-5 + ++++zxzxe+xcse2 6

1.2.1 Phat biểu vấn đề -c2ckcSckEEkiErkrerkrerkrerkrerrrerrvee 61.2.2 Mục tiêu hướng đến +-©2<+kt2EEeEESEEEEEEEEEerkrrkerkeerkees 71.3 Phạm vi đề tài 2c 7S 2 22k 2 2212211221211 re 81.4 Cau trúc của khóa luận -:-2¿- +¿©++E++2E++ExtEExerxtzrxerkerxerrrerxees 9

2 Cac nghiên cứu và công nghệ liên qua1 - 5 23+ + ++EE+eseeeersserreesse 9

2.1 _ Các nghiên cứu và xu hướng công nghệ trên thé giới -: 9

2.1.1 I0 )ể:80/0ìi 10 — 102.1.2 Hệ thống MAESTRO 2- 2-52 2E 2 21121121122121171 211121 cre 112.1.3 Một số nghiên cứu mở rộng -¿ 2 2+ £++£+E++£++Ex+rxerxerxerxered 112.2 Cơ sở lý thuyết va hướng tiếp cận đề tai.cecceecccccecscessesssesseessesseessesseesseeseeens 12

2.2.1 Một số ứng dụng IoT trong nhà kính - 2-2 2 s2 s22 12

2.2.2 Nền tảng điện toán đám mây (Cloud computing) -:-2s2 132.2.3 Nền tảng điện toán đám mây cho trí tuệ nhân tạo « -«- 182.2.4 Phần cứng và phần mềm tại biên - 2-2 +2 z+x+2Ez+£xtzzzerxzrxere 23Phương pháp luận và nghiÊn CỨU - - - c- 2Ă 2232119211211 151 19111111111 11x ren 34

3.1 Dac tả mô hình ngữ cảnh: - - c1 HH ngư 34

3.2 Hạ tầng mạng và AO hÓa - Gv ng nến 35

3.3 Tổng quan luồng dữ liệu trong hệ thống ¬— 38

ni ng ädOỒẰĂ.E Ả 393.5 Mô hình phân rã hệ thống - 2-2 + +E+£E££E£EEEEE2EEEEEEEErEkrrkrrrree 41

3.5.1 Thành phần tại Cloud -:-¿+++++++++t+++++++zzxtzrxrzrxrsrxerx 41

3.5.2 _ Thành phần tại Edge ¿ ¿©-+++++tx+ttrrrrrxrrrxrrrxrrrrree 433.5.3 Thành phan tại đầu cuối -2 ++++E2+E£EE+EE+EEerkerkerxereeree 44

° M6 hinh Usecase na - 45

3.6.1 Usecase tong quát - 2 5c ©2222 E2121122121 2121 rkcrei 45

3.6.2 Usecase danh sách nhà kính + ++s+++x£+sk++EEeekseeeeeessrreeeske 46

3.6.3 Usecase thông tin chỉ tiết nhà kính - ¿2 22 s+x+zx+zxerxerxeres 473.6.4 Usecase thông tin dự đoán - - 55 + * + k**E* vsirereererreerke 48

Hiện thực và triển khai hệ thống ¬— 49

4.1 Hiện thực Node Express Server sseseesccsscecseceneescecseeeeseesseecaeesaeesseeees 49

4.1.1 NIG VU 011177 49

4.1.2 Công nghỆ SH HH TH HH HH nh ng 49 4.1.3 Hiện thực - SÁT HH TT TH HH HH HH 50

4.2 _ Hiện thực phan training model và đóng gói images - -: 52

4.2.1 Nhiệm vụ SH TH TH TH TH ng TT HH Hàn 52

4.2.2 — Công nghỆ - SG SH HH HH He 33 4.2.3 Hiện thực SH 2H HH HH Hành HH 53

4.3 _ Hiện thực trang web dashboard quan lý và theo dõi thông số môi trường câytrồng 61

4.3.1 Nhiệm vụ ©2.2Sc22tEESEEEEEEEEEEEkrrkrerkrrrrerkrrrrrree 61 4.3.2 Công nghỆ LH HH HH He 61 4.3.3 Hiện thực -cc 2c 2c 2 HH reeerreg 62

4.4 _ Hiện Thực Phần EDGE -2- 22 x++E++EE++E+£EE+2EEtEketrxerkrerxerrerree 65

4.4.1 Nhiệm vụ -.-5cc2ccc2v2rkeEEEEerkrerkerkrerkrrrrerkrrrrrree 65

4.4.2 Công Nghệ -27cccckcSEkreEkrerkrrrrrrrrrrrrrrerree 65

4.4.3 Hiện Thực ©ccccrcreerkerreerkerrrerkrrerree 65

Kết quả thử nghiệm và đánh giá - 2: ©2¿5S2S22EEEEESEEEEEEErkrrrrerkerrrrree 69

5.1 _ Kịch bản 1: Kiểm thử hiệu năng của hệ thống Edge-Cloud và hệ thống truyền

thống 69

5.2 Kịch bản 2: Đánh giá độ chính xác của model AI trong việc đề xuất cây trồng

phù hợp với điều kiện đưa vàO - +: ©2¿+x+2E£EEt2EEEEECEEEEEE221211211 71.21 cre 75

5.2.1 Ly thuyết phép đo đánh giá mô hình 2 s¿©z+x+zzz+rxzzeees 755.2.2 _ Kết quả và đánh giá mô hình - ¿2+ +2 £+E£+E++EE+rEerxerxerkerxeree 71

5.3 _ Kịch ban 3: Đánh giá độ chính xác của model AI trong việc dự đoán nhiệt độ,

độ âm trong ngày tiếp theo -¿- 2 2 s+SE+EE‡EEEEEEEEEE11211211211211211111 11111111 ty 78

5.3.1 _ Lý thuyết phép đo đánh giá mô hình 2 s©z+x+zzz+rxzrxees 78

5.3.2 Kết quả và đánh giá mô hình - 2+ 2+£+E£+E++EE+EEerkerxerxerkeree 79

6 Kết luận và hướng phát triỂn -2-2¿©++2+++EE+2EEE2EEEEEEEtEEErEExrrrkrrrkrrrkree 84

6.1 KẾt luận 2cc22EEtE E212 107112110211211111 21111 11k 84

6.2 Hướng phát triỂn -¿- 2+2k+Ek+EE£EEEEEEEE211211211211211 7111111 85

7 _ Tiến độ thực hiện khóa luận - 2 2¿©2++x+2E++EE++EESEE+SEEerkrzrxerkrzrxerkrerxee 86Tài liệu tham khảO - - 22 E2 21111122331 111111531111 29311 111g vn ng nen rưy 87

DANH MỤC HÌNH VE

Hình 1.1: Minh họa Internet of TH S St kg kg kg key 3

Hình 1.2: Biểu đồ số lượng các thiết bị kết nối toàn CẩM - ¿+ +tzE+Evxerresez 4Hình 1.3: Biểu do dự đoán thị trường IoT đến năm 2025 [ H] -. -5- 555555552 4

Hình 1.4: Minh họa Edge COIDUHTÏH 5s SH HH thư 6 Hinh 2.1: \/(1/1,8,//./86011).).1.;/Squdaa HH 10 [;01.1/892720//01/1.8.9.80//0.70AY0.000nnẺ88.Ầ.Ầ.ẦẦ.Ầ.ẦỐ 11

Hinh 2.3: Minh hoa cdc thanh phan CAL CIOUG voececcccccsecccsssccesscccessscesssccesseseesseeeesaeeeeseees 18Hình 2.4: Minh họa về AWS, Azure và GCP voicessssssesssssssessssssssessssssseessesssnneessessnied 20Hình 2.5: Minh họa giải pháp hoc máy truyén thong cecccceccescessessesseesesssessessessesessesseeses 23

Hình 2.6: Minh họa giải pháp AIfOÌMÍÌL, - «<< xxx xxx ket 23

Hình 2.7: Thiết bị RaspbeFrybi - + 5+ St tt EEEEEE112112121121121121121 211 rreg 25Hình 2.8: Thiết bị Libelium Waspmote ccsscccscsscesscsssesseessessssssesssessesssessesssecsesssecsssseeseeees 26Hình 2.9: Minh họa về Docker eiccccsscesssesssvssessesssssesesssssssssssrssussssvesesassecsesassssvesesneeeeees 29Hình 2.10: Minh họa về cấu trúc Dockerrfile -©-<+c++c++++e+zerkeerxerxeerxerrerree 30Hình 2.11: Minh họa về Kubernetes (K\S) - ¿5c ềE‡E‡EEEEEEEEEEEEEEEErkerkerkrree 32

Hình 2.12: Minh họa mô hình K Ở/Š «<< S13 3E111931 11 K11 951111 vay 34

Hình 3.1: Mô hình ngữ cảnh của hệ thong 5- 5c ©5£©S2+S£+E+EE£EE2EEEEerkerxerkerrees 35Hình 3.2: Mô hình hạ tang NANG oeeeeeseceeeeceensecenncecescecesnecceeaeeeesaeeesaeeeeneeseaeeeceaeeeetaneeees 37

Hình 3.3: Mô hình luông UE NIG 00nnẺẼn8AeA 38

Hình 3.4: Minh họa hướng tiếp cận AL ceecescecsscsscssssssssessesseseesessesssseesessesessessessesesesseeseaes 40

Hình 3.5: Mô hình phân rã cầu trúc CLOUD -ecc+ck+EESEES+EESESEEEEEerkerkerkeree 4I

Hình 3.6: Mô hình phân rã cấu trúc EDGE -©-+©c£+++++++E++Ek+rterkeerkerrerred 43

Hình 3.7: Mô hình phân rã cấu trúc END DE'VICE:S 2 s + ++E+E+rerxersees 44 Hình 4.1: Sơ đô thành phần tại CLOUUID 2-2 ©E+E£EE+E+E2EEEEE2EEEEErkerkerkerret 49

Hình 4.2: Model greenhouse VG H-SF Ă SG SE RE kg vn vết 50 Hình 4.3: API xử lý dit lIỆU tai S€TVTF SH TH HT kg vết 52

Hình 4.4: Minh họa về việc nhận dữ liệu từ EDGE và lưa vào MongoDB thành công 52

Hình 4.5: Sơ đồ quá trình train model AI - +: s-©s+E++E£+E++E+EE2EESEESEEEEerxerxerkervers 52

Hình 4.6: Dataset nhiét đẪỘ - c EEE1301EE 11111 1kg kg kg ky 54Hình 4.7: Dataset độ Gin cecccccccccccscssssescscessscsvsvececescsvseussesvavsenesessavsvesasseavaveusasavavensaeaeees 55

Hình 4.8: Dataset Crop T€COHHM€HÏAfÏOHH G- G611 56 Hình 4.9: Model training thành CON - SG SH key 57

Hình 4.10: Code Al-Server nhận dit liệu và trả về dự đoán -:-:cs+c+esrsxszsseez 58Hình 4.11: Cau trúc source code AI-Serve r scssesssessvsssesssesssssesssssessssssesssessesssesssssesseeees 59Hình 4.12: Dữ liệu trả về của AI cccc+22SS+crttEEEktttrttirirririiiirriirie 60Hình 4.13: Sơ đô web dashboard csecsecssesssessesssesssssesssssvessssssesssssssssessesssecsesssecsessseeseeees ó1

Hình 4 14: Màn hình đăng nhẬp .- c- «ch kg 62 Hình 4.15: Màn hình quản lý ChUINg - cà 1x 62

Hình 4.16: Man hình thông tin chỉ tiết của từng greenhouse scecccsccsccsseeseesessvessesveseeses 63Hình 4.17: Cau trúc mã nguồn Web . -+- 5£ ©-<£S+2E££EE£EEEEEEEEEEEEEEEerkeerkerrerree 64

Hình 4.18: Sơ đô thành phần tại EDGE cescecscsscessessscssesssesssessessssssesssessesssesssssesssessecsecess 65

Hình 5.1: Biểu đô so sánh hệ thong sử dung Edge và không sử dung Edge 75Hình 5.2: Kết quả Accuracy của model AI Crop Reconunendatioh -. -: -5: 77Hình 5.3: Kết quả Precision va Recall của model AI Crop Recommendation 77Hình 5.4: Kết quả confusion matrix của model AI Crop Recommendation 78Hình 5.5: Kết qua MAE, R2, NRMSE cua model AI TemDe€rdMF€ -«-<-«<+ 79Hình 5.6: Kết qua MAE, R2, NRMSE cua model AI Humidlify « -<-<<<++ Sl

Hình 5.7: Biểu đô Forecast Horizon của model AI Humidify 5-©52-5255+: 8&1

Hình 5.8: Biểu đồ sự chênh lệch giữa giá trị dự đoán và giá trị thực a 8&3

DANH MỤC BANG

Bang 1: Cloud với máy Chủ VẬT Íý cà cv kg kg ng HH kg kết 16Bảng 2: Các dịch vụ AI/ML, IOT của ba nên tảng coecsesssessesssessesssesssessesssessesssessesssessesees 20Bang 3: Cấu hình hệ thống truyén thong cvcccsessccssesssessesssesssessesssessesssessesssecsesssessessessesees 70Bang 4: Cầu hình hệ thống Edge-Cloud sceccccsscsssessssssvssvssvessssesvsseesssssseseesesssveseeseeneaes 71

Bang 5: Tốc độ phản hoi của Edge và NOE ge cesceccsssssvessessessesssesssessesssessesssessessessseess 74

Bang 6: Bảng so sánh giá tri dự đoán và giá trị thực té.ceccecceccessessessessesssssssssessessessessen 8&3

DANH MỤC TỪ VIẾT TẮT

Internet of Things loTs

Artificial Neural Network ANN

Support Vector Machine SVM

Amazon Web Services AWS

Google Cloud Platform GCP

Platform as a service PaaS

Artificial Intelligence Al

Machine Learning ML

Deep Learning DL

TOM TAT KHÓA LUẬN

Theo số liệu dự báo của Liên Hợp Quốc [1], vào năm 2050, dân số thế giới dự kiến sẽ

chạm ngưỡng 9.7 tỷ người, tăng khoảng 25% so với con số hiện tại Xu hướng đô thịhóa sẽ tiếp tục tăng với tốc độ nhanh chóng, khoảng 70% dân số thế giới được dự đoántrở thành dân số thành thị đến năm 2050 (so với hiện nay là 49%) Hơn nữa, mức thunhập sẽ tăng lên gấp đôi so với hiện tại, điều này thúc đây nhu cầu lương thực tăng cao,

đặc biệt là ở các nước đang phát triển Đề nuôi sống một lượng dân số thành thị lớn này

thì sản lượng lương thực phải tăng gấp đôi vào năm 2050

Không chỉ đối với lương thực, mà lĩnh vực sản xuất cây trồng cũng trở nên quan trọngkhông kém đối với ngành công nghiệp Các loại cây trồng như bông, cao su, đang đóngvai trò quan trọng trong nền kinh tế của nhiều quốc gia Những nhu cầu này đang làmtăng thêm áp lực đối với các nguồn tài nguyên nông nghiệp vốn đã khan hiếm

Do những hạn chế về mặt nhiệt độ, khí hậu, địa hình và chất lượng đất không đồng nhất

nên khó định lượng sự khác biệt của các loại thực vật; các yếu tố về mô hình đất đai, khíhậu và mật độ dân số tăng nhanh trong quá trình đô thị hóa cũng đặt ra các mối đe dọađối với sự sẵn có của đất canh tác Đây là lý do tại sao nông nghiệp thông minh xuất hiện

đặc biệt là các dự án nhà kính thông minh.

Với sự phát triển mạnh mẽ của các thiết bị IoTs ứng dụng vào nông nghiệp đã góp phancải thiện năng xuất cũng như hạn chế các rủi ro về bệnh cây trồng Đi cùng với sự pháttriển này là lượng đữ liệu phải xử lý ngày càng tăng và đòi hỏi các công nghệ mới hơnnhằm nâng cao chất lượng của hệ thống IoTs trong nông nghiệp Với vấn đề này, nhóm

nghiên cứu công nghệ Edge Computing và AI ứng dụng vào giám sát môi trường trong nhà kính.

NỘI DUNG KHÓA LUẬN

1 Giới thiệu

1.1 Tổng quan

Internet of Things, hay IoTs, là cụm từ dùng để chỉ các thiết bị vật lý đượckết nối internet có khả năng thu thập đữ liệu, chia sẻ thông tin với độ bao phủ toàn

cầu, nghĩa là bất cứ thiết bị vật lý nào có khả năng kết nối internet, thu thập, lưu

trữ và chia sẻ thông tin thì đều là IoTs Như vậy có thể thay xung quanh chúng tađâu cũng có sự xuất hiện của các thiết bị IoTs, từ những thiết bị đơn giản như cảmbiến chuyển động của con người cho đến những thiết bị có độ phức tạp cao hơnnhư hệ thống dự đoán khí hau, smart city, loT khiến cho các vật thể trở nên

"thông minh" bằng cách làm cho chúng có khả năng truyền dữ liệu và tự độnghóa các tác vụ mà it cần bất kỳ sự can thiệp thủ công nao từ con người Sự xuấthiện của các thiết bị loT giúp tối ưu hóa giữa hai thé giới kỹ thuật số và vật ly

Về cơ bản thì bat cứ thiết bị nào được kết nối internet và có thé thu thập

dữ liệu, lưu trữ và chia sẻ thì đều có thể được xem như là thiết bị IoTs

Hinh 1.1: Minh hoa Internet of Things

Theo báo cáo từ "IoT Analytics Research" [2], sé có gần 30.9 tỷ điện thoại thông minh, thiết bị đeo, đồng hồ thông minh, ô tô và các thiết bị khác được kết

nối vào cuối năm 2025 Hiện tại, con số này là khoảng 13.8 tỷ trên toàn thé giới

Thị trường IoT hiện tại đang dần được tăng trưởng mạnh Các phần mềm

và nền tảng loT dự kiến sẽ tiếp tục thúc đây thị trường khi nhiều đữ liệu được chuyền lên Cloud đề lưu trữ, tính toán và xử lý, hướng đến áp dụng với các công

nghệ Big Data, trí tuệ nhân tạo (AI) 6 Cloud computing, đặc biệt là sự ra đời củamạng 5G mang đến luồng gió mới cho IoT

Thị trường toàn cầu cho Internet of Things (chi tiêu của người dùng chocác giải pháp IoT) dự kiến sẽ tăng từ 400 tỷ đô la ở năm 2021 lên đến 1567 tỷ đô

la ở năm 2025 [1].

Biểu đồ 1.2 cho thay xu hướng phát triển của IoT

3 Insights that empower you to understand loT markets

Area Networks (WPAN)

2015a 2016a 2017a 2018a 2019a 2020f 2021f 2022f 2023f 2024f 2025f

ny computers laptops, fixed phones, cliphones or tablets Counted are active nodes/devices or gateways that te the end-sensors, not every sensor actuator Simple one-direcional communications technology not

themnet and Fieldbuses (eg, connected industrial PLCs or /O modules); Cellular includes 2, 36, 4G; LPWAN includes unlicensed and licensed low-power networks; WPAN includes Bluetooth, Zighee, Z-Wave or similar, WLAN Is; WMAN includes non-short.rénge mesh, such as W-SUN; Other includes satelite and unclassified proprietary networks with any range.

iol & LPWA Connectivity Market Tracker 2010-25

Includes Wifi and Source(s): loT Anal

Hình 1.2: Biểu đồ số lượng các thiết bị kết nối toàn cau

Global loT Market Forecast

Global loT Market in $B

Hình 1.3: Biểu đô dự đoán thị trường IoT đến năm 2025 [1]

Với xu hướng phát triển mạnh mẽ và thị trường ngày càng rộng lớn và đầy

tiềm năng của Internet of Things hiện nay, lượng dữ liệu sinh từ các từ các thiết

bị IoT trong đời sống hằng ngày của chúng ta từ các lĩnh vực: nông nghiệp, công

4

nghiệp, giao thông vận tải, xây dựng, tự động hóa, sẽ cảng ngày càng lớn Theo

“IoT Analytics Research [1]”, vào năm 2016, dữ liệu đã được sinh ra bởi moi

người, máy và vạn vật là 220 zettabytes, ước tính sẽ lên đến hơn 850 zettabytesvào năm 2021 Trong đó có các thiết bị IoT cần độ bảo mật cao, có cái thì cần xử

lý dữ liệu nhanh chóng, theo thời gian thực (real time), có cái yêu cầu xử lý lượng

lớn dữ liéu, Nếu tat cả dữ liệu đều gửi đến Cloud xử lý thì sẽ phát sinh nhiều vân đề như tốc độ phản hồi chậm, nghẽn băng thông đường truyền, Chính vì thé chúng ta cần một giải pháp dé cải thiện vấn đề này, và Edge Computing ra

đời.

Hiện nay, với sự phát triển mạnh mẽ của các thiết bị nhúng: tăng tốc độ xử

ly, tăng dung lượng lưu trữ, tích hợp các công nghệ mới, thì sự ra đời của mô

hình điện toán biên (Edge computing) là một giải pháp dé đáp ứng các yêu cầu về

thời gian phản hồi, tốc độ xử lý, năng lượng tiêu thụ ít, vấn đề bảo mật, lưu lượng

băng thông của đường mạng và giải quyết vấn đề của điện toán đám mây Điệntoán biên là mô hình hướng đến áp dụng các công nghệ và sự hỗ trợ mạnh mẽ củathiết bị nhúng dé tiễn hành xử ly dé liệu tại gần nguồn dit liệu nhất có thể

“Cận/Cạnh biên” ở đây đề cập đến sự phân tán cơ sở hạ tầng, “cạnh” có thể lànhững thiết bi, máy tính, hay bat kì tài nguyên có thê xử lý tính toán ở trung

gian, đứng giữa trong quá trình truyền dữ liệu từ nguồn dữ liệu và trung tâm dữ

liệu ở điện toán đám mây (cloud).

OAS Cloud and Edge Computing - Complementary Technologies powering IloT

INTERNET

LAN/WAN

Hinh 1.4: Minh hoa Edge Computing

Cùng với Edge Computing, AI cũng là công nghệ được nghiên cứu và phát

triển mạnh mẽ trong thời gian gần đây Nhờ vào sự ra đời gần đây của việc học

tập sâu hơn (Deep Learning) và dữ liệu lớn hon, bây giờ AI đang được sử dung

khá rộng rãi trong nhiều lĩnh vực: nông nghiệp, khoa học máy tính, giáo dục và

hàng không Và nó cũng được dùng cùng với IoT, va cho ra đời AIOT Việc ứng

dụng AI vào hệ thống IoT giúp hệ thống thông minh hơn, có thể đưa ra các đề

xuất, dự đoán tham khảo cho người dùng, góp phần nâng cao tính khả dụng của

vực y tế, công nghiệp, xe tự lái, cloud gaming, viễn thông, Và Edge Computing

trong lĩnh vực nông nghiệp cũng đang được quan tâm và nghiên cứu.

Nông nghiệp là một trong những ngành quan trọng của thế giới và cótruyền thống chậm tiến bộ và áp dụng công nghệ hiện đại hơn các ngành khác.Nhung giờ đây, những thay đổi đang diễn ra khi số hóa ngày càng trở nên khả thihơn Ngành nông nghiệp đang nhận ra lợi ích của các công nghệ tiên tiễn như AI

, tự động hóa quy trình , điện toán biên, IoT , v.v.

Edge Computing và AI là một trong những công nghệ đang phát triển có

tiềm năng mang lại sự chuyên đổi mạnh mẽ trong lĩnh vực nông nghiệp Số hóa

có thể giúp vượt qua một số thách thức lớn nhất trong nông nghiệp bằng cách sử dụng cảm biến thu thập đữ liệu về các yếu tố môi trường như nhiệt độ, độ ầm, ph và việc ứng dụng AI đề dự đoán các yếu tố môi trường, đề xuất các giải pháp

tham khảo cho người nông dân góp phần cải thiện hiệu năng cũng như cách ngườinông dân canh tác truyền thông

Đề tài nhóm hướng tới việc nghiên cứu, trién khai được một hệ thống EdgeComputing cùng với việc tìm hiéu, nghiên cứu AI và ứng dung AI vào hệ thônggiám sát môi trường nhà kính nông nghiệp.

1.2.2 Mục tiêu hướng đến

1 Tìm hiểu, nghiên cứu, lập trình, xây dựng các ứng dung xử lý dit liệu tại

cận biên áp dụng công nghệ ảo hóa container dé giải quyết các khó khăntrong mô hình Cloud-IoT truyền thống: van đề về độ trễ phản hồi, giảm tảitính toán ở trung tâm dữ liệu đám mây.

2 Tìm hiểu công nghệ và triển khai các ứng dụng đã được xây dựng, đóng

gói trên kiến trúc hạ tầng dựa trên công nghệ quản trị điều phối container:Kubernetes (K3S) với mục tiêu tạo nên một nén tang quản trị vững chắcvới độ săn sàng cao và dê dàng mở rộng, tôi ưu tài nguyên hệ thông; Cập

nhật các phiên bản ứng dụng mới trong hệ thống mà không cần thời giandowntime.

Ưng dụng cụ thê vào ngữ cảnh theo đõi, giám sát các điêu kiện về nhiệt

độ, độ âm, nồng độ CO2-O2, của môi trường trong nhà kính ứng dụng

vào việc giúp người nông dân giám sát môi trường sinh trưởng của cây

trồng tốt hơn

Nghiên cứu và ứng dụng AI vào hệ thống nhằm dự đoán các yếu tố môi

trường và đề xuất một số cây trồng tham khảo cho người nông dân.

Đánh giá hiệu suất hoạt động trên các kịch bản thực nghiệm cụ thể từ đó

đưa ra kết luận về khả năng áp dụng, tích hợp vào thực tế cũng như cáchướng phát triển tiềm năng trong tương lai

a Edge node: Raspberry Pi ,Xbee Gateway.

b IoT devices: Waspmote agriculture, Xbee Pro S1,Waspmote

Gateway, BME280 ,Molecular Oxygen (O2) Gas Sensor

Ngôn ngữ lap trình: C++, Javascript, Python

Framework: Ant Design Library: ReactJS

Cac công cu đánh gia thử nghiệm

1.4 Cau trúc của khóa luận

Chương 1: Giới thiệu trình bày tổng quan về xu hướng IoT, EdgeComputing Qua đó phát biểu vấn đề và mục tiêu hướng đến, đưa raphương pháp tiếp cận nghiên cứu, phạm vi và giới hạn của đề tài

Chương 2: Các nghiên cứu và công nghệ liên quan trình bày về các nghiêncứu cũng như các công nghệ đã, đang được triển khai trên thế giới, cáchướng tiếp cận và sơ lược các xu hướng nghiên cứu hiện nay Bên cạnh

đó, nhóm trình bày về cơ sở lý thuyết và hướng tiếp cận giải pháp kỹ thuật,

công nghệ ma đề tài thực hiện

Chương 3: Chương này trình bày chỉ tiết các quá trình phân tích và thiết

kế kiến trúc hệ thống dé xuất, là cơ sở dé hiện thực ở Chương 4

Chương 4: Triên khai, kiểm tra, kết quả và đánh giá Chương này trình bày

chỉ tiết các quy trình thực hiện kỹ thuật được sử dụng để hiện thực kiếntrúc đã đề xuất và thiết kế ở Chương 3 Bên cạnh đó, Chương 4 còn trìnhbày cách xây dựng các kịch bản thử nghiệm cũng như kết quả đánh giá, sosánh khi ứng dụng hệ thống đã phát triển vào trường hợp cụ thé

Chương 5: Kết quả thử nghiệm và đánh giá Chương này trình bày về cácđặc tả kỹ thuật, kịch bản thử nghiệm, đánh giá hệ thống và các kết quả thử

nghiệm Từ đó, nhóm có thê đưa ra kết luận và hướng phát triển ở chương

tiếp theoChương 6: Kết luận và hướng phát triển Tổng kết dé tài và những hướngnghiên cứu dự kiến tiếp tục phát triển trong tương lai

2 Cac nghiên cứu và công nghệ liên quan

2.1 Các nghiên cứu và xu hướng công nghệ trên thế giới

Xu hướng nghiên cứu và ứng dụng công nghệ Edge Computing trên thế giới đang

phát triển mạnh mẽ và đạt được nhiều thành tựu

2.1.1 Dự án Cloudlet Cloudlet [3] là dự án của một nhóm nghiên cứu thuộc trường Dai Hoc Carnegie

Mellon, mục tiêu thiết kế của Cloudlet là đạt được sự hội tụ của Mobile Computing vaCloud Computing tại một vi trí gần với người dùng và các thiết bị IoT hon Cloudletđược thiết kế gồm 3 tang: Mobile — Cloudlet — Cloud và sử dụng công nghệ ảo hóa dé

triên khai.

Giống như các điểm truy cập wifi, Cloudlet linh hoạt trong việc triển khai tại một địa điểm và vì chỉ gần thiết bị người dùng nên nó cải thiện chất lượng dịch vụ với đỗ trễ

thấp, băng thông cao

Cloudlet for loT

MOBILE/IoT CLOUDLETS CLOUD

8 3/2

Hình 2.1: Minh họa Cloudlet

10

2.1.2 Hệ thống MAESTROMAESTRO [4] là một hệ thống của một nhóm nghiên cứu từ Đại học CarnegieMellon Qatar MAESTRO là một hệ thống tận dụng hiệu quả nhiều FemtoCloud bằngcách tạo ra một hệ thống phân cấp và lập lịch dé quản lý chúng MAESTRO đề xuất hai

bộ lập lịch là Best-Worker và Best FemtoCloud

FemtoCloud [5] là một dự án của một nhóm nghiên cứu từ Viện Công nghệGeorgia Đây là một bản tái cấu trúc của khái niệm Cloudlet Ý tưởng cơ ban củaFemtoCloud là một nhóm thiết bi di động (vi dụ: trong quán ca phê, lớp học hoặc rạphát) có thé được nhóm lại và được điều khiển bởi một bộ điều khiển dé hoạt động nhưmột cụm Các tài nguyên máy tính nhàn rỗi từ các thiết bị di động này có thé được chia

sẻ trong nhóm này cho một nhiệm vụ cụ thé do bộ điều khiển quản lý

Manager Job Handler Local Resources Monitor |

Micro-Controller Worker | Jobs Profiler |

Hinh 2.2: Minh hoa MAESTRO

2.1.3 Một số nghiên cứu mở rộng

Theo bài báo “NASA takes microbial research to outer space with edge computing”

[6], NASA có kế hoạch sử dụng vệ tinh và khả năng tinh toán biên dé thực hiện phân

11

tích trình tự DNA và dữ liệu trực tiếp trên Trạm Vũ trụ Quốc tế (ISS) Làm như vậy sẽcắt giảm thời gian xử lý dữ liệu theo tuần vì nó sẽ không còn phải gửi qua lại Trái đấtnữa Ông Wallace giải thích tại sự kiện: “ Bằng cách có cơ sở hạ tầng tinh toán biên trêntrạm, chúng tôi có thể thực hiện giải trình tự DNA của mình và sau đó dữ liệu đó đượcphân tích gần như gần thời gian thực, vì vậy các thành viên phi hành đoàn sẽ biết ngay

thứ gì trong nước họ vừa uông hoặc trên bê mặt mà họ mới tiêp xúc.”

Theo nghiên cứu “Applied machine learning in greenhouse simulation; new

application and analysis” [7]: cho rằng việc dự đoán chính xác các biến môi trường bên

trong nhà kính là rất quan trọng, vì chúng đóng một vai trò quan trọng trong việc canhtác trong nhà kính và năng lượng dé bị mat đặc biệt là ở các vùng lạnh và nông Vì thếbài nghiên cứu sẽ chọn ra một giải pháp tốt nhất giữa Mạng thần kinh nhân tạo (ANN)

va Máy vectơ hỗ trợ (SVM) trong việc ước tính biến môi trường nhà kính thông qua việc

so sánh chúng.

Tại Việt Nam, tính đến thời điểm hiện tại (11/2021), tổng công ty Viễn thôngMobifone đã nghiên cứu về Edge Computing với đề tài: Nghiên cứu ứng dụng công nghệcận biên (Mobile Edge Computing) cho triển khai 5G tại Mobifone [8] Sau đó, quyết

định 2117 của Thủ tướng Chính phủ ban hành Danh mục công nghệ ưu tiên nghiên cứu,

phát triển và ứng dụng để chủ động tham gia cuộc cách mạng công nghiệp lần thứ tưđược Phó Thủ tướng Vũ Đức Dam ký ngày 16/12 Trong đó có Cloud Computing va

Edge Computing [9].

2.2 Cơ sở lý thuyết và hướng tiếp cận đề tài

2.2.1 Một số ứng dụng IoT trong nhà kính

Với sự phát triển mạnh mẽ của IoT, việc ứng dụng IoT vào nhà kính ngày càng

phố biến vì tính hiệu quả và dé sử dụng của nó Chính vi thé, các công ty đã nghiên cứu,

12

phát triển và cho ra đời các sản phẩm IoT nhằm quản lý năng xuất cây trồng trong môitrường nhà kính hiệu quả hơn Một số sản pham IoT trên thé giới như:

e Arable Mark 2 [10]: là một sản phâm đến từ công ty An Độ, nó thu thập

dữ liệu chân thực theo thời gian thực từ hiện trường về phản ứng thời tiết,đất và cây trồng ở một địa điểm cụ thê với hơn 40 chỉ số về khí hậu và thực

vật

e Farmshield [11]: là một sản phẩm của công ty Synnefa đến từ Hy Lap, nó

thu thập dữ liệu về trạng thái của đất như độ âm của đất, nhiệt độ môitrường xung quanh trang trại, cường độ ánh sáng và độ 4m, người nôngdân có thé quản lý và giám sát thông qua điện thoại hoặc bảng điều khién

e Farmapp [12]: là san phâm của công ty Farmapp đến từ Colombia, phan

mềm bao gồm sự kết hợp của các ứng dụng do thám và khử trùng với cáccảm biến và đưa các thiết bị tự động hóa (IoTs) vào ngành nông nghiệp

Tại Việt Nam, là nước có bề dày trong sản xuất nông nghiệp, vì vậy sẽ là mảnhđất đầy tiềm năng cho các doanh nghiệp công nghệ Hiện có không ít các nhà đầu tư đã

va đang nghiên cứu phát triển đưa IoT nông nghiệp vào trong sản xuất Ví dụ tiêu biểu

có thê kê đên là:

® Dự án Next Farm [13]: giải pháp ứng dụng CNTT vào Nông nghiệp thuộc

Công ty Cổ phần HOSCO, một trong số các công ty hoạt động trong lĩnh

vực công nghệ phần mềm đã có nhiều sản phẩm thương mại hóa thành

công.

2.2.2 Nền tảng điện toán đám mây (Cloud computing)

Hiện nay, thuật ngữ điện toán dam mây không còn qua xa lạ với chúng ta, điện

toán đám mây ra đời mang lại nhiều lợi ích to lớn và thúc đây các công nghệ khác phát

13

triển Theo Amazon Web Services (AWS), điện toán đám mây là việc phân phối các tài

nguyên CNTT theo nhu cầu qua Internet với chính sách thanh toán theo mức sử dụng

Thay vì mua, sở hữu và bảo trì các trung tâm đữ liệu và máy chủ vật lý, có thê tiếp cận

các dich vụ công nghệ, như năng lượng điện toán, lưu trữ và cơ sở dt liệu, khi cần thiết,

từ nhà cung cấp dich vụ đám mây Bang so sánh dưới đây cho ta thay một số lợi ích khi

dùng điện toán đám mây.

Bảng 2.1: Bang so sánh điện toán đám mây va máy chủ vật lý.

Tính năng Máy chủ vật lý Điện toán đám mây

Cách thức hoạt động | Là một máy chủ vật lý Lưu trữ và hoạt động trên hệ

thống hạ tầng Cloud (điện

toán đám mây).

Độ ốn định Khi máy chủ vật lý hỏng thì toàn | Công nghệ Cloud giúp hệ

bộ hệ thống ngừng hoạt động thống hoạt động én định,

Ô cứng hỏng sé gây mat dữ liệu, | khả năng uptime 99.99%

dường như không thê khôi phục | Tất cả các thành phần đều

được thiết lập dự phòng, và

tự động thay thế khi bị hỏngđảm bảo hoạt động bìnhthường nên hệ thống thông

tin của luôn an toàn và có

tính sẵn sàng 24/7

14

Tính sẵn sàng Tất cả data sẽ được lưu trữ trên

máy vật lý (Rủi ro cao)Chỉ cần 1 HDD bị hỏng có thểtoàn bộ data của sẽ mất

Việc triển khai backup tốn nhiều

chi phí

Data lưu trữ tập trung trên

hệ thống SAN không lưutrên Server vật lý

Data được backup đều đặnNếu có 1 Server vật lý bị lỗi,

Cloud Server của vẫn hoạt

động én định

Khả năng mở rộng Nâng cấp phức tạp vì phải mua

thiết bị phần cứng chuyên dụng

Thời gian downtime khi cần

nâng câp khá lâu.

Có thể mở rộng hoặc thu

hẹp ngay lập tức khi doanh

nghiệp có yêu cầu.

Có thể mở rộng và thu hẹpnguồn tài nguyên không

giới hạn dung lượng.

Chỉ phí Tốn khá nhiều chi phí đầu tư cho

hình theo yêu cầu)

Chỉ phí có thê linh hoạt thay

đổi theo yêu cầu của doanh

nghiệp.

Câu hình lại server phải mua thêm các thiết bị như

RAM, HDD trong trường hợp

nâng câp và việc găn thêm có thê

có thé thiết lập lại cau hình

cho server 1 cách dé dàng

trong khoảng thời gian

ngăn.

15

gây ra nhiêu rủi ro không mong

muôn

Sao chép server Phúc tạp vì server vật lý khó mà | Don giản, nhanh chóng.

đáp ứng được việc này.

Bang 1: Cloud với máy chu vật lý

Ngoài các tiện ích trên thì nên tảng điện toán đảm mây còn cung cap các dịch vụ

hỗ trợ mạnh mẽ trong việc phát triển project lớn và nhỏ Hiện nay có rất nhiều nên tảng

cung câp điện toán biên như:

® Microsoft Azure: là nén tảng dịch vụ đám mây tốt nhất hiện nay Công

nghệ được phát trién bởi Microsoft từ năm 2010 Nó cung cấp hàng loạt

các gói giải pháp phù hợp với mọi loại hình kinh doanh.

e Amazon Web Service (AWS): là một nền tảng đám mây phổ biến nhất

Amazon cung cấp một loạt các dich vụ IaaS, PaaS và sử dụng những dich

vụ web tích hợp dé xây dựng các giải pháp doanh nghiệp AWS là don vịđầu tiên cung cấp hạ tầng điện toán đám mây như một dịch vụ năm 2008.AWS cung cấp quyền quản trị rộng rãi Và luôn sẵn sàng thông qua một

trang web khách hàng đảm bảo tính bảo mật.

e_ Google Cloud Platform (GCP): là nhà cung cấp điện toán đám mây mạnh

mẽ Google Cloud Platform (GCP) cung cấp một loạt các dich vụ bao gồm

những giải pháp IaaS, PaaS Điều này cho phép người dùng tạo giải phápkinh doanh băng dịch vụ web mô-đun do Google cung cấp Hạ tầng bảo

16

mật nhiều lớp của GCP giúp cho dữ liệu lưu trữ của người dùng được bảo

vệ.

e IBM Cloud: IBM Cloud là các dịch vụ điện toán đám mây bởi công ty

công nghệ nồi tiếng IBM Giải pháp này cung cấp PaaS, SaaS và IaaS, dựatrên cả máy chủ ảo, máy chủ vật lý, mạng công cộng và mạng quản lý.Dịch vụ đám mây IBM Cloud trao cho người dùng toàn quyền quản lý vàtruy cập duy nhất vào cơ sở hạ tầng Điều này giúp cải thiện tối đa hiệu

suât làm việc.

Trong phạm vi đề tài và chỉ phí dự án, nhóm sẽ ưu tiên sử dụng nhưng nền tảngcung cấp điện toán đám mây phù hợp, chi phí hợp lý Heroku và MongoDB Atlas là 2nên tang điện toán đám mây nhóm sử dụng dé xây dựng Cloud:

e Heroku: là nền tảng đám mây cho phép các lập trình viên xây dựng, triển

khai, quản ly và mở rộng ứng dụng (PaaS — Platform as a service).

e MongoDB Atlas: là một cơ sở dữ liệu dam mây (Cloud Database) chạy

trên hạ tầng đám mây của AWS, Azure, và Google Cloud Nó cũng cung

cấp rất nhiều các công cụ dé quản lý khai thác, phân tích dữ liệu.

17

+ |›

HEROKU

Hình 2.3: Minh họa các thành phân tại Cloud

2.2.3 Nền tảng điện toán đám mây cho trí tuệ nhân tạoNgày nay, với sự phát triên mạnh mẽ của AI, ML, DL cũng như nền tảng điệntoán đám mây, các ứng dụng đòi hỏi phải thông minh hon dé đáp ứng nhu cầu ngày càngcao của người dùng Vì thế mà các nền tảng điện toán đám mây lớn như AWS, Google,Azure cũng phát triển các nền tảng cho phép tạo ra các AI cho các developer có ít kiến

thức chuyên sâu về ML và DL, phù hợp cho các ứng dụng yêu cầu mang tính smart.

Bảng 2.2 cung cấp thông tin về các dich vụ AI/ML, IOT của ba nền tảng

Nền tảng | AI/ML IOT Serverless

AWS - SageMaker - IoT Core - Lambda

- Comprehend - FreeRTOS

18

- Lex - Greengrass - Serverless

- Polly - IoT 1-Click Application

- Rekognition - IoT Analystics Repository

- Machine Learning - IoT Button

- Translate - loT Device

- Transcribe Defender

- DeepLens - IoT Device

- Deep Learning AMIs Management

- Apache MXNet on AWS

- TensorFlow on AWS

Azure - Machine Learning - IoT Hub - Functions

- Azure Bot Service - IoT Edge

- Cognitive Services - Stream Analytics

- Time Series Insights

GCP - Cloud Machine Learning - Cloud IoT Core - Cloud Functions

Engine (Beta) (Beta)

- Dialogflow Enterprise Edition

- Cloud Natural Language

- Cloud Speech API

- Cloud Translation API

- Cloud Video Intelligence

19

- Cloud Job Discovery (Private Beta)

Bang 2: Các dich vu AI/ML, IOT của ba nên tảng

aws ior

Hinh 2.4: Minh hoa vé AWS, Azure va GCP

Từ bang trên, ta có thé thay moi nên tảng déu có nhiêu dịch vu va có ưu nhược điêm khác nhau, việc lựa chọn nên tảng nào đê phát triên dự án phải dựa vào các nhu câu của dự án Chính vì thê nhóm chon sử dụng nên tang Microsoft Azure, là nên tảng

dịch vụ đám mây tốt nhất hiện nay.

Microsoft Azure là một nên tảng điện toán đám mây cho AI, cung câp : Nơi lưu

trữ, công cụ tính toán, xử lý đữ liệu và các dịch vụ cung cấp sẵn 3 nền tảng chính của

Azure AI là:

20

e Azure Machine Learning: Platform dùng dé train, deploy, manage các

model ML.

e Cognitive Service : Các dich vụ dé cho developer sử dụng dé xây dựng

giai phap AI

e Azure Bot Service: Nền tang cloud dé tao va quan ly bots

Azure Machine Learning là một dịch vụ dam mây cho phép chúng ta có thể khởi

tạo, quản lý, triển khai các model machine learning Azure machine learning cung cấpcác dịch vụ chính như:

e Automated machine learning : Tạo nhanh các model từ dữ liệu.

e Azure Machine Learning designer: Một nền tang low-code giúp trực quan

hóa giao diện khi khởi tao model

e Lưu trữ và xử lý dữ liệu: Nơi lưu trữ và xử ly dữ liệu đám mây một cách

thuận tiện có thé scale dé dàng (Tương tự như google colad- Azure

machine learning workspace cho phép chúng ta có thê lưu trữ, tạo máy ao,

thuê máy đề train các model Máy mạnh hay yếu tùy thuộc vào số tiền bạn

thuê)

e Notebook & Pipelines: Noi mà các Data Scientist, Software Engineers, có

thé viết code, train, deploy va quan lý các tasks

AutoML Azure tự động hóa rất nhiều công việc của các nhà khoa học dữ liệu phảithực hiện và bằng cách khai thác sức mạnh của điện toán đám mây, nó cho phép các nhà

khoa học dữ liệu làm việc nhanh hơn và cho phép những người không phải chuyên gia

xây dựng các giải pháp AI hiệu quả.

Một số ưu điểm của AutoML Azure:

21

e Tự động chuyên đổi đữ liệu: Sau khi chuẩn bị một tập dữ liệu sạch, không

có lỗi và thêm nó vào AutoML, AutoML sẽ tự động xử ly các van đề: giátrị rỗng, mất cân bằng lớp, loại bỏ các giá trị ngoại lệ, băng kỹ thuậttính năng thông minh.

e Đào tạo các mô hình với thuật toán tốt nhất: AutoML sẽ đào tạo các mô

hình băng các thuật toán mới nhất Phụ thuộc vào cấu hình và kích thướcmáy tính của ta, AutoML sẽ đào tạo các mô hình này song song bằng cách

sử dụng điện toán đám mây Vào cuối quá trình chạy, AutoML sẽ xây dựngcác mô hình tổng hợp phức tạp, kết hợp kết quả của các mô hình hiệu xuấtcao nhất

e Tưđộng điều chỉnh các siêu tham số: Khi ta sử dụng AutoML trên Azure,ta

sẽ nhận thấy rằng nó sẽ thường xuyên tạo ra các mô hình sử dụng các thuậttoán giống nhau lặp đi lặp lại Đầu trong quá trình chạy, nó đã thử một loạtcác thuật toán, nhưng vào cuối qua trình, nó chỉ tập trung vào một hoặchai Điều này là do nó đang thử nghiệm các siêu tham số khác nhau Mặc

dù nó có thé không tìm thấy bộ siêu tham số tốt nhất tuyệt đối trên bat kỳ

lần chạy nào, nhưng nó có khả năng cung cấp một mô hình hiệu suất cao,được điều chỉnh tốt

e Triển khai nhanh chóng: Các mô hình được xây dựng bằng AutoML trên

Azure có thê được triển khai tới điểm cuối API REST chỉ trong vài cú nhấp

chuột.

22

Does Model ï Tune Hyper

Dita Deploy Model

Hình 2.5: Minh hoa giải pháp hoc máy truyền thống

Transform & Does Metric

Gather Data Clean Data Train Model Meet Deploy Model

with AutoML Threshold?

Hình 2.6: Minh họa giải pháp AutoML

2.2.4 Phần cứng và phần mềm tại biên

2.2.4.1 Các thành phan phần cứngPhần cứng tại biên gồm 2 thành phan là thiết bị xử ly đữ liệu và thiết bị thu nhận

dữ liệu từ môi trường.

Hiện nay, có hàng chục nền tảng phan cứng IoT với sự lựa chọn đa dang về phan

cứng, hỗ trợ, bảo mật, cơ sở hạ tầng phát triển và cộng đồng để chúng ta xây dựng một

dự án IoT của riêng mình, một sô nên tảng phan cứng phô biên như:

23

e Raspberry Pi: là một may tính dựa trên bo mạch đơn chạy trên Linux và

được thiết kế để tạo mẫu cho các ứng dụng máy tính nhỏ Các sản phẩm

Raspberry Pi hoàn hao cho mọi người ở mọi lứa tuổi và là một cách tốt débắt đầu phát triển điện tử

e Arduino: là cái tên phô biến trong không gian phát triển điện tử Công ty

cung cấp một loạt các bộ công cụ phát triển mã nguồn mở, bộ vi điều khiển

và công cu phần mềm dé xây dựng các sản phâm được kết nối

e Particle: cung cap một loạt các bộ công cụ phat triển được thiết kế dé kết

nối với Internet qua Wifi, mạng di động hoặc BLE Particle là nền tảng tốtnhất dé xây dựng một dự án được kết nối từ nguyên mẫu đến sản xuất

e Espressif: phát triển các giải pháp phan cứng IoT công suất thấp Wifi và

Bluetooth Espressif nôi tiếng nhất với loạt chip, mô-đun và bo mach pháttriển ESP8266 và ESP32

e BeagleBone: là một nền tảng phan cứng IoT với phần cứng mã nguồn mở,

nhiều bảng con hoặc mũ khác nhau đề bồ sung chức năng cho các bangphát triển IoT chính, cộng đồng Beagle mạnh mẽ gồm các nhà phát triển

và những người đam mê quảng bá phần mềm và phần cứng mở trong điện

toán nhúng.

Với cộng đồng lớn và ưu điểm của mình, Raspberry Pi được nhóm sử dụng dé

làm máy tính xử lý dữ liệu tại biên.

24

Ly do chon raspberrypi

e Nhỏ gọn, tiêu thụ it điện nang

o Đối với dong Model A: Cần 500mmAo_ Đối với đòng Model B: Cần 700-1000mmA

e Hoạt động như một máy tính độc lập có thể chạy một số hệ điều hành như

linux.

e Hoạt động đa nhiệm ho trợ công USB và két noi không dây với internet.

Đôi với việc giám sát môi trường nhà kính, các yêu tô vê môi trường như nhiệt

độ, độ âm, co2, cân được thu thập và quản lý Hiện nay có rât nhiêu thiệt bị và sensor

có chức năng thu thập các dữ liệu trên như các board mach arduino, libelium

waspmote

Libelium Waspmote được nhóm sử dung dé làm thiết bi end device dé thu thập

đữ liệu gồm: Waspmote Cities, Waspmote gateway, Module Xbee, Sensor

25

Hình 2.8: Thiết bị Libelium Waspmote

Ly do sử dung Libelium Waspmote tiện lợi là dé str dụng, có sẵn các example và

thư viện dé dé đọc và dé sử dụng

Nhờ vào đặc điểm truyền tải tín hiệu xa và ôn định nên zigbee được sử dụng rộng

rãi trong công nghiệp tự động hóa và có thê mở rộng tới 65.000 thiết bị trong cùng hệ

thống.

2.2.4.2 Cac thành phan phần mềmPhân mêm được sử dụng đê containerize va điêu phôi container tại biên.

Container rât có lợi cho việc phát triên, triên khai và quản lý phân mêm trong môi trường ảo Hiện nay có nhiêu phân mêm cho phép container hóa như:

e Podman: là một công cụ chứa mã nguồn mở Công cụ gốc Linux này là tốt

nhất dé phát triển, chạy và quản lý vùng chứa và hình ảnh vùng chứa của

Linux OCI.

26

e ZeroVM: là một môi trường ảo mã nguồn mở dựa trên Chromium Native

Client của Google Nền tảng riêng biệt này dé nhúng các ứng dụng có tínhbảo mật cao.

e@ OpenVZ: là một công nghệ container hóa dựa trên Linux.

e Rancher: là một phần mềm điều phối giúp bạn quản lý các cụm vùng chứa

với nỗ lực tối thiêu Nó đặc biệt hữu ích cho việc phát triển ứng dụng quy

mô lớn trên một mạng rộng hoặc nhiều nhóm

e Containerd: là một ứng dụng thời gian chạy container độc lập tập trung

vào tính đơn giản và tính di động.

e Docker: là một nền tảng để cung cấp cách để building, deploying và

running ứng dụng dé dang hon bằng cách sử dụng các containers (trên nền

tảng ảo hóa)Tuy có nhiều phần mềm cung cấp khả năng container hóa và quản lý containernhưng Docker tỏ ra vượt trội hơn và phô biến hơn trong cộng đồng developer nhờ tính

dê sử dụng và tôc độ của nó.

Container trong Docker cho phép chúng ta đóng gói một ứng dụng với tất cả cácphần cần thiết, chăng hạn như thư viện và các phụ thuộc khác, và gói tất cả ra dưới dạngmột package Chính vì thế chúng ta có thê chạy một ứng dụng trên nhiều hệ điều hành

khác nhau mà không cân phải cải thêm bât cứ thứ gì.

Các khái niệm liên quan:

e Docker Engine : là thành phần chính của Docker, như một công cụ dé

đóng gói ứng dụng

e Docker Hub : là một “github for docker images” Trên Docker Hub có

hàng ngàn public images được tạo bởi cộng đồng cho phép dé dang tim

27

thấy những image mà cần Và chỉ cần pull về và sử dụng với một số config

mà mong muốn

Images: là một khuôn mẫu dé tạo một container Thường thi image sẽ dựa

trên 1 image có san với những tùy chỉnh thêm Vi dụ build 1 image dựa

trên image Centos mẫu có sẵn dé chạy Nginx và những tùy chỉnh, cấu hình

dé ứng dụng web của có thé chạy được có thé tự build một image riêngcho mình hoặc sử dụng những image được chia sẻ từ cộng đồng Docker

Hub Một image sẽ được build dựa trên những chỉ dẫn của Dockerfile

Container: là một instance của một image có thé create, start, stop, move

or delete container dựa trên Docker API hoặc Docker CLI.

Docker Client: là một công cụ giúp người dùng giao tiếp với Docker host.Docker Daemon: lắng nghe các yêu cầu từ Docker Client dé quản lý cácđối tượng như Container, Image, Network và Volumes thông qua RESTAPI Các Docker Daemon cũng giao tiếp với nhau dé quản lý các Docker

Service.

Dockerfile: là một tập tin bao gồm các chỉ dan dé build một image

Volumes: là phần dữ liệu được tạo ra khi container được khởi tạo

28

Hinh 2.9: Minh hoa vé Docker

29