Tên đề tài: Nghiên cứu phát triển mạng cảm biến không dây cho hệ thống IoT ứng dụng trong trang trại bò sữa

Tác giả: Trần Minh Nhật, Khóa: 2022

Ngành: Kỹ thuật điều khiển và tự động hóa; Mã số: 9520216. Nhóm ngành: Kỹ thuật

Người hướng dẫn: GS.TS. Nguyễn Chí Ngôn, Đại học Cần Thơ

Người đồng hướng dẫn: PGS.TS. Trần Viết Thắng, Trường Đại học Nguyễn Tất Thành

1. Tóm tắt nội dung luận án

Luận án nghiên cứu, thiết kế và triển khai hệ thống Internet vạn vật (IoT) phục vụ giám sát và điều khiển trang trại bò sữa, kết hợp mạng cảm biến không dây (WSN), thiết bị đeo thu hoạch năng lượng vô tuyến (RFEH) và học sâu để nhận dạng hành vi. Hệ thống tích hợp cảm biến nhiệt độ, độ ẩm, thiết bị phun sương và quạt làm mát, cân và phối trộn thức ăn TMR, quản lý khai thác sữa, nhận dạng cá thể bằng RFID và nền tảng web quản lý tập trung. Luận án phát triển thẻ đeo tích hợp cảm biến gia tốc ba trục, nghiên cứu giao thức định tuyến tiết kiệm năng lượng FUZZ-SEP và đánh giá các mô hình CNN, CNN-LSTM, Bi-LSTM trong phân loại hành vi bò sữa. Hệ thống được thử nghiệm tại trang trại bò sữa Tân Tài Lộc, Sóc Trăng, với 20 cá thể bò.

2. Những kết quả mới của luận án

Thứ nhất, xây dựng và kiểm chứng giải pháp tích hợp IoT cho trang trại bò sữa, kết nối giám sát môi trường, quản lý thức ăn, khai thác sữa và nhận dạng hành vi cá thể trên một nền tảng thống nhất.

Thứ hai, phát triển mô-đun cảm biến đeo sử dụng cảm biến gia tốc ba trục và công nghệ thu hoạch năng lượng RF ở dải 915 MHz, hướng đến giảm nhu cầu thay hoặc sạc pin. Theo kết quả thực nghiệm trình bày trong luận án, thiết bị duy trì hoạt động hơn 13 ngày mà không cần sạc lại.

Thứ ba, nghiên cứu và triển khai giao thức định tuyến FUZZ-SEP dựa trên logic mờ và SEP nhằm sử dụng năng lượng hiệu quả hơn trong mạng cảm biến không dây; đánh giá bằng mô phỏng và thực nghiệm trong điều kiện trang trại.

Thứ tư, ứng dụng mô hình học sâu Bi-LSTM trên chuỗi dữ liệu gia tốc và bổ sung đặc trưng cường độ tín hiệu thu RSSI để nâng cao khả năng phân biệt các hành vi bò sữa; đối sánh với các mô hình CNN và CNN-LSTM.

Thứ năm, kiểm chứng khả năng vận hành của hệ thống trong điều kiện chăn nuôi thực tế tại Việt Nam, qua đó cung cấp cơ sở thực nghiệm cho việc kết hợp cảm biến đeo, truyền thông tiết kiệm năng lượng và phân tích hành vi trong quản lý trang trại.

3. Các ứng dụng/khả năng ứng dụng trong thực tiễn, các vấn đề cần tiếp tục nghiên cứu

Kết quả luận án có thể ứng dụng trong giám sát môi trường chuồng nuôi, điều khiển làm mát, quản lý khẩu phần ăn TMR, theo dõi sản lượng sữa và nhận dạng hành vi theo từng cá thể; hỗ trợ số hóa quản lý tại các trang trại bò sữa quy mô vừa và nhỏ. Các hướng nghiên cứu tiếp theo gồm mở rộng thử nghiệm trên nhiều trang trại và thời gian dài hơn; đánh giá độ bền, năng lượng và độ tin cậy truyền thông trong các điều kiện khác nhau; bổ sung dữ liệu để nâng cao độ chính xác nhận dạng hành vi và phát triển các chức năng dự báo, cảnh báo bất thường.

1. Content of thesis summary

This dissertation investigates, designs, and deploys an Internet of Things (IoT) system for dairy farm monitoring and control, integrating wireless sensor networks (WSNs), wearable devices employing radio-frequency energy harvesting (RFEH), and deep learning for behavior recognition. The system incorporates temperature and humidity sensors, misting and cooling fans, total mixed ration (TMR) weighing and mixing, milk production management, RFID-based individual identification, and a centralized web-based management platform. The dissertation develops a wearable tag equipped with a three-axis accelerometer, investigates the energy-efficient FUZZ-SEP routing protocol, and evaluates CNN, CNN-LSTM, and Bi-LSTM models for dairy cow behavior classification. The system was tested at Tan Tai Loc dairy farm in Soc Trang with 20 cows.

2. The novel aspects from the thesis

First, an integrated IoT solution for dairy farms was developed and validated, bringing together environmental monitoring, feed management, milk production management, and individual behavior recognition on a unified platform.

Second, a wearable sensing module combining a three-axis accelerometer with RF energy harvesting at 915 MHz was developed to reduce the need for battery replacement or recharging. According to the experimental results reported in the dissertation, the device operated for more than 13 days without recharging.

Third, the FUZZ-SEP routing protocol, based on fuzzy logic and SEP, was investigated and implemented to improve energy efficiency in wireless sensor networks; its performance was evaluated through simulation and farm-based experiments.

Fourth, a Bi-LSTM deep learning model was applied to acceleration time-series data, with received signal strength indicator (RSSI) features added to improve the discrimination of dairy cow behaviors; its performance was compared with CNN and CNN-LSTM models.

Fifth, the system was validated under practical dairy farming conditions in Vietnam, providing experimental evidence for integrating wearable sensors, energy-efficient communications, and behavioral analytics in farm management.

3. Application prospect and suggestions for further study

The dissertation findings can be applied to barn environmental monitoring, cooling control, TMR feed ration management, milk yield tracking, and individual cow behavior recognition, supporting digital management at small and medium-sized dairy farms. Future research includes extending trials to multiple farms and longer periods; assessing device durability, energy performance, and communication reliability under varying conditions; expanding datasets to improve behavior recognition accuracy; and developing predictive and abnormality-alert functions.

• Xem chi tiết nội dung luận án
• Xem thông tin đăng tải tại Website Bộ giáo dục và Đào tạo. (Nhập tên NCS vào ô tìm kiếm)