HỆ THỐNG THỰC HÀNH 1

EMBEDDED IOT TRAINING SYSTEM GT-IOT1000

CÁC TÀI LIỆU THAM KHẢO
2

1. SƠ ĐỒ NGUYÊN LÝ
2. TÀI LIỆU HƯỚNG DẪN THỰC HÀNH: KWANG-WOOK JUNG (2014),
EMBEDDED IOT TRAINING SYSTEM/ IOT-1000, MANN&TEL.
3. CÁC BÀI THỰC HÀNH + PROGRAM
4. VIDEO THAO TÁC
1. SƠ ĐỒ NGUYÊN LÝ
3
2. EMBEDDED IOT TRAINING SYSTEM/ IOT-1000, MANN&TEL
4
3. CÁC BÀI THỰC HÀNH + PROGRAM
5
THÀNH PHẦN PHẦN CỨNG

 Raspberry Pi 3 Model B

 Cảm biến nhiệt độ / độ ẩm, cảm biến âm thanh, cảm biến siêu âm thanh, cảm biến PIR, cảm
biến khí, cảm biến cơ, cảm biến ECG, đèn hiệu

 Quạt, động cơ DC, động cơ servo, còi báo động

 Camera Omni vision 5647 5Mp

 Thẻ Micro SD

 Adapter DC 12V, DC 5V2,5A

 Cable kết nối

 Màn hình 7 inch

3. CÁC BÀI THỰC HÀNH + PROGRAM
6
CẤU HÌNH BAN ĐẦU

Yêu cầu phần cứng kết nối để làm việc với Raspberry pi

Cách cài đặt hệ điều hành cho Raspberry Pi

Cấu hình các thông số trên Raspbian (Raspberry Pi OS)

Thiết lập máy chủ APM - Apache PHP MySQL, cấu hình
Workbench, cài đặt Android Studio, WiringPi.
3. CÁC BÀI THỰC HÀNH + PROGRAM
7
Bài 1: Thực hành Kiến thức Cơ bản về GPIO và Vận hành Quạt DC
1. Cài đặt thư viện WiringPi, GPIO cho Pi
2. Thực hành với nút PUSH: PUSH được nhấn trên Termianl: LOW sẽ hiển thị,
ngược lại sẽ hiện thị trạng thái HIGH
3. Thực hành trên biến trở: Đọc giá trị biến trở và hiện thị giá trị ADC (Điện áp)
tương ứng lên Terminal
4. Thực hành vận hành quạt DC: Quạt DC quay trong 5 giây, dừng trong 5 giây
rồi lặp lại.
3. CÁC BÀI THỰC HÀNH + PROGRAM
8
Bài 2: Thực hành vận hành còi báo động: Điều khiển còi bật và tắt, thời gian mỗi lần thay
đổi trạng thái là 500ms.
Bài 3: Thực hành với cảm biến âm thanh: Đọc giá trị cảm biến âm thanh và hiện thị giá trị
ADC (Điện áp) tương ứng lên Terminal
Bài 4: Thực hành với cảm biến siêu âm: Đọc giá trị cảm biến siêu âm và hiện thị giá trị
khoảng cách tương ứng lên Terminal
Bài 5: Thực hành điều khiển đèn LED: Điều khiển Module LED Bar sáng, tắt trong 1 giây.
Bài 6: Thực hành điều khiển động cơ DC: Điều khiển động cơ quay 5s rồi dừng 5s và lặp
lại.
Bài 7: Thực hành với cảm biến Điện cơ (EMG) : Đọc giá trị cảm biến EMG và hiện thị giá
trị ADC (Điện áp) tương ứng lên Terminal
3. CÁC BÀI THỰC HÀNH + PROGRAM
9
Bài 8: Thực hành với Cảm biến Nhiệt độ / Độ ẩm: Đọc giá trị cảm biến nhiệt độ, độ ẩm và
hiện thị giá trị lên Terminal
Bài 9: Thực hành với cảm biến PIR: Đọc giá trị cảm biến PIR và hiện thị trạng thái lên
Terminal
Bài 10: Thực hành với cảm biến điện tâm đồ (ECG): Đọc giá trị cảm biến ECG và hiện thị
giá trị ADC (Điện áp) tương ứng lên Terminal
Bài 11: Thực hành Cơ bản về Cơ sở dữ liệu:
1. Thực hành quy trình xây dựng cơ sở dữ liệu cho MySQL
2. Thực hành trên MySQL workbench.
3. Thực hành cấu hình máy chủ cho môi trường Internet và truy cập máy chủ đã cấu hình từ
máy khách.
3. CÁC BÀI THỰC HÀNH + PROGRAM
10
Bài 12: Vận hành máy chủ Raspberry Pi:
1. Tìm hiểu cách xử lý cơ sở dữ liệu của Raspberry Pi.
2. Thiết lập môi trường để xử lý cơ sở dữ liệu của Raspberry Pi.
3. Tìm hiểu cách tạo và xử lý cơ sở dữ liệu thông tin trong Raspberry Pi.
4. Vận hành trình duyệt web để kiểm tra các giá trị mà Raspberry Pi thu được lưu trong máy
chủ.
Bài 13: Thực hành Kiến thức Cơ bản về Máy chủ:
1. Kiểm tra xử lý PHP và SQL
2. Tạo cơ sở dữ liệu và kiểm tra quá trình tạo bảng dữ liệu.
3. Thêm nguồn để liên kết cơ sở dữ liệu với tệp PHP.
3. CÁC BÀI THỰC HÀNH + PROGRAM
11
Bài 14: Thực hành thiết kế ứng dụng demo trên Android:
1. Thực hành truyền thông tin cảm biến từ Raspberry Pi đến máy chủ.
2.Thực hành kiểm tra thông tin máy chủ (thông tin video) trên App
3. Thực hành điều khiển từ xa các thông qua App.
4. Thực hành tạo giao diện đăng nhập
Bài 15: Thực hành Vận hành hệ thống kết hợp:
1. Hệ thống phát hiện chuyển động: Sử dụng PIR và còi báo
2. Hệ thống Trang trại Thông minh: Sử dụng cảm biến nhiệt độ, độ ẩm và quạt DC.
3. Hệ thống Báo cháy: Sử dụng cảm biến nhiệt độ ,độ ẩm và còi báo
4. Hệ thống chăm sóc sức khỏe: Sử dụng cảm biến EMG và quạt DC.
5. Hệ thống thực hành ứng dụng trong y tế: Sử dụng cảm biến ECG và Module LED Bar.
 HỆ THỐNG THỰC HÀNH 12
EMBEDDED IOT TRAINING SYSTEM GT-IOT900
CÁC TÀI LIỆU THAM KHẢO
13

1. SƠ ĐỒ NGUYÊN LÝ
2. TÀI LIỆU HƯỚNG DẪN THỰC HÀNH: GOODTECH (2014),
EMBEDDED IOT TRAINING SYSTEM/ GT-IOT900, MANN&TEL.
3. CÁC BÀI THỰC HÀNH + PROGRAM
4. VIDEO THAO TÁC
1. SƠ ĐỒ NGUYÊN LÝ
14
2. EMBEDDED IOT TRAINING SYSTEM/ IOT-900, MANN&TEL
15
2. EMBEDDED IOT TRAINING SYSTEM/ IOT-900, MANN&TEL
16
3. CÁC BÀI THỰC HÀNH + PROGRAM
17

THÀNH PHẦN PHẦN CỨNG

3. CÁC BÀI THỰC HÀNH + PROGRAM
18
CẤU HÌNH BAN ĐẦU

Yêu cầu phần cứng kết nối để làm việc với Raspberry pi

Cách cài đặt hệ điều hành cho Raspberry Pi

Cấu hình các thông số trên Raspbian (Raspberry Pi OS)

Thiết lập máy chủ APM - Apache PHP MySQL, cấu hình
Workbench, cài đặt Android Studio, WiringPi, GPIO.
3. CÁC BÀI THỰC HÀNH + PROGRAM
19
Bài 1: Thực hành Đọc giá trị cảm biến DHT22: Đọc giá trị cảm biến nhiệt độ, độ ẩm và hiện thị giá trị
lên Terminal.
Bài 2: Thực hành Đọc giá trị cảm biến ánh sáng: Đọc giá trị cảm biến ánh sáng và hiện thị giá trị ADC
(Điện áp) tương ứng lên Terminal.
Bài 3: Thực hành điều khiển máy bơm: Điều khiển bật, tắt máy bơm (mỗi trạng thái hoạt động trong
5s)
Bài 4: Thực hành điều khiển quạt: Điều khiển bật, tắt quạt.
Bài 5: Thực hành điều khiển động cơ DC: Điều khiển bật, tắt động cơ DC.
Bài 6: Thực hành điều khiển đèn LED RGB: Điều khiển Module LED RGB sáng, tắt trong 1 giây.
Bài 7: Thực hành Tích hợp: Tổng hợp 4 bài, từ Bài 3 ÷ Bài 6. Ấn phím 1, 2, 3, 4, 5 lần lượt chạy từ Bài
3 ÷ Bài 6, ấn phím 5 thì thoát chương trình.
3. CÁC BÀI THỰC HÀNH + PROGRAM
20
Bài 8: Thực hành Hệ thống quản lý trang trại: Gồm cảm biến ánh sáng và cảm biến
DHT22:
3. CÁC BÀI THỰC HÀNH + PROGRAM
21
Bài 9: Thực hành Hệ thống IoT trong trang trại: Đọc giá trị cảm biến nhiệt độ, độ ẩm và
hiện thị giá trị lên Terminal
1. Lập trình TCP/IP bằng thiết bị đầu cuối Android:
- Tạo một dự án
- Xây dựng các chuỗi khác nhau trong string.xml.
- Chỉnh sửa activit_main và cấu hình màn hình.
2. Lập trình máy chủ Raspberry Pi TCP / IP: Sử dụng Java
3. Lập trình trên máy chủ hệ thống
quản lý trang trại thông minh:
- Thu thập dữ liệu liên tục từ cảm biến nhiệt độ, độ ẩm, ánh sáng
và được lưu trữ theo thời gian thực trong cơ sở dữ liệu
- Đánh giá các điều kiện môi trường đã đặt và điều khiển các bộ truyền động
- Chuyển trạng thái trang trại thực vật trong video trực tuyến bằng camera
- Điều khiển trực tiếp các bộ truyền động từ ứng dụng Android
3. CÁC BÀI THỰC HÀNH + PROGRAM 22
 HỆ THỐNG THỰC HÀNH 23
ARTIFICIAL INTELLIGENCE TRAINING SYSTEM/ GT-19
CÁC TÀI LIỆU THAM KHẢO
24

1. SƠ ĐỒ NGUYÊN LÝ
2. TÀI LIỆU HƯỚNG DẪN THỰC HÀNH: GOODTECH (2014), AI
(ARTIFICIAL INTELLIGENCE) TRAINING SYSTEM/ GT-19 (BOOK 1 &
BOOK 2), MANN&TEL.
3. CÁC BÀI THỰC HÀNH + PROGRAM
4. VIDEO THAO TÁC
1. SƠ ĐỒ NGUYÊN LÝ
25
2. AI (ARTIFICIAL INTELLIGENCE) TRAINING SYSTEM/ GT-19 (BOOK 1 & BOOK 2).

26
3. CÁC BÀI THỰC HÀNH + PROGRAM
27
THÀNH PHẦN PHẦN CỨNG
3. CÁC BÀI THỰC HÀNH + PROGRAM
CẤU HÌNH BAN ĐẦU 28
 Yêu cầu phần cứng kết nối để làm việc với Raspberry pi

 Cách cài đặt hệ điều hành cho Raspberry Pi

 Cấu hình các thông số trên Raspbian (Raspberry Pi OS)

 Cấu hình phần cứng hệ thống nhận dạng giọng nói AI.

 Cài đặt SMB (Server Message Block) để chia sẻ tài nguyên giữa Raspberry Pi với Máy tính Windows.

 Cài đặt thư viện WiringPi, GPIO cho Pi.

 Cài đặt Python 3 IDLE

 Cài đặt thư viện Google Assistant, đăng ký tài khoản, Google Assistant API.

 Cài đặt thư viện Google Vision API

3. CÁC BÀI THỰC HÀNH + PROGRAM
29
Bài 1: Thực hành Điều khiển LED bằng giọng nói: Sử dụng công nghệ nhận dạng giọng
nói của Google Assistant để bật hoặc tắt đèn LED.
Bài 2: Thực hành nhận dạng có tín hiệu từ bàn phím: Sử dụng công nghệ nhận dạng
giọng nói của Google Assistant để kích hoạt bàn phím hoạt động.
Bài 3: Thực hành Điều khiển quạt bằng giọng nói: Sử dụng công nghệ nhận dạng giọng
nói của Google Assistant để bật hoặc tắt quạt.
Bài 4: Thực hành Điều khiển LCD1602 bằng giọng nói : Sử dụng công nghệ nhận dạng
giọng nói của Google Assistant để bật hoặc tắt màn hình LCD1602.
Bài 5: Thực hành điều khiển còi báo bằng giọng nói : Sử dụng công nghệ nhận dạng
giọng nói của Google Assistant để bật hoặc tắt còi báo.
3. CÁC BÀI THỰC HÀNH + PROGRAM
30
Bài 7: Thực hành đọc giá trị cảm biến ánh sáng bằng giọng nói : Sử dụng công nghệ nhận
dạng giọng nói của Google Assistant để đọc giá trị ADC của cảm biến ánh sáng và hiện thị dữ
liệu đo được lên Terminal.
Bài 8: Thực hành đọc giá trị Cảm biến khí MQ-5 bằng giọng nói : Sử dụng công nghệ
nhận dạng giọng nói của Google Assistant để đọc giá trị ADC của cảm biến MQ-5 và hiện thị
dữ liệu đo được lên Terminal.
Bài 9: Thực hành đọc giá trị Cảm biến DHT11 bằng giọng nói : Sử dụng công nghệ nhận
dạng giọng nói của Google Assistant để đọc giá trị của cảm biến nhiệt độ, độ ẩm và hiện thị
dữ liệu đo được lên Terminal.
3. CÁC BÀI THỰC HÀNH + PROGRAM 31
Bài 10 : Thực hành kích hoạt cảm biến PIR bằng giọng nói : Sử dụng công nghệ nhận dạng
giọng nói của Google Assistant để kích hoạt cảm biến PIR .
Bài 11: Thực hành kích hoạt Hệ thống cảnh báo hoả hoạn bằng giọng nói : Sử dụng công
nghệ nhận dạng giọng nói của Google Assistant để đọc giá trị ADC của cảm biến MQ-5, khi
giá trị lớn hơn ngưỡng sẽ cảnh báo ra còi.
Bài 12: Thực hành kích hoạt Hệ thống điều khiển điều hòa bằng giọng nói : Sử dụng công
nghệ nhận dạng giọng nói của Google Assistant để đọc giá trị nhiệt độ của cảm biến DHT11,
nếu nhiệt độ quá ngưỡng sẽ bật quạt và hiện thị cảnh báo ra LCD1602.
Bài 13: Thực hành kích hoạt Hệ thống chiếu sáng bằng giọng nói : Sử dụng công nghệ
nhận dạng giọng nói của Google Assistant để đọc giá trị từ cảm biến ánh sáng, nếu giá trị thấp
hơn ngưỡng sẽ bật LED và hiện thị cảnh báo ra LCD1602.
3. CÁC BÀI THỰC HÀNH + PROGRAM 32
Bài 14 : Thực hành kích hoạt Hệ thống an ninh bằng giọng nói : Sử dụng công nghệ nhận
dạng giọng nói của Google Assistant để kích hoạt cảm biến PIR và module bàn phím: Khi có
tín hiệu từ thân nhiệt chuyển động hoặc khi gõ sai mật khẩu từ bàn phím thì còi sẽ kêu.
Bài 15: Thực hành thiết kế hệ thống IoT: Thiết kế ứng dụng Android để đọc giá trị từ cảm
biến ánh sáng và điều khiển bật, tắt LED.
Bài 16: Thực hành Nhận diện khuôn mặt: Sử dụng công nghệ nhận dạng hình ảnh của
Google Vision API để phát hiện và vẽ một đường viền xung quanh khuôn mặt từ hình ảnh + số
lượng khuôn mặt + phạm vi (vùng điểm ảnh) của các khuôn mặt.
Bài 17: Thực hành Nhận diện biểu cảm của khuôn mặt: Sử dụng công nghệ nhận dạng
hình ảnh của Google Vision API để phát hiện cảm xúc của của các khuôn mặt, sau đó đưa ra
các giá trị như: “Unknown”, “Veryunlikely”, “Unlikely”, “Possible”, “Likely”, “Verylikely”.
3. CÁC BÀI THỰC HÀNH + PROGRAM 33
Bài 18: Thực hành Phát hiện thuộc tính hình ảnh: Sử dụng công nghệ nhận dạng hình ảnh
của Google Vision API để phát hiện ra một số màu chính (Mã màu RGB) của hình ảnh.
Bài 19: Thực hành Nhận diện và Tìm kiếm an toàn: Sử dụng công nghệ nhận dạng hình
ảnh của Google Vision API để phát hiện thuộc tính người lớn, giả mạo, bạo lực và không phù
hợp được thể hiện theo 6 cấp độ sau: “Unknown”, “Veryunlikely”, “Unlikely”, “Possible”,
“Likely”, “Verylikely”., sau đó đưa ra các giá trị như: “Unknown”, “Veryunlikely”,
“Unlikely”, “Possible”, “Likely”, “Verylikely”.
Bài 21: Thực hành gợi ý cắt ảnh : Sử dụng công nghệ nhận dạng hình ảnh của Google Vision
API để gợi ý các đỉnh của các khu vực để cắt trong ảnh.
Bài 22: Thực hành tìm kiếm Web chứa hình ảnh mẫu: Sử dụng công nghệ nhận dạng hình
ảnh của Google Vision API để phát hiện ra một số Web chưa hình ảnh mẫu.
3. CÁC BÀI THỰC HÀNH + PROGRAM 34

Bài 23: Thực hành nhận diện text từ ảnh: Sử dụng công nghệ nhận dạng hình ảnh của
Google Vision API để phát hiện ra ký tự (text) từ ảnh mẫu.
Bài 24: Thực hành nhận diện logo: Sử dụng công nghệ nhận dạng hình ảnh của Google
Vision API để phát hiện logo sản phẩm phổ biến trong một hình ảnh.
Bài 25: Thực hành với TensorFlow: Cài đặt và làm việc với TensorFlow.
Bài 26: Thực hành Nhận dạng MNIST sử dụng Machine learning: Sử dụng công nghệ
nhận dạng hình ảnh học máy để nhận dạng ký tự MNIST.
Bài 27: Thực hành Nhận dạng MNIST sử dụng mạng Neural
Bài 28: Thực hành Nhận dạng MNIST sử dụng Optimizer
Bài 29: Thực hành Nhận dạng MNIST sử dụng Xavier
Bài 30: Thực hành Nhận dạng MNIST sử dụng Dropout
3. CÁC BÀI THỰC HÀNH + PROGRAM 35

Bài 31: Thực hành Nhận dạng MNIST sử dụng CNN

Bài 32: Thực hành Nhận dạng hình ảnh bằng cách sử dụng máy học 3
Bài 33: Thực hành Nhận diện khuôn mặt với OpenCV và bằng Haar Cascade
Bài 34: Thực hành Nhận diện khuôn mặt với Open face
Bài 35: Thực hành Nhận diện khuôn mặt sử dụng thư viện nhận dạng: Tìm khuôn mặt
trong ảnh + Xác định người trong ảnh và vẽ khung bao quanh + Nhận dạng khuôn mặt trong
video trực tiếp bằng webcam
Bài 36: Thực hành sử dụng camera để phát hiện khuôn mặt và bật, tắt thiết bị điện: Sử
dụng Openface