Thanh bên bài viết

Số xuất bản: Số 87 (2026): Số 87 (07/2026)
Chuyên mục: CÔNG NGHỆ SỐ, TỰ ĐỘNG HÓA VÀ ỨNG DỤNG HÀNG HẢI
DOI: 10.65154/jmst.1035
Lượt xem 1
Trích dẫn bài báo
Trần, T. P. T., & Vũ, T. T. (2026). XÂY DỰNG HỆ THỐNG IOT GIÁM SÁT KHÍ GAS SỬ DỤNG MẠNG NƠ -RON NHÂN TẠO TRÊN ESP32 CHO ỨNG DỤNG AN TOÀN CÔNG NGHIỆP. Tạp chí Khoa học Công nghệ Hàng hải, 87. https://doi.org/10.65154/jmst.1035
Crossref
Scopus
Google Scholar
Europe PMC

XÂY DỰNG HỆ THỐNG IOT GIÁM SÁT KHÍ GAS SỬ DỤNG MẠNG NƠ -RON NHÂN TẠO TRÊN ESP32 CHO ỨNG DỤNG AN TOÀN CÔNG NGHIỆP

Trần Thị Phương Thảo1, , Vũ Thị Thu1
1 Khoa Điện - Điện tử, Trường Đại học Hàng hải Việt Nam

Nội dung chính của bài viết

Tóm tắt

Tóm tắt

An toàn cháy, nổ trong môi trường công nghiệp là nhiệm vụ đặc biệt quan trọng. Rò rỉ khí gas tại các nhà xưởng, kho hàng, khu vực sản xuất tiềm ẩn nguy cơ cháy nổ và ngộ độc cao. Các hệ thống cảnh báo truyền thống dùng cảm biến giá rẻ thường có sai số lớn và chịu ảnh hường từ môi trường như nhiệt độ, độ ẩm dẫn đến gây báo động giả, bỏ sót cảnh báo. Bài báo này đề xuất xây dựng hệ thống AIoT giám sát khí gas dựa trên ESP32 có tích hợp mạng nơ-ron nhân tạo (ANN). Phương pháp nghiên cứu dựa trên thiết bị cảm biến khí gas MQ-x, cảm biến độ ẩm, ESP32 và phần mềm Virtuino IoT kết nối mạng Wi-Fi. Nhúng mô hình ANN đã huấn luyện vào ESP32 và triển khai thuật toán suy luận trực tiếp trên vi điều khiển. Kết quả nghiên cứu đã chứng minh tính khả thi của việc tích hợp ANN nhúng trên ESP32 trong hệ thống IoT giám sát khí gas cho môi trường công nghiệp. Cuối cùng, mở hướng nghiên cứu phát triển các mô hình AI nhúng cho các bài toán giám sát an toàn môi trường khác trong tương lai.

Abstract

Ensuring fire and explosion safety in industrial environments is of paramount importance. Gas leakages in factories, warehouses, and production facilities constitute a severe risk of fire, explosion, and toxic exposure. Conventional warning systems, often relying on low-cost sensors, are prone to significant inaccuracies and high susceptibility to environmental interferences such as temperature and humidity, leading to frequent false alarms or missed detections. This study proposes the development of an ESP32-based IoT gas monitoring system integrated with an Artificial Neural Network (ANN). The methodology employs MQ-x gas sensors, humidity sensors, the ESP32 microcontroller, and Virtuino IoT software, interconnected via Wi-Fi. Experimental results demonstrate the feasibility of deploying embedded ANNs on the ESP32 within an industrial IoT framework. Consequently, this work paves the way for further research and development of embedded AI models addressing broader environmental safety monitoring challenges.

Keywords: Gas monitoring, Industrial safety, IoT-based system, Artificial Neural Network (ANN), Embedded intelligence.

Từ khóa

Giám sát khí gas, An toàn công nghiệp, Hệ thống IoT, Mạng nơ-ron nhân tạo (ANN), Hệ thống nhúng thông minh.

Chi tiết bài viết

Tài liệu tham khảo

and M. Kowtham, “Analysis of universal gas leak detector of hazardous gases using IOT“, Mater. Today Proc., vol. 66, pp. 1044–1050, 2022, doi: https://doi.org/10.1016/j.matpr.2022.04.837.
[2] C. Zhang and J. Li, “Optimization design and evaluation of composited fiber optic sensors for monitoring ammonia gas with relative error calibration unit”, Sensors Actuators A Phys., vol. 375, p. 115554, 2024, doi: https://doi.org/10.1016/j.sna.2024.115554.
[3] J. F. Muñoz-Chilito and J. E. Rodríguez-Páez, “Potential use of zinc oxide (ZnO) ceramic pieces doped with ceria (CeO2) or magnesia (MgO) in the reduction of polluting gases emitted by motorcycles”, Ceram. Int., vol. 51, no. 12, Part A, pp. 16290–16309, 2025, doi: https://doi.org/10.1016/j.ceramint.2025.01.470.
[4] J. Wei, Q. Peng, Y. Xie, and Y. Chen, “Intelligent Gas Sensors: From Mechanism to Applications”, Sensors, vol. 25, no. 20. p. 6321, 2025. doi: 10.3390/s25206321.
[5] Y. Xu, Z. Cheng, G. He, and C. Liang, “Temperature Compensation for Semiconductor Gas Sensors Based on Whale Optimization Algorithm–Least-Squares Support Vector Machine”, Sensors Mater., vol. 35, p. 2933, Aug. 2023, doi: 10.18494/SAM4417.
[6] E. F. Robalino P., A. Llerena, L. A. Flores, F. Trujillo, L. O. Freire, and F. Lara, “IoT-Based System for Detecting and Monitoring LPG Leaks in Residential Settings”, Engineering Proceedings, vol. 115, no. 1. p. 9, 2025. doi: 10.3390/engproc2025115009.
[7] E. J. Pérez-Pérez, F. R. López-Estrada, G. Valencia-Palomo, L. Torres, V. Puig, and J. D. Mina-Antonio, “Leak diagnosis in pipelines using a combined artificial neural network approach”, Control Eng. Pract., vol. 107, p. 104677, 2021, doi: https://doi.org/10.1016/j.conengprac.2020.104677.
[8] E. Zhang and E. Zhang, “Gas pipeline leakage detection based on multiple multimodal deep feature selections and optimized deep forest classifier”, Front. Environ. Sci., vol. Volume 13-2025, 2025, doi: 10.3389/fenvs.2025.1569621.
[9] J. Kim, S. Han, D. Kim, and Y. Lee, “Gas Pipeline Leak Detection by Integrating Dynamic Modeling and Machine Learning Under the Transient State”, Energies, vol. 17, no. 21. p. 5517, 2024. doi: 10.3390/en17215517.
[10] S. Fernandez, M. Vallejo, and T. Lim, “Exploring the Boundaries of Resource-Constrained AIoT: Tiny Machine Learning for Condition Monitoring using 8-bit and 32-bit Microcontrollers”, in 2025 10th International Conference on Smart and Sustainable Technologies (SpliTech), 2025, pp. 1–6. doi: 10.23919/SpliTech65624.2025.11091675.
[11] D. T. Ngo, D. H. Nguyen, K. Y. Ng, P. C.-P. Chao, R. H. Horng, and J. Shieh, “Precision Concentration Estimation of Five Gases by Multiple IoT Gas Sensors and a New Hybrid MLP-LSTM Model”, IEEE Internet Things J., p. 1, 2025, doi: 10.1109/JIOT.2025.3636605.

[12] K. Y. Ng, D. T. Ngo, P. C.-P. Chao, R. H. Horng, and J.-M. Shieh, “High-Precision Prediction of NOx, NO2 and C6H6 by Multiple Gas Sensors Using a Novel Cascaded MLP-LSTM Model”, in 2024 IEEE SENSORS, 2024, pp. 1–4. doi: 10.1109/SENSORS60989.2024.10784765.
[13] E. Balestrieri, L. De Vito, F. Lamonaca, F. Picariello, S. Rapuano, and I. Tudosa, “Research challenges in Measurement for Internet of Things systems”, ACTA IMEKO, vol. 7, p. 82, Jan. 2019, doi: 10.21014/acta_imeko.v7i4.675.
[14] M. El Hanine, A. El-Yahyaoui, and R. Es-Sadaoui, “Design and assessment of lightweight cryptographic algorithms on ESP32 and STM32 for IoD security”, Egypt. Informatics J., vol. 32, p. 100818, 2025, doi: https://doi.org/10.1016/j.eij.2025.100818.
[15] M. A. Caraveo-Cacep, R. Vázquez-Medina, and A. Hernández Zavala, “A survey on low-cost development boards for applying cryptography in IoT systems,” Internet of Things, vol. 22, p. 100743, 2023, doi: https://doi.org/10.1016/j.iot.2023.100743.
[16] Y. Xu, Z. Cheng, G. He, and C. Liang, “Temperature Compensation for Semiconductor Gas Sensors Based on Whale Optimization Algorithm – Least-squares Support Vector Machine”, vol. 35, no. 8, pp. 2933–2946, 2023