دوره پیشرفته اینترنت اشیاء و خانه هوشمند
*** این دوره کاملاً عملی است و شرکت کنندگان با تجهیزات و قطعات واقعی کار میکنند.***
در این دوره که در امتداد دوره مقدماتی تعریف شده است، علاوه بر مبانی پیشرفته آردوینو و معرفی سیستم RFID به اجرای پروژههای پیشرفته در حوزه خانه هوشمند مطابق سناریوهای زیر پرداخته میشود:
سناریو 1: بهینهسازی مصرف انرژی
تجهیزات مورد نیاز:
- سنسور دما و رطوبت
- سنسور شدت نور (LDR)
- لامپ LED
- LCD کاراکتری
شرح سناریو:
- اندازهگیری شرایط محیطی (سنسور دما و رطوبت و سنسور شدت نور، وضعیت محیطی را به طور مداوم اندازهگیری میکنند.)
- کنترل روشنایی (اگر میزان نور محیط کمتر از حد مشخصی باشد، لامپ LED روشن میشود. اگر میزان نور محیط به حد مطلوب برسد، لامپ LED خاموش میشود.)
- نمایش اطلاعات (اطلاعات دما، رطوبت و شدت نور روی LCD کاراکتری نمایش داده میشود تا کاربران بتوانند وضعیت محیط را مشاهده کنند.)
- تنظیم دمای محیط (با توجه به دمای محیط و رطوبت، سیستم میتواند پیامهای هشداردهنده یا توصیههایی برای تنظیم دمای محیط ارائه دهد؛ به عنوان مثال، روشن یا خاموش کردن سیستم تهویه)
سناریو 2: سیستم تشخیص نشت گاز
تجهیزات مورد نیاز:
- سنسور تشخیص گاز
- بازر
- LCD کاراکتری
شرح سناریو:
- تشخیص نشت گاز (سنسور تشخیص گاز به طور مداوم وضعیت محیط را بررسی میکند و در صورت تشخیص گاز، سیگنال هشدار ارسال میکند.)
- هشدار صوتی (وقتی سنسور گاز تشخیص نشت گاز را بدهد، بازر به صدا در میآید تا افراد را از وجود نشت گاز مطلع کند.)
- نمایش وضعیت (وضعیت نشت گاز روی LCD کاراکتری نمایش داده میشود، به همراه پیامهای هشداردهنده و توصیههای ایمنی.)
سناریو 3: سیستم امنیتی
تجهیزات مورد نیاز:
- سنسور تشخیص حرکت (PIR)
- سنسور شدت نور (LDR)
- لامپ LED
- بازر
- RFID
- LCD کاراکتری
شرح سناریو:
- تشخیص حرکت (سنسور تشخیص حرکت (PIR) حضور یا حرکت افراد در محیط را بررسی میکند.)
- فعالسازی سیستم امنیتی (سیستم امنیتی میتواند با استفاده از RFID فعال یا غیرفعال شود. هر کاربر دارای یک کارت RFID است که میتواند برای فعال یا غیرفعال کردن سیستم امنیتی استفاده شود.)
- هشدار صوتی و روشنایی (اگر سنسور حرکت حضور غیرمجاز را تشخیص دهد (در صورتی که سیستم امنیتی فعال باشد)، بازر به صدا در میآید و لامپ LED روشن میشود تا حضور غیرمجاز را نشان دهد.)
- نمایش وضعیت (وضعیت سیستم امنیتی و اطلاعات مربوط به هرگونه حرکت تشخیص داده شده روی LCD کاراکتری نمایش داده میشود. همچنین پیامهای هشدار و راهنماییهای لازم نیز نشان داده میشود.)
این سه سناریو نمونههایی از کاربردهای واقعی اینترنت اشیا در خانه هوشمند هستند که به دانشآموزان کمک میکنند تا با استفاده از تجهیزات موجود در آزمایشگاه، مهارتهای عملی خود را تقویت کنند و تاثیرات مثبت فناوریهای هوشمند را در زندگی روزمره مشاهده نمایند.
سر فصل ها:
-
1 مبانی پیشرفته آردوینو
- 1-1- آشنایی با کتابخانههای پیشرفته آردوینو
- 2-1- کار با ورودیها و خروجیهای دیجیتال
- 3-1- استفاده از تایمرها و وقفهها در آردوینو
-
2 معرفی سیستم RFID
- 1-2- تعریف و کاربردهای RFID
- 2-2- نحوه عملکرد سیستم RFID
- 3-2- آشنایی با اجزای سیستم RFID (تگها و ریدرها)
-
3 پروژههای پیشرفته خانه هوشمند
- 1-3- سناریو 1: بهینهسازی مصرف انرژی
- 2-3- سناریو 2: سیستم تشخیص نشت گاز
- 3-3- سناریو 3: سیستم امنیتی
دکتر سعدون عزیزی دانشیار گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه کردستان است. ایشان دکترای خود را سال ۱۳۹۵ در رشته علوم کامپیوتر از دانشگاه صنعتی امیرکبیر تهران دریافت کرده اند. علایق تحقیقات اصلی ایشان شامل اینترنت اشیاء، رایانش ابری، رایانش لبه/مه، رایانش بدون سرور، پردازش داده های کلان و استفاده از تکنیک های هوش مصنوعی و یادگیری ماشین برای حل مسائل بهینه سازی در حوزه های مختلف علوم کامپیوتر است. در حال حاضر بیشتر کارهای ایشان روی مسائل زیر متمرکز است: جایابی ماشین های مجازی و کانتینرها، برون سپاری و زمانبندی وظیفه ها، مقیاس بندی خودکار، طراحی و تحلیل الگوریتم ها و پروتکل های مسیریابی. در حال حاضر ایشان درس های بهینه سازی ترکیبیاتی، رایانش ابری، مباحث پیشرفته در اینترنت اشیا، رایانش فراگیر و خودمختار و الگوریتم های تصادفی را در مقطع کارشناسی ارشد و دکترا و درس های شبکه های کامپیوتری، هوش مصنوعی، اینترنت اشیا، طراحی و تحلیل الگوریتم ها و برنامه نویسی به زبان C را در مقطع کارشناسی تدریس می کنند. ایشان همچنین سرپرست آزمایشگاه سیستم های رایانشی توزیع شده (DCS Lab) و مدیر مرکز محاسبات سریع دانشگاه کردستان هستند.
تحصیلات:
دکترای تخصصی علوم کامپیوتر ، دانشگاه صنعتی امیرکبیر ، ایران (۱۳۹۱ - ۱۳۹۵)
کارشناسی ارشد علوم کامپیوتر ، دانشگاه صنعتی امیرکبیر ، ایران (۱۳۸۸ - ۱۳۹۰)
مهارتها
هوش مصنوعی و یادگیری ماشین برای سیستم های توزیع شده (Artificial Intelligence (AI) and Machine Learning (ML) for Distributed Systems)
یادگیری تقویتی (Reinforcement Learning)
الگوریتم های بهینه سازی ترکیبیاتی (Combinatorial Optimization Algorithms)
رایانش لبه/مه/ابر (Edge/Fog/Cloud Computing)
رایانش بدون سرور (Serverless Computing)
اینترنت اشیاء (Internet of Things)