Pemenang InnovateFPGA Design Contest

Keselamatan Pengiriman Paket Drone

Foale Aerospace Inc.

Permasalahan:

Pengiriman paket adalah komponen vital dari infrastruktur kota pintar; namun, hal itu menyebabkan kemacetan lalu lintas dan emisi Karbon Dioksida, kontributor utama untuk Pemanasan Global. Pada tahun 2050, kilometer terakhir pengiriman paket dapat menghasilkan lebih dari 2 juta ton CO2 per tahunnya.

Solusi:

Proyek ini berusaha mengembangkan sistem pengiriman paket memakai drone udara dengan sumber daya terbarukan dan dapat menggantikan pengiriman kurir dari satu titik ke titik lain pada menit terakhir, di kota yang saat ini mengandalkan layanan yang menghasilkan CO2. Proyek ini dapat mendeteksi dan mengkomunikasikan perubahan yang kuat dan tiba-tiba dalam gerakan udara serta menciptakan “digital twin/kembar digital” untuk pengembangan. Hal ini mendorong keselamatan untuk drone maupun untuk orang dan bangunan di dekatnya.

Detail Proyek:

Kemampuan pengembangan DSP yang dapat diprogram ulang dari FPGA memungkinkan drone untuk bereaksi terhadap 8 saluran analog secara bersamaan yang mengukur rotasi dan akselerasi drone. HPS mengirimkan telemetri pengiriman berbahaya ke hub IoT Microsoft Azuredan menambahkan kemampuan ‘digital twin/kembar digital’ yang dapat mereproduksi kejadian nyata untuk pengembangan algoritma menggunakan Perangkat Analog DC2025A-A DAC.

Pengelolaan Konverter Tenaga Surya Berbasis Cloud

Daniel Chavez (Universidad Nacional de Ingenieria)

Permasalahan::

Seiring lebih banyak kemampuan penghasil daya terbarukan, seperti tenaga surya dan angin, menjadi semakin luas, distribusi beban daya di seluruh jaringan listrik menjadi lebih kompleks. Sering kali, ada ketidakcocokan antara permintaan dan pembangkit daya yang perlu untuk dikelola.

Solusi::

Sistem ini dirancang untuk mengumpulkan titik lokal data energi yang dipakai dengan lebih efisien dari banyak sumber yang dapat digunakan untuk mengontrol pembangkit listrik. Data ini dilaporkan ke sistem berbasis cloud yang kemudian dapat dikombinasikan dengan kebijakan jaringan untuk mengoptimalkan permintaan dan pembangkit daya.

Detail Proyek::

FPGA secara langsung mengukur dan mengontrol modulasi konverter DABRS dua arah satu tahap dan secara nirkabel mengomunikasikan data ke database MariaDB server Azure berbasis Cloud. Karena data diproses secara lokal oleh FPGA, FPGA meminimalkan telemetri yang diperlukan untuk mengkomunikasikan kembali ke kontrol pusat berbasis cloud.

Sistem Pengurang Limbah Buah

Nixon Fernando Ortiz De La Cruz (Universidad Nacional de Ingenieria and Nacional Mayor de San Marcos)

Permasalahan::

Perusahaan perkebunan kecil sering kali kekurangan sumber daya untuk meminimalkan limbah selama distribusi dan transportasi hasil panen mereka. Karena kurangnya sistem penyimpanan dan transportasi berkualitas tinggi, sebagian besar hasil panen busuk sebelum sampai ke tangan konsumen. 80% produksi buah mangga di Peru berasal dari perkebunan yang dimiliki oleh keluarga kecil.

Solusi::

Sistem pintar ini akan memantau, melaporkan, dan mengelola kondisi penyimpanan dan transportasi untuk mengurangi jumlah produk yang busuk.

Detail Proyek::

FPGA mengumpulkan data dari berbagai sensor. FPGA juga mengontrol aktuator yang mengubah suhu dan kondisi udara (misalnya, CO2) untuk mengurangi buah masak terlalu dini. Gambar video dari kamera diproses oleh FPGA, lalu dikirimkan ke cloud guna dianalisis data warnanya untuk dikaitkan dengan tingkat kematangan buah. Rangkaian data yang beragam ini dikirimkan Hub IoT Microsoft Azure untuk penyimpanan, pemrosesan, prediksi, dan kontrol penyimpanan buah/wadah transportasi pintar. Karena kebanyakan pemrosesan dilakukan oleh FPGA, hal ini meminimalkan data yang dikirim ke cloud, mengurangi biaya pengiriman data dalam jumlah besar.

Pengoptimal Pertanian Pintar

Jyotsna Bavisetti (Rajiv Gandhi University of Knowledge Technologies, Nuzvid)

Permasalahan::

Pilihan tanaman oleh petani sering kali tidak seragam dan tidak sesuai ketika menggunakan metode pertanian tradisional. Hal ini berakibat pada hasil panen dan kualitas tanaman yang rendah karena pemahaman yang buruk tentang kondisi air dan tanah. Pasokan makanan di negara berkembang utamanya sangat rentan.

Solusi::

Bantuan petani komprehensif ini dapat merekomendasikan tanaman yang sesuai berdasarkan kondisi tanah, iklim, dan ketersediaan air di wilayah itu. Alat ini dapat mengontrol dan dan mengoptimalkan irigasi, mendeteksi penyakit tanaman, mendeteksi gulma, dan memberikan panduan kepada petani.

Detail Proyek::

FPGA mengumpulkan data dari kamera dan berbagai sensor Perangkat Analog. FPGA dapat mengukur nitrogen, fosfat, kalium, pH, kandungan air, kelembapan tanah, dan suhu. Rangkaian data yang beragam ini dikirimkan ke Hub IoT Microsoft Azure untuk disimpan, dianalisis, ditampilkan, dan memberikan panduan kepada petani. Algoritma machine learning memprediksi tanaman yang paling sesuai untuk kondisi dan mengontrol irigasi. Model deteksi objek dapat mengidentifikasi gulma, dan algoritma berbasis AI dilatih untuk mengidentifikasi penyakit untuk merekomendasikan pengobatan.

Sistem Rumah Kaca Mini Konsumen

Pahan Mendis (University of Moratuwa, Sri Lanka)

Permasalahan::

Konsumen semakin menyadari bahwa pertanian dan transportasi hasil panen berskala besar dapat memengaruhi lingkungan secara negatif. Konsumen semakin ingin menghasilkan makanan mereka sendiri bukan hanya karena kekhawatiran terhadap lingkungan, tetapi juga untuk meningkatkan kualitas dan keamanan makanan mereka. Namun, banyak dari petani mulia ini tidak memiliki pengetahuan atau kemampuan untuk bertani secara efisien.

Solusi::

Sistem pengelolaan rumah kaca mini yang cerdas dan otomatis ini menarget produksi makanan untuk konsumen komunitas perkotaan yang mungkin memiliki keahlian pertanian yang terbatas. Sistem ini dapat memberikan panduan untuk irigasi, pupuk, ventilasi, dan cahaya.

Fitur AI yang disertakan dapat memprediksi hasil dan mengidentifikasi perilaku pertumbuhan yang tidak wajar.

Detail Proyek::Sistem ini mengumpulkan data dari kamera dan berbagai sensor Perangkat Analog (mengukur kelembapan dan suhu udara, pH/kelembapan/suhu tanah, kadar CO2, dan intensitas cahaya). Selain data sensor, FPGA mempercepat pemrosesan gambar berbasis AI CNN. Rangkaian data yang beragam ini dikirim ke Hub IoT Microsoft Azure ini untuk penyimpanan, pemrosesan, dan prediksi hasil seiring waktu.

Penasihat Kesehatan Mental

Sudhamshu B N (Dayananda Sagar College of Engineering)

Permasalahan::

Presentasi kasus mental dan perilaku menunjukkan peningkatan dalam masalah kesehatan dunia. Namun, kasus tersebut tetap kurang terwakili dalam statistik kesehatan publik konvensional (yang berfokus pada mortalitas dibandingkan faktor lainnya, seperti disfungsi).

Solusi::

Sarung tangan pintar mengumpulkan berbagai parameter tubuh manusia dan lingkungan untuk model machine learning guna menganalisis dan mengklasifikasi gejala berbagai kondisi kesehatan mental yang ditargetkan. Berdasarkan pada kondisi mental dan kesehatan pengguna, saran positif yang cepat dikomunikasikan kembali kepada konsumen sebagai “rekomendasi”. Kesehatan mental dianggap sama pentingnya dengan kesehatan fisik.

Detail Proyek::

FPGA mengumpulkan data seperti suhu tubuh dan udara, aktivitas kelenjar keringat, kondisi cahaya, dan kualitas air dari sensor pada sarung tangan pintar. FPGA menggunakan machine learning untuk mengkarakterisasikan dan mengaitkan data dengan kondisi mental. Video langsung pasien dari input kamera, diumpan ke model pengenalan emosi video untuk mengaitkan data ke dalam 5 karakteristik (Marah, Gugup, Bahagia, Netral, dan Sedih). Rangkaian data yang beragam ini dikirimkan ke Hub IoT Microsoft Azure untuk penyimpanan dan pemrosesan machine learning. Rekomendasi dikirimkan kembali ke aplikasi ponsel pengguna.

Pemulihan Terumbu Karang

Jose Filho (King Abdullah University of Science and Technology)

Permasalahan::

25% kehidupan perairan bergantung pada terumbu karang yang sehat; namun, naiknya suhu laut menyebabkan beberapa koral mengalami pemutihan. Proses pemutihan terjadi ketika karang mengeluarkan alga yang hidup di dalam jaringannya. Alga ini penting untuk kelangsungan hidup karang.

Solusi::

Penelitian laboratorium menunjukkan bahwa mikroorganisme tertentu yang bermanfaat bagi karang/beneficial microorganisms for coral (BMC) dapat menghentikan proses pemutihan dan memungkinkan karang untuk pulih. Sistem ini dapat memberikan probiotik kepada karang di dalam lingkungan perairan dan memonitor kemanjurannya dalam jangka panjang.

Detail Proyek::

FPGA memungkinkan platform eksperimental yang fleksibel dan dapat dikonfigurasi ulang. FPGA mengumpulkan data dari kamera, sensor suhu dan data luminositas laut dari Perangkat Analog Sistem Pengenalan Cahaya Ultrarendah. FPGA menggunakan AI untuk secara akurat menentukan tingkat pemutihan dan membuat keputusan cepat untuk menerapkan BMC. Eksperimen bertenaga surya ini diterapkan di dekat pantai dan mampu mengirimkan data 4G ke Microsoft Azure untuk memvisualkan dan mengelola proses rehabilitasi.

Pengelolaan Kualitas Udara Dalam Ruangan

Ricardo Núñez Prieto (NVISION s.l. / Institute of Microelectronics of Barcelona (CSIC) / UAB)

Permasalahan::

Bukti telah mengaitkan paparan kronis konsentrasi CO2 sebesar 1000 ppm dengan beberapa gangguan kesehatan manusia. Penelitian juga telah menunjukkan bahwa virus dilepaskan selama membuang napas, berbicara, dan batuk, dan penularan paling mungkin terjadi di dalam ruangan.

Solusi::

Mengukur CO2 yang dikeluarkan adalah metode terbaik berbiaya rendah yang tersedia untuk menilai risiko kualitas udara. Proyek ini dapat mengukur konsentrasi CO2 dan mengirimkan informasi yang dapat ditindaklanjut di server Microsoft Azure untuk mengelola peringatan dan ventilasi.

Detail Proyek::

Sistem ini menggunakan data dari sistem sensor CO2 NDIR Perangkat Analog yang dapat mengukur konsentrasi CO2 dalam rentang 400-5000 ppm serta sensor suhu. FPGA adalah pilihan yang baik untuk aplikasi ini karena FPGA memiliki fleksibilitas untuk mendukung beberapa sensor dan dapat juga disesuaikan untuk jenis sensor, algoritma, dan protokol komunikasi lainnya. Proyek ini dioptimalkan untuk jejak energi sistem yang minimal dengan menjalankan algoritma konsentrasi CO2 secara lokal di dalam FPGA untuk meminimalkan komunikasi data yang kompleks.

Sistem Kontrol Perkebunan Pintar

Mohamed Abdelaziz Louhab (University M'hamed Bougara Boumerdes)

Permasalahan::

Meminimalkan kesalahan budidaya penting untuk menekan biaya serta memastikan ketahanan pangan di wilayah yang tidak memiliki kondisi pertanian yang optimal. Risiko lain adalah kebakaran, perambahan hewan, atau pencurian, dapat memiliki konsekuensi yang signifikan terhadap perkebunan atau komunitas.

Solusi::

Rumah kaca pintar ini memanfaatkan sensor yang dapat memantau kesehatan tanaman menggunakan faktor lingkungan seperti suhu, kelembapan, dan gas seperti O2 dan CO2. Sistem ini bukan hanya memberikan panduan kepada petani tetapi juga mengontrol irigasi, pemanas, dan pendingin.

Detail Proyek::

FPGA adalah sistem dengan otak bertenaga surya, yang menggunakan HPS untuk menerapkan algoritma pelacakan surya guna memaksimalkan output dari panel PV. Rumah kaca ini dirancang untuk meminimalkan kesalahan budidaya dan membuat hasil panen lebih enak menggunakan 6 sensor Perangkat Analog yang berbeda untuk memantau dan menjaga kesehatan tanaman. Sistem ini memitigasi kekhawatiran akan tanaman dimakan hama dengan menggunakan IR dan PIR untuk mendeteksi keberadaan hewan dan juga mampu untuk mendeteksi dan menekan api.

Penyortir Sampah Otomatis

Longfei Yang (Hubei University)

Permasalahan::

Produksi sampah global meningkat setiap tahunnya, mencemari tanah dan sumber air. TPA dapat mengandung bahan kimia berbahaya dan zat berbahaya lainnya yang bisa masuk ke dalam ekosistem yang membahayakan bagi manusia dan lingkungan.

Solusi::

Penyortir sampah otomatis dapat membantu mengurangi polusi lingkungan, menghemat sumber daya lahan, dan mempromosikan daur ulang sumber daya. Sistem ini dirancang untuk mengurangi pembuangan tanpa pertimbangan sampah yang dapat didaur ulang dan klasifikasi sampah memaksimalkan potensi untuk pemakaian ulang sampah dan mengurangi bahaya bagi ekologi lokal.

Detail Proyek::

Proyek ini menggunakan pengenalan gambar untuk mengklasifikasi sampah menjadi 4 kategori: Dapat didaur ulang, Dapat terurai, Berbahaya, dan Lainnya. Sensor infra merah mendeteksi pembuangan objek baru, sehingga kamera mengirimkan gambar ke FPGA. FPGA menerapkan deep Convolutional Neural Network (CNN) yang disebut VGG-16 untuk pengenalan gambar. Pengenalan dan klasifikasi diperkuat dengan akselerator FPGA berbasis OpenCL yang disebut pipeCNN. Penyortir sampah memindahkan sampah ke tempat yang sesuai dengan akurasi 95% dan dengan waktu pengenalan 1,93 detik.

Sistem Deteksi Kerusakan Jalan

Dingwei Chen (Chongqing University)

Permasalahan::

Kerusakan jalan tidak hanya memengaruhi penampilan dan kenyamanan mengemudi, tetapi jika kebutuhan pemeliharaan tidak diidentifikasi dan ditangani, permukaan jalan dan struktur terkait akan semakin rusak yang dapat mengakibatkan kecelakaan atau bahkan hilangnya nyawa. Konstruksi jalan baik dengan beton atau aspal menghasilkan emosi dan polusi berbahaya.

Solusi::

Sistem deteksi otomatis, lokasi, dan pelaporan ini menggunakan kamera dan lidar 3D untuk menangkap informasi kondisi jalan secara real-time yang dapat dianalisis untuk menentukan apakah perbaikan diperlukan. Informasi pemeriksaan akurat yang dipadukan dengan lokasi yang presisi memungkinkan pemeliharaan untuk secara efisien mengelola dan menghindari kerusakan permukaan jalan yang mahal.

Detail Proyek::

Sistem deteksi kerusakan jalan pintar menggunakan lidar dan kamera dengan IMU (Inertial Measurement Unit), untuk mendapatkan data cloud poin dan informasi gambar permukaan jalan. Sistem ini dapat memperbaiki distorsi gerakan cloud poin dan mampu untuk menyinkronkan informasi jarak lidar ke informasi piksel kamera. Data dapat digunakan oleh aplikasi cloud untuk menggabungkan detail kerusakan (ukuran/bentuk kerusakan) dengan data peta yang presisi. Personel pemeliharaan kemudian dapat fokus pada menjadwalkan perbaikan yang tepat waktu.