lucrare licenta diploma 2022

Proiectarea si implementarea unui sistem hw de prelucrare a semnalelor audio.
In cadrul acestui proiect contributiile mele sunt urmatoarele: -proiectarea unui sistem hw de achizitie a semnalului audio cu
frecvență de eșantionare de cel puțin 32 kHz, cuantizare 24 biți; -implementarea software într-un microcontroller unor algoritmi
de prelucrare digitala pentru obtinerea unor efecte audio în timp real (exemplu:EQ,Reverb,Delay) și a unor prelucrări specifice
pentru semnale audio: filtrări, prelucrări de amplitudine, etc. -proiectarea unui sistem de redare a semnalul audio achiziționat și
-Inginerie audio; -Circuite integrate analogice; -Microcontrolere; -Prelucrare digitala a semnale
Proiectarea şi realizarea unei mănuşi inteligente destinată introducerii de date prin limbajul semnelor
Lucrarea are ca scop proiectarea unui prototip de mănuşă inteligentă ce va servi ca ajutor în viaţa cotidiană a persoanelor cu
nevoi speciale, facilitând interacţiunea de zi cu zi în raport cu alte persoane, procesul de adaptare în societate fiind astfel mai
uşor. Mănuşa va fi echipată cu senzori cu ajutorul cărora se va detecta semnalul produs de mişcările mâinii, semnal ce va fi
interpretat, realizându-se astfel o conversie semn-cuvânt, rezultatul fiind apoi afişat pe ecranul oricărui dispozitiv ce conţine un
modul de comunicare printr-un protocol wireless, în cazul acesta, un smartphone. Studentul va proiecta sistemul atât din punct
de vedere hardware cât şi software, îl va pregăti pentru fabricaţie şi îl va testa.
Microcontrolere, Circuite și Componente Pasive, Arhitectura Microprocesoarelor, SCCS
Proiectarea unei aplicații software de studiu individual pentru laboratoarele de programare din cadrul unei facultați
Proiectarea si implementarea unei aplicații software de studiu individual pe sistemul de operare Windows 10 care permite unui
student accesul la materiale didactice pentru laboratoarele de programare din cadrul unei facultați. Alte funcționaliti vor
reprezenta posibilitatea studentului de a-și vedea situația școlara și de a susține teste propuse de catre cadrul didactic. Aplicația
va fi realizata in Java iar baza de date care va conține informații referitoare la studenți va fi realizata in MySQL. Mă voi folosi de
medii de dezvoltare cum ar fi IntelliJ IDEA si MySQL Workbench.
Programarea calculatoarelor, Structuri de date si algoritmi, Programare obiect – orientată
Proiectarea unui predictor pentru date financiare
Proiectarea si implementarea software a unui predictor pentru date financiare folosind algoritmi de inteligenta artificiala.
Metoda se va aplica asupra unor fisiere CSV, care contin valorile actiunilor unor firme la o anumita data. Modelul dezvoltat va fi
comparat cu alte modele existente (consacrate) pentru predictie de date, prezentandu-se concluziile rezultate in urma acestei
comparatii. Se vor compara modelul LSTM (Long short-term memory) cu modelele ARIMA (Autoregressive integrated moving
average) si Prophet. Se vor folosi biblioteci software special create pentru prelucrarea si analiza datelor.
Recunoasterea formelor si inteligenta artificiala, Structuri de date si algoritmi, DEPI
Protocoale de rutare ad-hoc cu aplicație în rețele de senzori.
Clasificarea protocoalelor pentru rețele ad-hoc și stabilirea criteriilor de performanță pentru rețele de senzori. Definirea
scenariilor de simulare pentru comparația protocoalelor de rutare reactive(aodv,dsr) in funcție de densitatea nodurilor,
dimensiunea rețelei de senzori și volumul de date generat. Scrierea codului in cpp pentru realizarea scenariilor in NS3. Scrierea
codului python pentru obtinerea/prelucrarea si afisarea rezultatelor. Estimarea resurselor utilizate de protocoalele simulate.
Comparație între rezultatele simulărilor și analiza celor mai eficiente protocoale după performanțe vs consum al resurselor
Structuri de date si algoritmi, Programare obiect-orientata, Sisteme de comunicatii
RC car with ADAS functions
Design and implementation of ADAS (Advanced driver-assistance systems) systems. The projects’ main purpose is to transform a
RC car into an intelligent car capable of keeping itself between two lines (line assist), recognizing traffic signs and adapting its
speed accordingly, etc. For the practical part it will be used a Raspberry Pi that will interpret the live video from a camera
mounted on the car and possibly an Arduino board to control the car. The application will use Computer Vision in order to find
and interpret road signs and road markers (lines). This information will help the car to adapt itself to the road conditions, an
algorithm will be used either on an Arduino board or even on the same Raspberry Pi to interpret the data coming from the
Computer Programming, Object Oriented Programming, Microcontrollers, Electronic Programmable Systems
Realizarea unei aplicații de gestiune a logisticii unei baze militare
Se va proiecta și se va realiza practic o aplicație ce va gestiona logistica dintr-o bază militară, în cadrul forțelor armate US Army.
Aplicația dezvoltată va veni în ajutorul bazelor militare, în special celor aflate în zonele de conflict prezente, prin punerea la
dispoziție a unor servicii ce se ocupă cu partea de gestiune a logisticii (în principal cu alimentele consumate de către cadrele
militare), iar pentru implementarea efectivă a aplicației se vor folosi tehnologii Web cum ar fi: html, css,(bootstrap), javascript,
jquery și ajax, baze de date MySQL, cât și PHP pentru partea de back-end.
Proiectarea bazelor de date, Programarea aplicativă a interfețelor, TPI
Realizarea unui analizor de noxe cu stocarea datelor pe un server WEB
Proiectarea și realizarea unui analizor de noxe implementat cu Raspberry Pi care va stoca informațiile pe un server web.
Analizorul de noxe se poate utiliza, de exemplu, într-un service auto, pentru monitorizarea concentrației de noxe din aer. Datele
se vor transmite catre un PC, unde toate informațiile achiziționate se vor stoca într-o bază de date si vor fi afisate intr-o interfata
web cu grafice de trend. Interfata va semnaliza valori necorespunzatoare. De asemenea, datele vor putea fi vizualizate si intr-o
aplicatie Android. Contribuția studentului va consta în proiectarea sistemului, realizarea interfeței între senzor, Raspberry Pi și PC,
implementarea unei interfețe de procesare pe un PC, scrierea codului pentru interfata web si aplicatia android și realizarea
Microcontrolere, Arhitectura Microprocesoarelor, Baze de date, Programarea calculatoarelor
Receptor coerent multicanal
Se va proiecta un receptor de bandă largă cu 4 canale de recepţie care se conectează la un procesor în banda de bază, printr-o
interfata JESD204B de mare viteză. Sincronizarea canalelor de recepţie (alinierea în frecvenţă şi faza a oscilatoarelor locale şi
eşantionarea sincronă a semnalelor convertite în banda de bază) se bazează pe utilizarea unui circuit de dejiterare şi distribuţia
semnalelor de ceas. În acest scop se va folosi circuitului HMC7044 sau AD9528 care va furniza fiecărui dispozitiv JESD204B două
semnale sincrone: ceasul dispozitivului şi semnalul de referinţă. Cele două semnale sunt generate dintr-o referinţă unică de 30.72
MHz. Downconversia şi eşantionarea semnalelor translatate în banda de bază va fi realizată de circuitul ADRV9009 (transceiver
dual). Procesorul în banda de bază se implementează într-un FPGA şi în acest scop se va folosi platforma de dezvoltare ZCU 102
TTI, IEM, Microunde
Reconstructia semnalelor biomedicale multivariate
Monitorizarea în timp real a semnalelor fiziologice vitale are o relevanță clinică semnificativă.Datele fiziologice obținute continuu
din mediul clinic sunt adesea alterate de zgomot sau întreruperi, astfel încât secțiunile de date nu sunt analizate ,fapt ce
îngreunează acordarea unui diagnostic precis al pacientului. Lucrarea de licență constă în implementarea unui instrument
software bazat pe un algoritm de prelucrare a acestor tipuri de semnale ce utilizează transformata Wavelet și funcția de
corelație.Scopul acesui instrument este de a reconstrui semnalele în cazul pierderii informației din măsurătorile mai multor
parametri biologici (semnale ECG, forme de undă continue ale tensiunii arteriale și respirație etc.),pe anumite ferestre de timp.
Electronica si Informatica Medicala, Semnale si Sisteme, Decizie şi estimare în prelucrarea informaţ
Recuantizarea nivelurilor de gri pentru imagini medicale şi satelitare
Lucrarea are ca scop recuantizarea nivelurilor de gri din imagini medicale şi/sau satelitare în scopul vizualizarii acestora folosind
programe software de vizualizare a imaginilor disponibile publicului larg. Pentru aceasta se vor implementa diverse metode de
cuantizare a imaginilor pe 16 biţi în imagini pe 8 biţi fără a avea pierderi semnificative de informaţie. În vederea obţinerii celor
mai bune performanţe, metodele implementate vor fi evaluate atât cantitativ cât şi subiectiv. Pentru validarea rezultatelor vor fi
folosite atât imagini medicale pe 16 biţi cât şi imagini satelitare provenite de la senzorul Sentinel 2. Implementarea algoritmilor
va fi realizată folosind limbaje de programare precum Python sau Matlab.
Imagistică medicală,Tehnologii de programare în internet,Teoria transmisiunii informatiei
Recunoaștera bancnotelor în circulație din Uniunea Europeană
Scopul proiectului de diplomă reprezintă realizarea unei aplicații pentru a recunoaște dintr-o fotografie valoarea pe care o
bancnotă din Uniunea Europeană o are precum și țara de proveniență. Imaginile cu bancnote o să provină atât din mediul public
online precum și din fotografii. Se vor utiliza retele convolutionale precum si tehnici de prelucrare a imaginilor: tehnici de
segmentare, operații geometrice, filtre, operații de morfologie matematică .
PC, SDA, PI, AI
Recunoasterea autoturismelor in functie de marca si model
In cadrul lucrarii de licenta voi realiza un sistem automat de recunoastere a autoturismelor in functie de producatorul si modelul
acestora. Acest proiect va contine atat o parte hardware cat si una software. Modulul hardware va fi format dintr-o placuta
Raspberry Pi, un modul de captare a imaginilor si un ecran pe care vor fi afisate marca, modelul si procentajul de recunoastere a
obiectului/autoturismului din imaginea captata. Pentru partea software a proiectului, voi evalua diverse metode de detectie si
recunostere a obiectelor din imagini, in vederea identificarii modelului cu performantele cele mai bune pentru setul de imagini de
referinta folosit. Pentru cresterea acuratetii algoritmilor evaluati, se va folosi un set de imagini cu modele diferite de autoturisme
PC; DEPI; IM; TTI;
Recunoașterea caracterelor grafice pe platforme Raspberry-Pi utilizând rețele neuronale convoluționale cu complexitate redusă
Se vor identifica 1-2 baze de date relevante pentru problematica recunoașterii caracterelor grafice (de exemplu setul EMNIST,
SVHC, etc.). Pentru bazele de date alese se vor implementa (în Python, utilizând bibliotecile Keras și Tensorflow) diferite modele
de rețele neuronale convoluționale “deep-learning” cu complexitate redusă (Mobile-NET, Eff-NET, L-CNN, etc.) urmărind pentru
fiecare dintre ele optimizarea cu obținerea celor mai bune performanțe funcționale (acuratețe a recunoașterii) în condițiile unor
timpi de recunoaștere și ocupare a memoriei cât mai reduse. Modelele optimale antrenate pe o platformă cloud sau PC se vor
salva în formatul specific Tensorflow și se va realiza o aplicație Python pentru Raspberry-Pi care va include modelele antrenate și
o interfață cu utilizatorul prin intermediul căreia aplicația va recunoaște caracterele grafice din imagini captate cu ajutorul unei
POO, RNSF, ICI, IS
Recunoașterea comenzilor vocale pentru comanda unui robot autonom cu metode ale inteligenței artificiale și transformata
Se va realiza o bază de date conținând comenzi sonore etichetate (minim 50 rostiri pentru fiecare clasă) relevante pentru
comanda unui robot autonom guvernat de o platformă RaspBerry-Pi (proiectarea robotului nu este parte a temei). Se vor
dezvolta o serie de aplicații în limbajul Python (cu utilizarea unor biblioteci relevante) având următoarele funcționalități: i)
Implementarea și utilizarea transformatei RDT [1] pentru transformarea secvențelor de semnal vocal în vectori de trăsături și
generarea bazei de date (GENBASE) în formă canonică; ii) Adaptarea unor module Python pentru implementarea unor
clasificatoare (în principal ELM [2]), antrenarea și optimizarea performanțelor acestora din perspectiva obținerii unei acurateți
maxime în condițiile unor modele cât mai compacte; ii) Optimizarea generală (inclusiv parametri ai algoritmului RDT) din aceeași
perspectivă ca mai sus. Utilizând o platformă de complexitate redusă de tip Raspberry-Pi se va implementa în Python întreg fluxul
de recunoaștere care include extractorul de trăsături RDT și clasificatorul optimal (cu încărcarea modelului preantrenat) și se vor
include elemente pentru gestiunea automată a fluxului vocal cu segmentarea automată și invocarea procesului de recunoaștere
RNSF, POO, SDA
Recunoașterea emoțiilor pe baza analizei imaginilor faciale
a)Proiectarea, implementarea software și evaluarea performanțelor unei metode originale bazate pe rețele neurale pentru
identificarea stărilor emoționale prin analiza imaginilor faciale b)Metoda se va testa pe o bază de date internațională c)Se vor
evalua următoarele performanțe: -Overall Accuracy (OA) -Matricile de confuzie d) Se va compara metoda propusă cu o metodă
de referința e) Se va investiga posibilitatea implementării unei aplicații mobile a metodei
DEPI,MC,SDA,POO,PC
Recunoașterea mărcii unui autoturism pe platforme Raspberry-Pi utilizând rețele neuronale convoluționale cu complexitate
Se vor identifica 1-2 baze de date relevante pentru problematica recunoașterii (de exemplu
https://ai.stanford.edu/~jkrause/cars/car_dataset.html, etc.). Pentru bazele de date alese se vor implementa (în Python, utilizând
bibliotecile Keras și Tensorflow) diferite modele de rețele neuronale convoluționale “deep-learning” cu complexitate redusă
(Mobile-NET, Eff-NET, L-CNN, etc.) urmărind pentru fiecare dintre ele optimizarea cu obținerea celor mai bune performanțe
funcționale (acuratețe a recunoașterii) în condițiile unor timpi de recunoaștere și ocupare a memoriei cât mai reduse. Modelele
optimale antrenate pe o platformă cloud sau PC se vor salva în formatul specific Tensorflow și se va realiza o aplicație Python
pentru Raspberry-Pi care va include modelele antrenate și o interfață cu utilizatorul prin intermediul căreia aplicația va lua decizii
(recunoașterea mărcilor) pornind de la imagini noi introduse de utilizator. Se va evalua performanța aplicației, în special timpul
POO, RNSF, SDA, ICI.
Recunoașterea semnelor de circulație pe platforme mobile Android utilizând rețele neuronale convoluționale cu complexitate
Se vor identifica 1-2 baze de date relevante pentru problematica recunoașterii semnelor de circulație (de exemplu setul german
GTSRB, etc.). Pentru bazele de date alese se vor implementa (în Python, utilizând bibliotecile Keras și Tensorflow) diferite modele
de rețele neuronale convoluționale “deep-learning” cu complexitate redusă (Mobile-NET, L-CNN, etc.) urmărind pentru fiecare
dintre ele optimizarea cu obținerea celor mai bune performanțe funcționale (acuratețe a recunoașterii) în condițiile unor timpi de
recunoaștere și ocupare a memoriei cât mai reduse. Modelele optimale se vor salva in format TFLITE și se vor investiga metode
pentru transferul acestora într-o aplicație Android care va include modelele antrenate și o interfață cu utilizatorul prin
intermediul căreia aplicația va recunoaște semnele de circulație din imagini noi introduse de utilizator.
ICI, POO, IS
Recunoașterea semnelor de circulație pe platforme Raspberry-Pi utilizând rețele neuronale convoluționale cu complexitate
Se vor identifica 1-2 baze de date relevante pentru problematica recunoașterii semnelor de circulație (de exemplu setul german
GTSRB, etc.). Pentru bazele de date alese se vor implementa (în Python, utilizând bibliotecile Keras și Tensorflow) diferite modele
de rețele neuronale convoluționale “deep-learning” cu complexitate redusă (Mobile-NET, Eff-NET, L-CNN, etc.) urmărind pentru
fiecare dintre ele optimizarea cu obținerea celor mai bune performanțe funcționale (acuratețea recunoașterii) în condițiile unor
timpi de recunoaștere și ocupare a memoriei cât mai reduse. Modelele optimale antrenate pe o platformă cloud sau PC se vor
salva în formatul specific Tensorflow și se va realiza o aplicație Python pentru Raspberry-Pi care va include modelele antrenate și
o interfață cu utilizatorul prin intermediul căreia aplicația va recunoaște semnele de circulație din imagini noi introduse de
POO, RNSF, ICI, IS
Recunoasterea simbolurilor grafice cu retea neuronala “extreme learning machine” in GoLang
Se va implementa un clasificator ELM (extreme learning machine) utilizand limbajul GoLang. Utilizand baza de date MNIST (si alte
baze de date cu specific similar, respectiv recunoasterea scrisului de mana) se va antrena clasificatorul si se vor optimiza
parametrii acestuia pentru performanta (masurata prin acuratetea clasificarii) optima. Se va investiga posibilitatea de a construi o
interfata interactiva cu utilizatorul prin intermediul careia, modelul ELM antrenat sa poata recunoaste caractere noi (de exemplu
introduse de utilizator sub forma unor imagini). Se va studia comparativ implementarea in Go cu implementarea deja existenta
Inteligenta computationala integrata, Inginerie software, Programare obiect orientata
Recunoașterea simbolurilor grafice pe platforme mobile Android utilizând rețele neuronale convoluționale cu complexitate
Se vor identifica 1-2 baze de date relevante pentru problematica recunoașterii caracterelor grafice (de exemplu setul
EMNIST, SVHC, etc.). Pentru bazele de date alese se vor implementa (în Python, utilizând bibliotecile Keras și Tensorflow) diferite
modele de rețele neuronale convolutionale “deep-learning” cu complexitate redusă (Eff-NET, Mobile-NET, L-CNN, etc.) urmărind
pentru fiecare dintre ele optimizarea cu obținerea celor mai bune performanțe funcționale (acuratețe a recunoașterii) în
condițiile unor timpi de recunoaștere și ocupare a memoriei cât mai reduse. Modelele optimale se vor salva în format TFLITE și se
vor investiga metode pentru transferul acestora într-o aplicație Android care va include modelele antrenate și o interfață cu
utilizatorul prin intermediul căreia aplicația va recunoaște simboluri grafice introduse de utilizator (de exemplu, prin desenarea
POO,SDA,RNSF,ICI
Recunoașterea stărilor epileptice, din semnale EEG, cu metode ale inteligenței artificiale și transformata RDT, pentru
instrumente medicale portabile.
Se vor identifica 1-2 baze de date, relevante pentru problematica recunoașterii stărilor epileptice (de exemplu “Bonn dataset”,
etc.). Se va dezvolta o serie de aplicații în limbajul Python (cu utilizarea unor biblioteci relevante) având următoarele
funcționalități: i) Implementarea și utilizarea transformatei RDT [1] pentru transformarea secvențelor de semnal în vectori de
trăsături și generarea bazei de date (GENBASE) în forma canonică; ii) Adaptarea unor module în Python pentru implementarea
unor clasificatoare (în principal ELM [2]), antrenarea și optimizarea performanțelor acestora din perspectiva obținerii unei
acurateți maxime în condițiile unor modele cât mai compacte; iii) Optimizarea generală (inclusiv parametrii algoritmului RDT) din
aceeași perspectivă ca mai sus. iv) Se vor testa programele pe o platformă de tip Raspberry-Pi și se va evalua în special viteza de
ICI, POO, IS, SDA
”Redimensionarea imaginilor bazată pe conținut”
Scalarea standard a imaginilor nu este suficientă, deoarece este ignorat conținutul imaginii și poate fi aplicată numai în mod
uniform. Decuparea este limitată, deoarece poate elimina doar pixeli de la periferia imaginii. Redimensionarea mai eficientă
poate fi obținută doar luând în considerare conținutul imaginii și nu numai constrângerile geometrice. Seam-carving este un
algoritm care poate schimba dimensiunea unei imagini prin înlăturarea sau adăugarea unor pixeli în diferite porțiuni dintr-o
imagine. Algoritmul folosește o funcție energetică prin care definește importanța pixelilor. Termenul ”seam” denumește o cale
conectată de pixeli cu energie redusă care traversează imaginea de sus în jos sau de la stânga la dreapta. Prin eliminarea sau
introducerea succesivă a acestor seam-uri se poate reduce, precum și mări, dimensiunea unei imagini în ambele direcții. Pentru
reducerea imaginii, selecția de seam-uri asigură faptul că, păstrând structura imaginii, sunt eliminați mai mulți pixeli cu energie
redusă și mai puțini dintre cei cu energie mare. Pentru mărirea imaginii, ordinea de introducere a seam-urilor asigură un echilibru
între conținutul original al imaginii și pixelii inserați artificial. Acești operatori produc, de fapt, o redimensionare conștientă a
imaginilor. Acest algoritm poate fi utilizat pentru o varietate de aplicații pe baza imaginilor, inclusiv: modificarea raportului de
Prelucrarea Imaginilor, Decizie și Estimare în Prelucrarea Informației, Teoria Transmisiunii Informa
Re-esantionarea temporala a seriilor de imagini satelitare
Proiectul de licenta consta in procesarea seriilor temporale de imagini satelitare provenite de la satelitul Sentinel 2, in vederea
obtinerii unei mai bune rezolutii temporale. Adesea, seriile temporale de imagini satelitare provenite de la un senzor optic, cum
este Sentinel 2, sunt incomplete deoarece unele imagini au o suprafata considerabila acoperita de nori. Pentru a elimina acest
inconvenient sau pentru a imbunatati rezolutia temporala a seriei, se pot folosi algoritmii de re-esantionare. In cadrul acestei
lucrari doresc sa implementez algoritmi de tipul inlocuirii cu cel mai apropiat vecin si metoda Kang, in vederea imbunatatirii
imaginilor satelitare optice. Evaluarea performantelor algoritmilor implementati va fi realizata pe un set de date propriu, creat
folosind platforme ca Google Earth sau Copernicus Open Access Hub. Realizarea lucrarii se va face folosind librarii specifice
procesarii de imagini din python (numpy, matplotlib, opencv, etc) si SNAP, soft de specialitate creat de ESA.
TTI, DEPI, PI
Reflow oven for soldering of SMT electronic components
The project involves the design and construction of an electric oven, aiming at the process of reflow and solder of SMD
components on the surface of a PCB. This is a process in which solder paste is used to attach electrical components to their
contact pads on the PCB, after which the assembly will be subjected to controlled heat profiles. I will use 2 thermocouples with
the related measurement circuits for temperature measurement as well as control circuits for resistors and fan. The hardware
implementation will be carried out with the help of the ATmega328 microcontroller, therefore the ventilation and temperature
control will be done through the PWM pins. Also, the microcontroller will receive input data from the temperature sensor inside
the oven for further processing. The connection on the custom PCB will be done through 2 header type connectors. The input
data can be entered either from the input panel or from the PC, with the connection being made via USB. The product will also
feature a TFT screen for displaying information. Regarding the software, a PID algorithm will be developed for precise
temperature control so that the variation in time is minimal. Different temperature characteristics will be implemented, which
will be displayed on the TFT display for the user’s choice. Using the KiCad software, the electrical circuit and PCB will be designed
Microcontrollers, Project 2, Passive components and circuits
Reglarea cu alunecare a convertoarelor de curent continuu
Proiectarea si simularea comparativa a diferitor convertoare de curent continuu folosind reglarea cu alunecare, urmarind
performantele pe baza unor indicatori. Pornind de la reglarea PWM, cu performanțele ei specifice, se va astudia reglarea cu
alunecare, reglarea cu alunecare cu eliinarea erorii staționare și reglarea cu alunecare cu frecvență fixă pentru convertoare dc-dc.
Se vor stabili indicii suprafețelor de alunecare pentru situația particulară a datelor de proiectare. Se vor testa convertoarele in
diferite conditii de lucru si se vor face comparatii cu modul de reglare PWM în ceea ce privește stabilitatea sistemului, eroarea
staționară, viteza de răspuns, supracreșterea, răspinsul la variația sursei de alimentare, răspunsul la șoc de sarcină. Se va folosi
EII, EP, AACCEP
Retea de senzori cu comunicatie LoRa
Proiectul propune realizarea unei retele de senzori mobili cu care se realizeaza masurarea si transmiterea datelor referitoare la
anumiti parametri de mediu catre un sistem central. Fiecare senzor mobil se va proiecta si realiza fizic utilizand un microcontroler
pe 8 biti ca bloc de comanda, dispozitive analogice si digitale de tip senzor pentru masurarea diferitilor parametrii din mediu
(temperatura, umiditate, presiune), dispozitiv de comunicatie radio cu tehnologie LoRa si blocul de alimentare. Se va realiza codul
controlerului atat pentru citirea senzorilor, cat si pentru implementarea protocolului de comunicatie cu nodul central. Nodul
central se va implementa pe o placa de dezvoltare de tip Raspberry PI, cu sistem de operare Linux, conectata la Internet, la care
se va adauga un dispozitiv de comunicatie radio. Pentru el se va realiza atat interconectarea hardware, cat si software-ul de
comunicatie cu nodurile senzor care sa permita preluarea informatiilor, dar si setarea unor parametrii de configurare pentru
acestea. In plus se va realiza un program pentru managementul informatiei astfel incat aceasta sa fie pastrata pe nod pentru
accesul distant din Internet, dar si sa genereze mesaje de notificare sub forma de email, in anumite situatii predefinite. Realizarea
Programarea Calculatoarelor(PC), Microcontrolere(MC), Instrumentație Electronica de Masura (IEM)