SMART MICROALGAE FARM FOR BLUE CARBON

Research Summary & Expert Review Report

Researcher: Lê Trần Ngọc Sang
Affiliation: Faculty of Electrical and Electronics Engineering, Ton Duc Thang University (TDTU – FEEE)
Expert Advisor: Kim Do Kyong (International Cooperation Coordinator, CWCA / APE Expert)

---

1. Research Summary

📌 Objective

To design a smart CO₂ absorption system using microalgae cultivation, integrating IoT and AI technologies to support blue carbon storage and carbon credit applications.

📌 System Components

• Sensors: pH, turbidity, temperature, CO₂, MQ135, DO

• Communication: LoRa-based wireless transmission + MQTT broker

• Control Module: ESP32-based automatic dosing and water input

• Dashboard & Alerts: Node-RED-based real-time visualization

• AI Algorithms: Predictive neural network (NN) for nutrient dosing based on environmental conditions

📌 Functional Highlights

• AI recommendation system outputs optimal nutrient/water levels

• Real-time sensor fusion and data transmission architecture

• Preliminary model of CO₂ fixation potential based on algae growth trends

---

2. Technical Features & Achievements

• ESP32 Microcontroller: Integrated all sensor input and control outputs

• LoRa Network: Enabled low-power long-range data transfer

• Node-RED Dashboard: Combined control interface and live monitoring

• AI Prediction Model: Neural network model trained on environmental changes

• Foundation for Carbon Fixation Modeling: Control logic supports biomass tracking and CO₂ calculation

---

3. Expert Review – Kim Do Kyong

✅ Strengths Identified

• Outstanding integration of IoT and AI for autonomous control

• LoRa + MQTT + Node-RED setup ensures scalable real-time performance

• Modular control system can be adapted to larger PBR or open-pond systems

🔧 Improvement Directions

1) LED Light Control Integration

• Add PWM-based red/blue lighting system with light sensors for optimizing photosynthetic output

2) Image-Based Growth Monitoring

• Incorporate camera modules and AI tools (ImageJ, YOLOv8) to enable visual tracking and anomaly detection

3) Linkage with Carbon Credit Models

• Adapt system to output data compatible with Verra or Gold Standard protocols for CO₂ offset certification

---

4. Collaboration Proposal & Roadmap

💡 Pilot Implementation with VINABS

• Suggested pilot site: VINABS Aquaculture Station

• TDTU and VINABS to sign MOU for:

  • Providing testbed site and sea/freshwater microalgae strains

  • Shared experimental data and results

📈 Suggested Development Phases

1. Phase 1: Technical pilot and field validation (2025)

2. Phase 2: Carbon credit quantification and certification alignment (2026)

3. Phase 3: Regional model scaling via GSF – ASEAN-Korea cooperation (2027–)

---

📝 Conclusion

This project represents a highly innovative convergence of environmental AI, smart sensing, and carbon-reducing aquaculture. As a model for next-generation ESG-oriented climate adaptation, it has strong potential for regional deployment and international collaboration.
Kim Do Kyong recommends continuing development toward a scalable and certifiable carbon credit system and will provide technical support for its phased implementation at VINABS and other ASEAN partner sites.

Attachment: Study Report of NS

NÔNG TRẠI VI TẢO THÔNG MINH CHO BLUE CARBON

Báo cáo tóm tắt nghiên cứu & ý kiến đánh giá chuyên gia

Người nghiên cứu: Lê Trần Ngọc Sang
Đơn vị: Khoa Điện – Điện tử, Đại học Tôn Đức Thắng (TDTU – FEEE)
Chuyên gia cố vấn: Ông Kim Do Kyong (Điều phối viên Hợp tác quốc tế, CWCA / Chuyên gia APE)

---

1. Tóm tắt nghiên cứu

📌 Mục tiêu

Thiết kế hệ thống nuôi vi tảo hấp thụ CO₂ thông minh, kết hợp công nghệ IoT và AI để hỗ trợ lưu trữ carbon xanh (blue carbon) và chuyển đổi thành tín chỉ carbon.

📌 Thành phần hệ thống

• Cảm biến: pH, độ đục, nhiệt độ, CO₂, MQ135, DO

• Truyền thông: Truyền dữ liệu không dây qua LoRa + máy chủ MQTT

• Bộ điều khiển: Tự động cung cấp dinh dưỡng và nước bằng ESP32

• Bảng điều khiển & cảnh báo: Giao diện thời gian thực qua Node-RED

• Thuật toán AI: Mạng thần kinh nhân tạo (NN) dự đoán lượng dinh dưỡng phù hợp theo điều kiện môi trường

📌 Tính năng nổi bật

• Hệ thống khuyến nghị AI tự động xác định lượng dinh dưỡng và nước cần thiết

• Kiến trúc truyền dữ liệu cảm biến theo thời gian thực

• Mô hình ước tính tiềm năng hấp thụ CO₂ dựa trên tốc độ tăng trưởng vi tảo

---

2. Thành tựu kỹ thuật nổi bật

• Bộ vi điều khiển ESP32: Tích hợp toàn bộ cảm biến và điều khiển

• Mạng LoRa: Truyền xa – tiêu thụ điện thấp phù hợp cho vùng nuôi

• Bảng điều khiển Node-RED: Theo dõi và điều khiển tổng thể

• AI học máy: Dự đoán thay đổi môi trường & đưa ra quyết định kiểm soát

• Cơ sở tính toán CO₂: Hỗ trợ quy đổi sinh khối thành khối lượng CO₂ hấp thụ

---

3. Đánh giá chuyên gia – Kim Do Kyong

✅ Điểm mạnh nổi bật

• Sự tích hợp vượt trội giữa IoT và AI trong một hệ thống điều khiển tự động

• Cấu trúc LoRa + MQTT + Node-RED linh hoạt và dễ triển khai thực địa

• Hệ thống điều khiển mô-đun có thể mở rộng cho PBR hoặc hồ nuôi quy mô lớn

🔧 Hướng cải tiến đề xuất

1) Tích hợp điều khiển đèn LED

• Điều chỉnh ánh sáng đỏ/xanh qua cảm biến cường độ sáng để tối ưu quang hợp

2) Phân tích hình ảnh vi tảo

• Bổ sung camera + phần mềm (ImageJ, YOLOv8) để theo dõi tăng trưởng và phát hiện bất thường

3) Liên kết với mô hình tín chỉ carbon quốc tế

• Định dạng dữ liệu đầu ra phù hợp với chuẩn Verra hoặc Gold Standard để chứng nhận CO₂

---

4. Đề xuất hợp tác và lộ trình

💡 Thí điểm triển khai tại VINABS

• Địa điểm đề xuất: Trạm nuôi trồng thủy sản VINABS

• MOU giữa TDTU và VINABS về:

  • Cung cấp vị trí lắp đặt thí điểm và giống vi tảo

  • Cùng chia sẻ dữ liệu, kiểm định mô hình thực tế

📈 Lộ trình phát triển đề xuất

1. Giai đoạn 1: Thử nghiệm kỹ thuật và thu thập dữ liệu thực địa (2025)

2. Giai đoạn 2: Đo lường CO₂ hấp thụ và tích hợp chứng nhận tín chỉ (2026)

3. Giai đoạn 3: Mở rộng mô hình khu vực qua GSF – hợp tác ASEAN – Hàn Quốc (2027~)

---

📝 Kết luận

Dự án thể hiện sự kết hợp sáng tạo giữa AI môi trường, cảm biến thông minh, và nuôi trồng thủy sản carbon thấp. Đây là một mô hình tiêu biểu hướng tới phát triển bền vững và có tiềm năng nhân rộng trong khu vực.
Chuyên gia Kim Do Kyong khuyến nghị tiếp tục phát triển mô hình theo hướng chuẩn hóa tín chỉ carbon và hỗ trợ mở rộng tại các đối tác như VINABS và trong khu vực ASEAN.

SMART MICROALGAE FARM FOR BLUE CARBON

연구보고서 요약 및 전문가 검토 의견서

연구자: Lê Trần Ngọc Sang
소속: 똔득탕대학교 전기전자공학부 (TDTU – FEEE)
지도 전문가: 김도경 (CWCA 국제협력조정관 / APE 전문가)

---

1. 연구 요약

📌 연구 목적

• 미세조류 기반 CO₂ 흡수 시스템을 스마트 기술로 구현하여 블루카본 저장 기능을 검증하고, 탄소 크레딧 적용 가능성을 평가.

📌 시스템 구성 개요

• 센서 모듈: pH, 탁도, 온도, CO₂, MQ135, DO 등

• 통신: LoRa 무선 전송 + MQTT 브로커

• 제어 장치: ESP32 기반 자동 양분 및 물 보급

• 시각화 및 경고: Node-RED 기반 실시간 대시보드

• AI 기반 모델: 영양염 농도 및 환경 변화 예측 알고리즘

📌 알고리즘 기능

• AI 기반 신경망(NN) 설계를 통해 센서 데이터 입력 시 적정 수분 및 영양염 제어값을 자동으로 산출

• 수치 기반 추천 시스템을 통해 자동제어 명령 전달

---

2. 기술적 특징 및 성과

• ESP32 통합 회로 설계: 모든 센서값을 모듈화하여 실시간 송신

• LoRa 기반 네트워크: 장거리 저전력 환경에서도 센서 통신 가능

• Node-RED 시각화: 모니터링, 제어, 경고 기능이 통합된 대시보드 구현

• AI 모델 학습: 환경 조건 변화 예측 및 최적의 배양 조건 도출

• 탄소 고정량 예측 가능성: 농도 및 양분 제어에 따른 생물량 추적

---

3. 김도경 전문가의 검토 및 의견

✅ 강점 평가

• AI + IoT 융합 구조가 우수하며, 실제 배양 조건에서 자동 제어가 가능함

• Node-RED 및 MQTT 기반 구조는 범용성이 높고 현장 실증에 적합

• 센서 모듈 및 양분 투입기 설계가 정밀하며, 향후 PBR 및 대형 배양 시스템에도 확장 가능

🔧 개선 및 발전 방향

1) LED 제어 시스템 도입 필요

• 조도 센서 기반 적색/청색 광원 제어 회로 추가 시 광합성 효율 향상 기대

2) 영상 기반 성장 분석 시스템 개발

• 카메라 모듈 및 ImageJ, YOLOv8 등의 알고리즘 연계 시 시각적 상태 판단 보완 가능

3) 탄소 크레딧 정량화 모델과의 연결 강화

• Verra/Gold Standard 기준 적용 가능한 CO₂ 환산 공식을 연구 적용할 필요 있음

---

4. 협력 제안 및 추진 방향

💡 VINABS와의 협력 기반 시범 운영

• VINABS 수산양식장에서 시범 시스템 적용 → 환경 제어 + 성장 분석

• TDTU FEEE – VINABS 간 MOU 체결 추진

• 실내/실외 환경 모두 대응 가능한 파일럿 설계 제안

📈 향후 연구·사업화 방향

1. 1단계: 기술 고도화 및 실증 (2025)

2. 2단계: 탄소 흡수량 인증 기반 크레딧화 (2026)

3. 3단계: GSF 기반 ASEAN-한국 공동 사업화 모델 개발 (2027~)

---

📝 결론

본 연구는 스마트센서, AI, 자동제어, 블루카본 생태 기술이 융합된 신규 탄소 저감 기술 모델이며, ESG 기후변화 대응 전략의 첨단 시범 사례로 발전 가능성이 매우 높음. 김도경 전문가는 본 시스템을 VINABS 실증 → 국제 협력형 시범 시스템으로 확대할 수 있도록 단계별 지원 및 기술자문을 지속할 예정임.