Syftet med denna studie är att undersöka hur bearbetningstiden hos Snort intrångsskyddssystem varierar mellan två olika processorer; ARM Cortex-A53 och Cortex-A7. CPU-användningen undersöktes även för att kontrollera om bearbetningstid är beroende av hur mycket CPU Snort använder. Denna studie ska ge kunskap om hur viktig en processor är för att Snort ska kunna prestera bra när det gäller bearbetningstid och CPU användning samt visa det uppenbara valet mellan Cortex-A53 och Cortex-A7 när man ska implementera Snort IPS. Med hjälp av litteratursökning konstruerades en experimentmiljö för att kunna ge svar på studiens frågeställningar. Snort kan klassificeras som CPU-bunden vilket innebär att systemet är beroende av en snabb processor. I detta sammanhang innebär en snabb processor gör att Snort hinner bearbeta den mängd nätverkstrafik den får, annars kan trafiken passera utan att den inspekteras vilket kan skada enheten som är skyddat av Snort. Studiens resultat visar att bearbetningstiden i Snort på Cortex-A53 och Cortex-A7 skiljer sig åt och en tydlig skillnad i CPU-användning mellan processorerna observerades. Studien visar även kopplingen mellan bearbetningstiden och CPUanvändning hos Snort. Studiens slutsats är att ARM Cortex-A53 har bättre prestanda vid användning av Snort IPS avseende bearbetningstid och CPU-användning, där Cortex-A53 har 10 sekunder kortare bearbetningstid och använder 2,87 gånger mindre CPU. / The purpose of this study is to examine how the processing time of the Snort intrusion prevention system varies on two different processors; ARM Cortex-A53 and CortexA7. CPU usage was also examined to check if processing time depends on how much CPU Snort uses. This study will provide knowledge about how important a processor is for Snort to be able to perform well in terms of processing time and CPU usage. This knowledge will help choosing between Cortex-A53 and Cortex-A7 when implementing Snort IPS. To achieve the purpose of the study a literature search has been done to design an experimental environment. Snort can be classified as CPU-bound, which means that the system is dependent on a fast processor. In this context, a fast processor means that Snort is given enough time to process the amount of traffic it receives, otherwise the traffic can pass through without it being inspected, which can be harmful to the device that is protected by Snort. The results of the study show that the processing time in Snort on Cortex-A53 and Cortex-A7 differs and an obvious difference in CPU usage between the processors is shown. The study also presents the connection between processing time and CPU usage for Snort. In conclusion, ARM Cortex-A53 has better performance when using Snort IPS in terms of processing time and CPU usage, Cortex-A53 has 10 seconds less processing time and uses 2,87 times less CPU.

This thesis describes how a solution can be built to detect human flu-like symptoms. Flu-like symptoms are important to detect to prevent Covid-19 [6]. As people are returning to work there is a need for a simple way of detecting flu-like symptoms to prevent the spread of Covid-19. Other than a solution, this thesis concluded how human flu-like symptoms can be detected, with cameras specifically. This is to know what symptoms are most likely to work for a prototype. The technique of cameras and thermal cameras made this project possible as well as the technique of a single-board computer. The technique of cloud-based services is also an important part of this project. This project has resulted in a novel prototype using a single-board computer, cameras, and various cloud-based services to detect and inform a person if he or she has a human flu-like symptom.

Syftet med detta examensarbete var att skapa ett serverprogram i en enkortsdator som arbetar i realtid för att kunna hjälpa människor att köra mer ekonomiskt och miljövänligt i deras vardag. Detta var ett av målen ställda av produktbeställaren Ziggy Creative Colony. Ett mer långsiktigt mål från beställaren är att datorn skall installeras i en bil och kopplas till bilens on-board diagnostic-II (OBD-II)-uttag. Datorn ska sedan, via OBD-II, kunna samla information som till exempel hastighet, acceleration och bränsleflöde från bilens engine control unit (ECU). Serverprogrammet ska bearbeta denna information som sedan kommuniceras och visualiseras till bilföraren via en native mobilapplikation. Serverprogrammet byggdes i en linuxbaserad dator: Raspberry Pi och döptes av oss till Car-Pi. Car-Pi designades enligt arkitekturmönstret Model-View-Controller (MVC) som gör det lätt att underhålla, vidare-utveckla och implementera programmet av produktägaren, Ziggy Creative Colony, i framtiden. I och med denna rapport levererar vi programmet Car-Pi tillsammans med ett arkitektdokument och en prototyp till en Android mobilapplikation för att kunna testa Car-Pi och se hur det fungerar i verkligheten. / The purpose of this bachelor degree project was to create a server program in a single-board computer that will function in real time in order to help people drive more economically and eco-friendly. This was one of the goals set by the project owner, Ziggy Creative Colony. Another more long-term goal from Ziggy Creative Colony is that the computer should be installed in a car and connected to the car’s on-board diagnostics (OBD-II) connector. The computer should, via the OBD-II connection, be able to collect information such as speed, acceler-ation and fuel flow from the car’s engine control unit (ECU). The server program will then process this information that will later be communi-cated and visualized to the car driver via an Android mobile applica-tion. The server program was built in a linux-based computer: Raspberry Pi and named Car-Pi. Car-Pi was designed according to the well-known architectural pattern Model-View-Controller (MVC), which makes it easy to maintain, develop and implement the program by the project owner Ziggy Creative Colony in the future. With this report we are delivering the program Car-Pi together with an architectural document and an Android mobile application-prototype to show how Car-Pi functions in real life.

This master thesis project was carried in collaboration with Keolis AB. One of the company’s goals is to seek for a possible replacement to expensive custom hardware units by cheap single board computers. As a test case, a simple application is proposed, which implements driver identification by scanning the barcode of driving license (personnummer). The main objective of this project is to find a suitable single board computer, to implement the proposed driver identification application, to send the driving license number along with the timestamp in a web page and test the functionality of the single board computer according to procedures specified in ISO and IEC standards for road vehicles. A parser that analyzes the input string of a barcode reader was implemented in C programming language. The barcode reader scans a barcode or a QR code and the parser returns the content of the barcode symbol in ASCII character format. The driver license number as well as the timestamp should be published to a web page. A webpage was created using the Django Web Framework, which is a database-driven website. Each time a driving license barcode is scanned, a POST Http request method is performed and both the driving license and timestamp are stored in a SQLite database. Each time a GET request method is performed the data stored in the SQLite database is retrieved and presented in the website. The communication between the single board computer Raspberry Pi and the Django framework is achieved using cURL, which is an open source command line tool and library for transferring data with URL syntax. The data of the website will be manipulated in the backend. Moreover, heat and humidity environmental testing were performed as described in ISO and IEC standards for road vehicles, to evaluate the functionality of the system under certain environmental conditions. These tests showed the working temperature range and the humidity range that the Raspberry Pi can tolerate. As a conclusion, it can be stated that Raspberry Pi can be used in the passenger compartment with expected temperatures to be below 100 Celsius, but not in the engine compartment where temperatures more than 100 Celsius can occur. In addition, Raspberry Pi can perform in all the levels of humidity that has been tested. If it is necessary to be employed in other bus compartment with increased temperature, a more expensive robust embedded single board Linux computer should be chosen. Future work should include vibrations and immunity testing, in order to fully qualify with the ISO and IEC standards. These types of tests are costly and should therefore be performed by automotive manufacturers or other parties who are expected to bear such a cost. / Detta examensarbete genomfördes i samarbete med Keolis Sverige AB. Ett av företagets mål är att söka efter möjliga system som ersättning till dyra, specialanpassade hårdvaruenheter och istället övergå till billiga enkortsdatorer. Som ett testfall föreslås ett enkelt program, som genomför identifiering av föraren genom att skanna streckkoden på körkortet (personnummer). Huvudsyftet med projektet är att hitta en lämplig enkortsdator, att implementera den föreslagna föraridentifieringsapplikationen, skicka körkortsnumret/personnumret med tidsstämpel till en webbsida och testa funktionaliteten hos enkortsdator enligt testrutiner som beskrivs av ISO- och IEC-standarder för vägfordon. En parser som analyserar indatasträngen av en streckkodsläsare implementerades i programmeringsspråket C. Streckkodsläsaren skannar en streckkod eller en QR-kod och parsern returnerar innehållet i streckkoden på ASCIIteckenformat. Körkortsnumret samt tidsstämpel publiceras på en webbsida. En webbsida har skapats med Django Web Framework, som är en databasdriven webbplats. Varje gång körkortets streckkod skannas, skickas en POST http-begäransmetod som utförs varvid både körkort och tidsstämpel lagras i en SQLite databas. Varje gång en GET-begäran skickas, lagras data i SQLite databasen och presenteras på webbplatsen. Kommunikationen mellan enkortsdatorn Raspberry Pi och ett Django-ramverk uppnås med hjälp av cURL, som är ett kommandoradsverktyg med öppen källkod, och ett bibliotek för att överföra data med URL-syntax. Uppgifterna på webbplatsen manipuleras i backend. Miljötålighetsprovning med avseende på värme- och fuktighet har utförts för att utvärdera systemets funktionalitet under specifika miljöförhållanden. Testerna specificeras i ISO- och IEC-standarder för vägfordon. Dessa tester visade vilka arbetstemperaturer och vilken luftfuktighet som Raspberry Pi klarar. Det kan konstateras att Raspberry Pi kan användas i passagerarutrymmet, där temperaturen förväntas ligga under 100 Celsius, men inte i motorrummet där temperaturer högre än 100 Celsius kan förekomma. Vidare har Raspberry Pi visat sig fungera vid de nivåer av luftfuktighet som har förkommit i testerna. I de fall där systemet skall användas i miljöer med högre temperaturer bör en dyrare och mer robust inbyggd (embedded) Linux-enkortsdator väljas. Det framtida arbetet bör omfatta vibrations- och elstörningstester för att fullt ut säkerställa att systemet klarar gällande ISO- och IEC-standarder. Dessa typer av test är kostsamma och bör därför genomföras av fordonstillverkare eller andra aktörer som förväntas kunna bära en sådan kostnad.

In recent years, AI has developed significantly and become more popular than ever before. The applications of AI are expanding, making knowledge about its application and the systems it can be applied to more important. This project compares and evaluates deep learning models for object detection of traffic signs on the embedded systems Nvidia Jetson Nano and Raspberry Pi 3 Model B. The project compares and evaluates the models YOLOv5, SSD Mobilenet V1, FOMO, and Efficientdet-lite0. The project evaluates the performance of these models on the aforementioned embedded systems, measuring metrics such as CPU usage, FPS and RAM. Deep learning models are resource-intensive, and embedded systems have limited resources. Embedded systems often have different types of processor architectures than regular computers, which means that some frameworks and libraries may not be compatible. The results show that the tested systems are capable of object detection but with varying performance. Jetson Nano performs at a level we consider sufficiently high for use in production depending on the specific requirements. Raspberry Pi 3 performs at a level that may not be acceptable for real-time recognition of traffic signs. We see the greatest potential for Efficientdet-lite0 and YOLOv5 in recognizing traffic signs. The distance at which the models detect signs seems to be important for how many signs they find. For this reason, SSD MobileNet V1 is not recommended without further trai-ning despite its superior speed. YOLOv5 stood out as the model that detected signs at the longest distance and made the most detections overall. When considering all the results, we believe that Efficientdet-lite0 is the model that performs the best. / Under de senaste åren har AI utvecklats mycket och blivit mer populärt än någonsin. Tillämpningsområdena för AI ökar och därmed blir kunskap om hur det kan tillämpas och på vilka system viktigare. I det här projektet jämförs och utvärderas djupinlärningsmodeller för objektdetektering av trafikskyltar på de inbyggda systemen Nvidia Jetson Nano och Raspberry Pi 3 Model B. Modellerna som jämförs och utvärderas är YOLOv5, SSD Mobilenet V1, FOMO och Efficientdet-lite0. För varje modell mäts blandannat CPU-användning, FPS och RAM. Modeller för djupinlärning är resurskrävande och inbyggda system har begränsat med resurser. Inbyggda system har ofta andra typer av processorarkitekturer än en vanlig dator vilket gör att olika ramverk och andra bibliotek inte är kompatibla. Resultaten visar att de testade systemen klarar av objektdetektering med varierande prestation. Jetson Nano presterar på en nivå vi anser vara tillräckligt hög för användning i produktion beroende på hur hårda krav som ställs. Raspberry Pi 3 presterar på en nivå som möjligtvis inte är acceptabel för igenkänning av trafikskyltar i realtid. Vi ser störst potential för Efficientdet-lite0 och YOLOv5 för igenkänning av trafikskyltar. Hur långt avstånd modellerna upptäcker skyltar på verkar vara viktigt för hur många skyltar de hittar. Av den anledningen är SSD MobileNet V1 inte att rekommendera utan vidare träning trots sin överlägsna hastighet. YOLOv5 utmärkte sig som den som upptäckte skyltar på längst avstånd och som gjorde flest upptäckter totalt. När alla resultat vägs in anser vi dock att Efficientdet-lite0 är den modell som presterar bäst.

Examensarbetet har utförts på uppdrag av företaget Seavus som såg ett behov avatt minska kabelanvändning i kontoret. Enhetsanvändning kan effektiviseras medhjälp av en central styrenhet, en så kallad smart hubb.Ett problem är att välja mellan Bluetooth och Wi-Fi för kommunikation mellan an-vändaren och den smarta hubben. Valet kan bero på flera faktorer som exempelvis,bandbredd (datahastighet), jitter (fördröjningsvariation) och paketförluster, vilkaär viktiga parametrar för att bedöma kvaliteten på kommunikationen.Plattformen Raspberry Pi tillsammans med kompatibel programvara användes föratt utföra prestandatester mellan Bluetooth och Wi-Fi i olika miljöer.Resultatet visade att Wi-Fi lämpar sig bäst för kommunikation med hög datahas-tighet och lågt jitter men där relativt hög grad av paketförlust är acceptabelt. Blue-tooth lämpar sig bäst för kommunikation med låg datahastighet, med högt jitteroch där det är viktigt att ha så låg paketförlust som möjligt. / This thesis has been carried out on behalf of the consulting company Seavus to re-duce cable usage in their office. Smart hubs (i.e. a central control unit) are made tomake usage of devices more effective.One problem is to decide between Bluetooth and Wi-Fi for communication betweenthe user and the smart hub. The choice may depend upon several factors such asbandwidth (throughput), jitter (variation in delay) and packet loss, which are im-portant parameters for assessing the quality of the communication channel.The HW-platform Raspberry Pi and compatible software was used as a measure-ment tool to test Bluetooth and Wi-Fi in different environments.The result showed that Wi-Fi is best suited for communication systems that requirehigh bandwidth and low jitter, and where high amount of packet loss is tolerable.Bluetooth is best suited for communication systems where low bandwidth and highjitter is tolerable, and minimal packet losses preferred.

Detta projekt syftar till att undersöka om det går att kurskorrigera en av Weda AB:s poolrengöringsrobotar med hjälp av ett MEMS-gyroskop. Den valda rengöringsroboten styrs idag av en PLC, och konceptet är att komplettera styrenheten med ett MEMS gyroskop som kan detektera kursavvikelser. Undersökandet av möjligheterna för implementeringen börjar med att samla information om MEMS gyroskopens funktion och i vilka tekniker de används idag. Vidare utförs beräkningar mot Wedas definition av rak kurs, det resulterade i för höga krav på känsligheten i gyroskopet. Trots det otillfredsställande resultatet beslutar Weda att projektet ska fortsätta undersöka gyroskopets möjligheter. En marknadsundersöknings med 9 tillverkningsföretag genomförs i syfte att se vad marknaden erbjuder för MEMS gyroskop idag. Sedan konsulteras distribueringsföretaget Avnet som bidrar med sina kunskaper, erfarenheter och rekommendationer för konceptet. Ett av de framstående gyroskopen i undersökningen användes för att genomföra två tester. Syftet av dem var att simulera olika situationer som rengöringsroboten kan utsättas för. Resultatet visar att repetitionsnoggrannheten är god men att gyroskopet inte är tillförlitligt i låga hastigheter, vilket är en dålig egenskap för rengöringsroboten W2000 som körs med en hastighet 0,2 m/s. Testresultatet diskuterades med Bosch och dem tror att gyroskopets automatiska kalibrering är orsaken till att det inte ger tillförlitliga mätdata vid låga hastigheter. / During this project the possibilities to monitor and adjust the direction of a pool cleaning robot with a MEMS gyroscope are evaluated. The robot chosen for the evaluation is manufactured by Weda AB. The concept is to add a MEMS gyroscope to the robot, which will give the control unit (PLC) feedback regarding the direction of the robot. The evaluation includes general information about MEMS gyroscopes, where they are used, common built in errors etc. To be able to select a suitable MEMS gyroscope the needed sensitivity is calculated. The needed sensitivity is based on requirements from Weda AB. The evaluation also includes a market survey which shows that the needed sensitivity cannot be fulfilled by products available on the market. The market survey is based on nine manufacturing companies and a recommendation from a distribution company called Avnet. One of the prominent MEMS gyroscopes was used to carry out two tests. The tests were designed to mimic motions of the pool cleaning robot. The test result shows that the gyroscope has good repetition accuracy, but it is not trustworthy when the rotation speed is low. The test result was discussed with the manufacturer and they think that the non positive result is caused by the automatic calibration.

This degree project investigates the possibility to develop and re-design an IoT solution called NOT!FY, offered by the company Omnitor. NOT!FY is used by users who are hard of hearing or deaf as a complement to an accessibility communication application. It functions by registering incoming calls and activating a relay connected to, for example, a light source, notifying the user. The current problems that Omnitor experiences with NOT!FY is its price, production difficulties, size and design. The project will take on these problems by investigating the market of programmable devices and, through comparative analysis, choosing a platform to transfer and improve upon the current NOT!FY functionalities. The devices were decided together with Omnitor and a grant calculation was drafted to evaluate which units yielded the best profit. With the help of the grant calculation, Raspberry Pi Zero W and ESP8266 were the chosen devices. A basic evaluation was performed to verify that the implemented functions of ESP8266 and Raspberry Pi Zero W functioned as intended. An in-depth evaluation and functional verification were performed on the finalized prototype. It confirmed the prototype’s functionality and the possibility to replace the current product in use by Omnitor. / Detta projekt undersöker möjligheten att utveckla och designa om en IoT-lösning kallad NOT!FY, som erbjuds av företaget Omnitor AB. NOT!FY används av döva eller hörselskadade användare som ett komplement till en tillgänglighetsanpassad kommunikationsapplikation. Den fungerar genom att registrera inkommande samtal och aktivera ett relä som är anslutet till exempel en ljuskälla för att meddela användaren. De nuvarande problemen som Omnitor upplever med NOT!FY är dess pris, produktionssvårigheter, storlek och design. Projektet kommer att ta sig an dessa problem genom att undersöka marknaden för programmerbara enheter och genom en jämförande analys välja en plattform att överföra och förbättra funktionerna från den nuvarande produkten. Enheterna bestämdes tillsammans med Omnitor och en bidragskalkyl är framtagen för att utvärdera vilka enheter som gav bäst vinst. Med hjälp av bidragskalkylen var Raspberry Pi Zero W och ESP8266 de valda enheterna. En grundläggande utvärdering utfördes för att verifiera att de implementerade funktionerna i ESP8266 och Raspberry Pi Zero W fungerade som avsett. En mer ingående utvärdering och funktionell verifiering utfördes på den färdiga prototypen. Detta bekräftade prototypens funktionalitet och möjligheten att ersätta den nuvarande produkten som används av Omnitor.

This thesis describes the work process two (WP2) of a project led by the traffic administration in Stockholm to achieve the passengers' thermal comfort in traffic buses.  The purpose of this thesis is to design and implement a measurement system comprised in eight measurement position in a bus. Each position is able to transmit data using a wireless communication protocol, with a central unit collecting all the transmitted data taking into consideration the accuracy of the measurements and filtering out the incorrect data. In order to accomplish this, a literature study is conducted investigating different measurement methods for different parameters, different communication protocols were analysed as well to determine an appropriate communication protocol suitable for climate measurement in a bus environment with passengers present on board.  The output of the HVAC system is also required to help the traffic administration demonstrate the results of adjusting the temperature in the bus to reach the thermal comfort and how it led to saving energy. The system incorporates ZigBee , ESP32 microcontroller in the sender positions and a Raspberry pi operating as a central unit to collect data and store it in a file system providing an accurate data that will help the traffic administration achieve their goals. Unfortunately, there were some diffculties accessing CAN system data to provide the output of the HVAC system. / Detta examensarbete beskriver arbetsprocess två i ett projekt som leds av trafikförvaltningen i Stockholm för att uppnå termiska komfort för passagerare i busstrafik.  Syftet med detta examensarbete är att utforma och implementera ett mätsystem bestående av åtta positioner i en buss. Varje position kan överföra data med hjälp av ett trådlöst kommunikationsprotokoll, en central enhet samlar in all data med hänsyn till mätningens noggrannhet och filtrering av felaktig data. För att uppnå detta utfördes en litteraturstudie för att undersöka mätningsmetoder för de olika parametrar. Olika kommunikationsprotokoll undersöktes för att bestämma en lämplig kommunikationsprotkoll för ett mätsystem som mäter klimat i bussar med passagerare ombord. Uteffekten av HVAC-systemet krävs också för att hjälpa trafikförvaltningen att bestämma fördelarna med att justera temperaturen i bussen för att nå den termiska komforten och hur den ledde till att spara energi. Systemet inkorporerar kommunikaitonsprotokollet ZigBee, ESP32-mikrokontroller i avsändarpositionerna och en Raspberry pi som fungerade som en central enhet för att samla in data och lagra det i ett filsystem med korrekta data som hjälper trafikförvaltningen att uppnå sina mål. Svårigheter uppstod med att få tillgång till CAN-system data för uteffekten av HVAC-systemet.

A device for identifying forest fires in an early stage has been developed during the course of this project. Attached to a drone, this prototype will provide a live-stream to a web server displaying a blended frame, made of a thermographic image showing thermal radiation and a regular photography with the visible light. The platform consists of a small single-boarded computer, a thermal camera sensor and a regular camera module. All powered by a power bank and fitted into a custom made 3D printed plastic case. At startup the computer automatically executes scripts written in Python, initializing its sensor components and processes the captured images which finally gets transmitted to a live-stream via a web server connection. Everything described above worked well, but originally the intent was for the web interface to provide a map with the current location coordinates of the drone. Since a module for mobile communication with support for GPS was not acquired, any implementation of such kind was impossible. However, several drone models already possess the feature to obtain such coordinates.