Civilingenjör i datateknik på Utexpo

Antikollisionssystem för elektrisk rullstol med 2D LiDAR-sensorer

• Deltagare: Mai Lill Vu.
• Samarbetspartner: Decon.

Projektet genomfördes i samarbete med Decon, som utvecklar och producerar kvalitetstillbehör för rullstolar. Syftet är att öka säkerheten och självständigheten för användare av elektriska rullstolar genom att utveckla ett antikollisionssystem till modellen E-Drive. Projektet har fokus på behandlingen av sensordata för att sätta begränsningar på joystickens kommandon. Systemet kunde implementeras genom strategiskt placerade LiDAR-sensorer, en indelning av omgivningen i olika hinderzoner, samt en polygonbaserad modell för begränsningar av linjär- och vinkelhastighet.

För att säkerställa en trygg användarupplevelse genomfördes både tekniska tester och användartester av den färdiga prototypen. Bearbetningstid, inbromsning och olika gränsfall testades. Rullstolens faktiska bana samt joystickens begärda bana, utan begränsningar, rekonstruerades utifrån feedback från rullstolen och jämfördes. Användartesterna utfördes i en kontorsmiljö där användarna fick lämna tankar och åsikter. Sammanfattningsvis förhindrade systemet kollisioner väl, men gjorde rullstolen mycket långsammare i trånga miljöer på grund av hastighetsbegränsningarna. För miljöer som äldreboenden och sjukhus, där säkerheten är avgörande, är systemet mycket lämpligt. För mer erfarna användare kan systemets begränsningar anpassas efter behov, vilket ger en bättre balans mellan säkerhet och frihet.

Automated workforce scheduling with constraints

• Participants: Mouhamed Houssari and Lucas Haraldsson.
  
• Collaborator: ClearQ.

This project explores how large language models (LLMs) can be used to automate workforce scheduling by interpreting natural language requests and generating structured shift plans in JSON format. Using parameter-efficient fine-tuning (LoRA), Microsoft’s Phi-4 Mini was adapted to a domain-specific Swedish dataset containing real scheduling scenarios. Fine-tuning was performed with the Unsloth framework, enabling efficient training on limited hardware.

The system translates user input into a JSON structure that can be used to create, adjust, or delete shifts in a database. After generation, each structure is validated against constraints like overlapping shifts, contract hour limits and recurrence logic. If violations are found, the user is notified before the schedule is applied.

The project demonstrates the feasibility of building an AI-based scheduling assistant that is both interpretable and resource-efficient. The fine-tuned model achieved 89.5 % macro-F1 on validation data and 81.7 % structured accuracy on a generalization test with complex prompts. The solution is scalable and well suited for domains like healthcare and hospitality where scheduling is complex, time-sensitive and critical to operations.

Biometric and QR Code Access Control System (BQACS)

• Participants: Ibrahim Al Haboub and Anas Fawaza.
  

This thesis focuses on developing a modular biometric access control system by integrating built-in biometric sensors of smartphones with dynamic QR code generation to improve security and usability in access control. The goal was to eliminate the use of passwords, keys and RFID cards as physical access credentials, which are susceptible to loss or theft. A cross-platform mobile application using Flutter was created to run on both IOS and Android. The system uses built-in biometric sensors to validate the user locally and then generates
a time-based one-time password QR code. The QR code contained a hashed token and a timestamp to be then scanned by the intercom for access verification. The user’s privacy is preserved by using hashed tokens and not handling raw biometric data due to user privacy concerns. Replay attacks were mitigated with the use of timestamps. To asses the biometric security, a Liveness attack was done with multiple spoofing methods. The biometric authentication was confirmed by Apple and Android to meet stringent security requirements by testing the false acceptance rate with a result of 0.002 % for the fingerprint sensor (Android) and by 0.0001 % for Face ID (Apple). The project aims to create a secure proof-of-concept and was successful in showing that biometric authentication with dynamic QR code generation represents an effective alternative to traditional access systems.

Edge computing på inbyggda system med WebAssembly

• Deltagare: Ernst Peterson och Mattias Neidenström.
  
• Samarbetspartner: HMS Networks.

Detta arbete undersöker brukbarheten och prestandan hos WebAssembly (Wasm) för edge computing i inbyggda system. Specifikt utvärderas huruvida WebAssembly, när det körs på ett lättviktsoperativsystem för inbyggda system såsom Zephyr, kan leverera tillräcklig beräkningsprestanda för typiska edge computing-scenarier. För att undersöka detta byggdes ett projekt som använde WebAssembly Micro Runtime (WAMR) integrerat i Zephyr. Ett benchmark-program utvecklades för att testa vanliga prestandaindikatorer och arbetsuppgifter inom edge computing, såsom Fast Fourier Transform (FFT) och matrismultiplikation, med olika nivåer av kodoptimering och runtime-konfigurationer. Resultaten visar att WebAssembly medför betydande overhead jämfört med körning av native-kod, när det körs i interpreter-lägen. Däremot erbjuder det fördelar i form av portabilitet, säkerhet och sandboxing. Testresultaten ger stöd för att WebAssembly, när det körs i interpreter-lägen, inte är lämpligt för beräkningsintensiva edge-arbetslaster på i.MX RT1180 mikrokontrollern på grund av den extra körningstiden som introduceras och avsaknaden av WebAssembly System Interface (WASI)-stöd.

How a web interface can improve inventory management

• Participants: Elias Cregård and Victor Nordblad.
  
• Collaborator: Star and Stamp Store.

This thesis addresses the challenges faced by a stamp-selling company in managing extensive data manually through Excel files, which often led to errors and inconveniences, such as incorrectly input data and time-consuming manual data management. To solve this, a web application was developed using ReactJS for its GUI, Flask for backend development, and Google Cloud SQL for scalable storage. The system integrates real-time WooCommerce synchronisation via webhooks and enforces input validation to prevent inconsistencies. Performance tests demonstrated that the system handles CRUD Create, Read, Update, Delete operations efficiently, being able to fetch 2000 stamps in under 200ms, ensuring real-time usability for inventory management and preventing workflow disruptions. Security tests confirmed resilience against attacks such as SQL injections. By replacing Excel sheets with a web-based application, the project not only improves data reliability and performance but also lays the foundation for future scalability and integration with additional business tools.

Mitigating Biases in AI Systems Trained on Tabular Data

• Deltagare: Patrik Bergstrand och Kalle Andersson.

När artificiell intelligens (AI) blir vanligare i beslutsfattande system ökar allvarligheten i AI:s skevhet och snedvridning som får orättvisa konsekvenser. Detta kandidatarbete syftar till att undersöka och mildra skevhet i AI genom att använda open-source-verktygen AI Fairness 360 och Fairlearn ihop för att skapa ett ensemble-system i programmeringsspråket Python. Systemets syfte är att undersöka huruvida en ensemble-metod med flera förutsägande AI-modeller kan mildra skevhet utan att offra precision eller prestanda. Systemet är designat för att kunna användas utan förkunskaper inom kodning, och implementerar ett automatiskt läge och ett manuellt läge för att ge användare värde oavsett deras kunskapsnivå inom AI. Det presenterar också utvärderingar av modellernas resultat för att möjliggöra värdefulla insikter. Projektets resultat visar att även om skevhet inte kan elimineras fullständigt, så har de implementerade ensemble-metoderna viss potential att eliminera delar av den. Vi föreslår även förbättringar till systemet, bland annat genom förklaringar av nyckelbegrepp som ska göra systemet mer informativt och fler alternativ för att specifiera modellträning för att inrikta sig på specifika skevheter.

Radarbaserat hinderdetektionssystem för utomhusapplikationer

• Deltagare: Emilia Johansson och Lina Svensson.
  
• Samarbetspartner: Thule.

Detta projekt presenterar utvecklingen och utvärderingen av ett radarbaserat hinderdetekteringssystem, utformat för att öka säkerheten i bilapplikationer som takboxar, cykelställ och andra tillbehör. Problemet idag är att dessa tillbehör inte omfattas av bilens egna säkerhetssystem. För att minska risken för skador och ge en ökad trygghetskänsla är syftet med systemet att uppmärksamma föraren på hinder som kan utgöra en fara.

Systemet använder Acconeers A121 radarsensor för att detektera objekt och utge adaptiva varningar, baserade på avstånd och relativ hastighet. Designval, såsom användning av olika driftlägen, sensorinställningar, samt val av signalprocesserings- och sorteringsalgoritmer, gjordes för att uppnå snabb respons och låg strömförbrukning och minnesanvändning.

Resultatet visade att systemet tillförlitligt kan upptäcka större objekt vid låga hastigheter i kontrollerade miljöer, men uppvisar begränsningar vid högre hastigheter och längre avstånd. För att uppnå praktisk användbarhet i verkliga förhållanden krävs fortsatt utveckling.

Remote Monitoring of EPACs using LoRa Communication

• Participants: Alvin Eriksson and Marcus Carlsson.
  

This thesis presents the design and implementation of a remote monitoring system for electric bicycles, using LoRa and Controller Area Network (CAN) bus technology. The system’s main objective is to enable monitoring of key parameters, namely speed, acceleration, temperature, error messages, as well as location data. To achieve this, a point-to-point connection is established between two Raspberry Pi devices in the form of a transceiver and receiver. The transceiver is equipped with sensors to collect said data and sends it to the receiver over LoRa. The collected data is sent to an MQTT server, where an external computer can access the data to present it in an application.

Testing was done in the city of Halmstad using an electric bicycle provided by the University. The results showed that the system had stable data transmissions over LoRa of up to 5.8 kilometers. However, the signal proved to be significantly weaker when obstruction was in the line of sight.

The conclusions indicate that integrating GPS and LoRa communication, and with a good foundation for CAN bus integration, provides an effective way of monitoring data from electric vehicles remotely. The solution lays a good foundation with its monitoring capabilities, while also leaving room for improvement for future work and applications.

Smart kamera för kvalitetskontroll av rangebollar

• Deltagare: Jesper Johansson och Allan Utbult.
  
• Samarbetspartner: Range Servant AB

Syftet med arbetet är att undersöka möjligheten att automatiskt klassificera golfbollar baserat på visuell bedömning av slitage, med hjälp av olika typer av maskininlärningsarkitekturer. Fokus ligger på att ge en förståelse för vad som krävs för att uppnå en tillräcklig noggrannhet för att i framtiden kunna implementera ett system som antingen samlar in data om golfbollar eller automatiskt sorterar ut enskilda bollar.
Ett sådant automatiserat bedömningssystem skulle kunna minska arbetsbördan för golfklubbar, öka precisionen i sorteringen och säkerställa att endast speldugliga bollar används. På sikt kan detta leda till förbättrad kundupplevelse och lägre driftkostnader.

Webbaserat system för utlåning av utbildningsmaterial

• Deltagare: Tarek Mawed och Sofyan Bisher.
• Samarbetspartner: KomTek.

I detta examensarbete beskrivs utvecklingen av ett webbaserat utlåningssystem för undervisningsmaterial. Detta system är integrerat med en AI-assistent för att förbättra användarupplevelsen och effektiviteten. Arbetet motiveras av dagens manuella utlåningsprocess på KomTek i Halmstad, där det sker via Excel-ark och saknar intelligent sökfunktion och automatisering. Lösningen är ett modern webbutveckling med tekniker inom Natural Language Processing (NLP) och maskininlärning.