低消費電力組み込みセンサーノードによるリアルタイム環境モニタリングとオンボード機械学習推論

科学分野:

• 組み込みシステム工学
• 環境モニタリング技術
• エッジコンピューティングにおける機械学習

背景:

• リアルタイム環境モニタリングには、効率的なデータ取得と処理が必要である。
• 既存のセンサーノードは、しばしば電力制約と高いデータ伝送コストに直面している。
• オンボード機械学習は、ローカルデータ分析とネットワーク負荷の削減の可能性を提供する。

研究 の 目的:

• 低消費電力組み込みセンサーノードアーキテクチャの設計と最適化。
• 大気質および環境パラメータのための異種センシングの統合。
• リアルタイムイベント/異常検出のためのオンボード機械学習の実装。

主な方法:

• 低消費電力マイクロコントローラとニューラル推論アクセラレータを備えたモジュラー組み込みプラットフォームの開発。
• 適応型デューティサイクリング、階層型パワー ドメイン、およびエッジレベルのデータ削減を使用したエンドツーエンドのエネルギー最適化。
• 量子化ニューラルモデルを使用したオンデバイス多クラス分類と、システム分析のためのMATLAB Simulinkシミュレーション。

主要な成果:

• 推論精度94%、レイテンシ0.87 msを達成。
• エネルギー自律動作のための平均消費電力は約2.9 mWhを実証。
• 適応型LoRaWAN通信により、周期的なレポートと比較してデータ伝送を約88%削減した。

結論:

• 提案されたアーキテクチャは、オンデバイス推論によるエネルギー効率の高い環境センシングを可能にする。
• オンデバイス推論は、信頼性の高いイベント検出を維持しながら、ネットワークトラフィックを効果的に削減する。
• このシステムは、持続可能なスマートシティおよび気候モニタリング展開をサポートする。