機械学習と組み込みシステムを用いた農業におけるインテリジェントな火災検知,リスク予防と持続可能性の向上のための組み込みシステム

科学分野:

• 農業工学 農業工学とは
• コンピュータサイエンス コンピュータサイエンス
• 環境科学 環境科学

背景:

• 従来の火災モニタリングシステムは,インターネット接続とインフラが限られているため,遠隔地ではしばしば有効性が欠けている.
• 農業や農村での火災リスクの増加は,先進的で独立した監視ソリューションを必要とします.
• リアルタイムで危険を検知し,リスクを予測する必要性は,天然資源の保護と農場の回復力にとって極めて重要です.

研究 の 目的:

• インターネットアクセスが限られている地域でも適応可能な自律的な火災検知システムを設計・実装する.
• 機械学習アルゴリズムを使用して火災危険性分類と予測精度を向上させる.
• 異常検出を通じてデータの信頼性を確保し,システムの性能を検証します.

主な方法:

• 煙と炎のセンサーを搭載したRaspberry Pi 3 B+を使用した組み込みシステムの開発.
• 機械学習 (ML) アルゴリズム,特にランダムフォレストとロジスティック回帰の適用,危険分類と異常検出.
• 混同マトリックスと5倍分層のクロス検証を使用してモデルのパフォーマンスの評価.

主要な成果:

• ランダムフォレストモデルは,0.9860 ± 0.0172の平均精度,0.9740 ± 0.0319のF1スコア,0.9733 ± 0.0327.7のリコールで優れたパフォーマンスを示しました.
• ロジスティック回帰は平均精度0.9446 ± 0.0600,F1スコア0.9173 ± 0.0744,リコール0.9250 ± 0.0608.8を達成しました.
• アノマリー検出技術は,潜在的なセンサー測定エラーを成功裏に特定し,修正し,データの完全性を保証しました.

結論:

• 開発された自律システムにより,インターネット接続が不可能な農村や農業地域において,信頼性があり効率的な火災検知ソリューションが提供されます.
• ランダムフォレストモデルは,火災リスクレベルを分類し,適時警報を確実にするために非常に有効であり,農業火災リスクを大幅に削減します.
• この研究は,リスク管理を強化し,持続可能性を促進し,自然災害に対する農場の回復力を高めることによって,スマート農業への移行に貢献します.