绿色物联网事件检测用于传感器网络中的碳排放监测
Cormac D Fay1, Brian Corcoran2, Dermot Diamond3
1SMART Infrastructure Facility, Engineering and Information Sciences, University of Wollongong, Wollongong, NSW 2522, Australia.
Sensors (Basel, Switzerland)
|January 11, 2024
概括
本研究使用低功耗微控制器进行高效的实时事件检测,显著降低能源消耗和碳排放. 这种方法提供了一种可持续的替代能源饥渴的AI/ML平台.
科学领域:
- 环境科学 环境科学
- 计算机工程 计算机工程
- 可持续技术 可持续技术
背景情况:
- 传统的AI/ML平台用于事件检测是资源密集的,导致高功耗和碳排放.
- 嵌入式系统的有限资源对实时数据处理和事件分类构成挑战.
- 需要节能解决方案来监测碳排放等环境因素.
研究的目的:
- 引入一种使用低功耗微控制器进行实时事件二进制分类的创新方法.
- 以有限的资源来证明微控制器在处理传感器数据中的效率.
- 与传统的AI/ML平台相比,展示显著的节能和碳排放减少.
主要方法:
- 在微控制器上使用同质的硬件/固件进行实时事件检测.
- 实施适合资源有限环境的二进制分类算法.
- 开展垃圾填埋场二氧化碳排放和家庭能源使用监测的案例研究.
主要成果:
- 通过在非事件期间最大限度地减少数据传输,实现了显著的节能 (94.8-99.8%).
- 证明了基于微控制器的事件检测的可行性和有效性.
- 与传统AI/ML系统相比,显著减少了功耗和碳排放.
结论:
- 低功耗微控制器为实时事件检测和分类提供了高效和可持续的解决方案.
- 这种方法大大减少了能源消耗和环境影响.
- 基于微控制器的系统为减少碳排放的努力提供了资源密集型AI/ML平台的可行替代方案.
