能源,成本和资源高效的物联网危险检测系统与自适应监控.

科学领域:

• 物联网 (IoT) 的物联网 (IoT) 的物联网.
• 人工智能 (AI) 是一种人工智能.
• 嵌入式系统 嵌入式系统
• 安全工程安全工程

背景情况:

• 工业和公共安全合规需要强大的危险检测系统.
• 现有的解决方案往往涉及高成本,复杂的基础设施和订阅费.
• 需要节能,具有成本效益和适应性的危险检测技术.

研究的目的:

• 开发和评估一个节能,成本效益的基于物联网的危险检测系统.
• 使用定制卷积神经网络 (CNN) 实现各种危险标志的实时分类.
• 通过适应性监测机制来证明显著的能源节约.

主要方法:

• 使用了一个ESP32-CAM微控制器,配有温度 (DHT22) 和运动 (PIR) 传感器.
• 开发了一个定制的CNN模型,部署在Flask服务器上,用于实时危险标志分类.
• 实施了自适应监控机制,以动态调整图像捕获频率,优化能源消耗.

主要成果:

• 在危险标志方面获得了高分类准确度,F1得分为85.9%.
• 与连续监控相比,显示了31-37%的显著能源节约.
• 该系统通过使用免费的Telegram通知实现了约28.50美元的低单位成本.

结论:

• 拟议的物联网系统为危险检测提供了高度准确,节能和成本效益的解决方案.
• 适应式监控和低成本组件使其适用于资源有限的环境.
• 该系统提供了一种可扩展和适应的方法,用于提高工业和公共场所的安全性.