SILF数据集:太阳能杀虫灯故障数据集 物联网节点
Xing Yang1, Liyong Zhang1, Lei Shu2,3
1College of Intelligent Manufacturing, Anhui Science and Technology University, Chuzhou 233100, China.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
本研究分析了与物联网 (SIL-IoT) 集成的太阳能杀虫灯的故障. 机器学习使用电压,电流和天气数据准确诊断问题,这对于可靠的农业物联网系统至关重要.
科学领域:
- 农业工程 农业工程
- 物联网 (IoT) 的物联网 (IoT) 的物联网.
- 机器学习 机器学习
背景情况:
- 太阳能杀虫灯 (SIL) 对于害虫控制至关重要.
- 将SIL与物联网 (SIL-IoT) 集成,可以为智能农业收集数据.
- 确保SIL-IoT的运行完整性对于其功能至关重要.
研究的目的:
- 详细说明SIL-IoT系统的组件组成.
- 根据真实世界的数据,对SIL-IoT进行全面的故障分析.
- 为了验证机器学习对SIL-IoT故障诊断的有效性.
主要方法:
- 从七个部署的SIL-IoT节点收集和分析了长期的运营数据.
- 通过数据检查,确定了各种故障模式.
- 应用了六种标准机器学习方法来验证数据集的有效性和诊断准确性.
主要成果:
- 在SIL-IoT系统中识别了多种不同的故障模式.
- 机器学习算法在使用拟议数据集的故障诊断中表现出高准确度.
- 发现电压,电流和气象数据是故障检测的关键指标.
结论:
- 拟议的数据集和故障分析框架对SIL-IoT.
- 机器学习是确保农业物联网设备可靠性的可行工具.
- 关键的电气和环境参数对于智能农业系统中可靠的故障诊断至关重要.


