邊緣人工智能融合氣體、顆粒和氣候數(shù)據(jù)，在本地對(duì)現(xiàn)實(shí)環(huán)境進(jìn)行分類，將原始空氣信號(hào)轉(zhuǎn)化為可操作的環(huán)境。

今天的空氣質(zhì)量系統(tǒng)側(cè)重于孤立的測(cè)量- pm水平，VOC濃度或溫度閾值-但實(shí)際環(huán)境要復(fù)雜得多。根據(jù)不同的環(huán)境，相同的傳感器讀數(shù)可能意味著截然不同的東西：烹飪、交通污染、人類居住或早期燃燒都會(huì)產(chǎn)生重疊的信號(hào)，而傳統(tǒng)的基于規(guī)則的系統(tǒng)無(wú)法正確解讀這些信號(hào)。

我決定建立EnviroFusion-Q，超越原始的空氣質(zhì)量數(shù)據(jù)，而是教會(huì)一個(gè)設(shè)備了解它所經(jīng)歷的環(huán)境。這個(gè)項(xiàng)目背后的動(dòng)機(jī)很簡(jiǎn)單：只有當(dāng)多個(gè)異構(gòu)傳感器直接在邊緣融合和解釋在一起時(shí)，才會(huì)出現(xiàn)有意義的環(huán)境智能。

EnviroFusion-Q結(jié)合了ENS160的氣體和VOC數(shù)據(jù)，GP2Y1014AU0F粉塵傳感器的顆粒物動(dòng)態(tài)，以及AHT21的熱濕度環(huán)境。這些信號(hào)被同步采樣，并在短時(shí)間內(nèi)進(jìn)行分析。該系統(tǒng)不是獨(dú)立評(píng)估每個(gè)傳感器，而是提取時(shí)間模式和跨傳感器關(guān)系，形成獨(dú)特的“環(huán)境指紋”。

使用Edge Impulse，這些融合的特征被用來(lái)訓(xùn)練一個(gè)緊湊的神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)完全在Arduino Uno q上運(yùn)行。該模型實(shí)時(shí)對(duì)復(fù)雜的現(xiàn)實(shí)環(huán)境進(jìn)行分類，如清潔的室內(nèi)空間、烹飪活動(dòng)、交通污染、煙霧事件或異常燃燒，而不依賴于云連接。

結(jié)果是一個(gè)完全獨(dú)立的邊緣人工智能系統(tǒng)，將原始傳感器數(shù)據(jù)轉(zhuǎn)換為可操作的環(huán)境上下文，展示了真正的傳感器融合如何在微控制器級(jí)硬件上實(shí)現(xiàn)更智能、更可靠的決策。

代碼

本文編譯自hackster.io