一种面向能效环境监测的多模态 IoT 节点及边缘 AI 处理

互联网物联网（IoT）技术的广泛应用显著推动了环境监测（EM），使其能够提供具成本效益和可扩展性的感知解决方案。与此同时，机器学习（ML）和人工智能（AI）正引入强大的工具，以高效准确地分析复杂的环境数据。然而，当前用于环境感知的 IoT 平台通常仅支持有限的传感器，难以全面评估环境条件，同时缺乏足够的计算能力以支持在边缘部署先进的 ML 和 AI 算法。为克服这些限制，我们引入一种紧凑型（17×38 mm²）、多模态、基于 MCU 的环境 IoT 节点，集成 11 个传感器，包括二氧化碳浓度、挥发性有机化合物（VOCs）、光强、紫外线辐射、气压、温度、湿度、通过 RGB 摄像头的视觉感知，以及通过 GNSS 模块实现的高精度定位。该节点采用 GAP9 芯片，实现对高级 ML 模型的实时、能效边缘处理。我们实现了一个基于 YOLOv5 的占用检测管道（0.3M 参数，42MOP/推理），显示比原始数据传输节省 42% 能耗。此外，我们提出的智能室内空气质量（IAQ）监测方案结合占用检测与自适应采样率，单块 600 mAh、3.7 V 小型锂电池可实现最长 143 小时的持续运行。该平台为如预测性室内 IAQ、高效 AI 驱动的边缘预测式室内空气质量控制等创新应用奠定了基础。