推进空气质量监测：基于TinyML的低成本边缘设备实时臭氧预测
信号处理
2025-04-08 v1 人工智能
摘要
城市空气污染的加剧需要创新的实时空气质量监测与预测解决方案。本文介绍了一种新颖的基于TinyML的系统，旨在实时预测臭氧浓度。该系统采用Arduino Nano 33 BLE Sense微控制器，配备用于一氧化碳(CO)检测的MQ7传感器以及用于温度和压力测量的内置传感器。数据来源于印度空气质量参数的Kaggle数据集，经过彻底清洗和预处理。使用Edge Impulse进行模型训练和评估，考虑了输入参数(CO、温度和压力)的各种组合。包含所有三个变量的最优模型实现了0.03的均方误差(MSE)和0.95的R平方值，表明预测精度高。通过Arduino IDE将回归模型部署到微控制器上，展示了稳健的实时性能。灵敏度分析确定CO水平是臭氧浓度最关键的预测因子，其次是压力和温度。该系统的低成本和低功耗设计使其适用于广泛部署，特别是在资源受限的环境中。这种TinyML方法提供了臭氧水平的精确实时预测，能够对污染事件做出快速响应，并增强公众健康保护。
引用
@article{arxiv.2504.03776,
title = {Advancing Air Quality Monitoring: TinyML-Based Real-Time Ozone Prediction with Cost-Effective Edge Devices},
author = {Huam Ming Ken and Mehran Behjati},
journal= {arXiv preprint arXiv:2504.03776},
year = {2025}
}
备注
This is a preprint version of a paper accepted and published in Springer Lecture Notes in Networks and Systems. The final version is available at https://doi.org/10.1007/978-981-96-3949-6_42