一种可部署于边缘端的智能室内空气质量监测与活动识别方法
计算机与社会
2023-11-08 v1 计算工程、金融与科学
摘要
室内空气质量监测对于保障环境安全至关重要，而技术与人工智能及深度学习（DL）工具的应用使该任务日益可行。本文介绍一种基于一维卷积神经网络（1D-CNN）的DL方法，致力于监测室内环境空气质量并对活动进行分类的智能系统。我们的系统集成了六种不同传感器以采集测量参数，随后训练一个1D CNN模型用于活动识别。所提模型具有轻量且可边缘部署的设计，非常适于实时应用。我们利用专为日常活动（ADL）分类设计的空气质量数据集开展实验。结果表明所提模型高效，取得了97.00%的准确率、0.15%的极小损失值以及41毫秒的快速预测时间。
引用
@article{arxiv.2311.03920,
title = {An Intelligent Edge-Deployable Indoor Air Quality Monitoring and Activity Recognition Approach},
author = {Mohamed Rafik Aymene Berkani and Ammar Chouchane and Yassine Himeur and Abdelmalik Ouamane and Abbes Amira},
journal= {arXiv preprint arXiv:2311.03920},
year = {2023}
}
备注
6 pages, 6 figures, and 4 tables