应用于减轻水资源浪费的联邦学习方法
系统与控制
2024-09-26 v1 机器学习
系统与控制
摘要
北美住宅户用雨水使用量约为15亿美元，约有50%因过度灌溉而浪费，尤其是草坪和花园。这种效率低下凸显了智能、数据驱动的灌溉系统的需求。传统方法侧重于集中式数据收集和处理，但可能引发隐私问题，且可能无法考虑不同地区的多样化环境条件。本文提出一种基于联邦学习的方法来优化住宅和农业领域的用水。通过将湿度传感器和执行器与分布式边缘设备网络集成，我们的系统允许每个用户在其特定环境数据上本地训练模型，同时仅共享模型更新与中心服务器。这样既保留了用户隐私，又能够适应不同条件创建全局模型。我们的实现利用低成本硬件，包括Arduino Uno微控制器和土壤湿度传感器，演示了联邦学习如何在保持高效作物生产的同时减少水资源浪费。该系统不仅解决了节水的需求，还提供了一个可扩展、可保护隐私的解决方案，可适用于多种环境。
引用
@article{arxiv.2409.03776,
title = {Federated Learning Approach to Mitigate Water Wastage},
author = {Sina Hajer Ahmadi and Amruta Pranadika Mahashabde},
journal= {arXiv preprint arXiv:2409.03776},
year = {2024}
}