Штучний інтелект

Анотація: Забруднення повітря - зростаюча криза громадського здоров'я в усьому світі - стала однією з найбільш нагальних проблем, що кидає виклик здоров'ю людей, навколишньому середовищу та економіці. Згубний вплив забруднення повітря на добробут людей та екологічну систему вимагає впровадження передових рішень для точного моніторингу та управління якістю повітря. У відповідь на цей глобальний виклик пропонується комплексна система моніторингу якості повітря на основі Інтернету речей в режимі реального часу з використанням ESP32 і декількох датчиків забруднювачів. Ця універсальна система вимірює та повідомляє про різні параметри якості повітря та забруднювачі, такі як температура, вологість, вуглекислий газ (CO2), тверді частинки (PM2.5 та PM10), леткі органічні сполуки (ЛОС) та інші шкідливі гази, включаючи діоксид азоту (NO2), озон (O3) та діоксид сірки (SO2). Рішення, представлене в цій пропозиції, поєднує в собі функціональність мікроконтролера ESP32, високоінтегрованого і малопотужного пристрою, з різноманітними датчиками забруднювачів, обраними за їх високу чутливість і здатність забезпечувати точні і надійні показники. Різноманітні датчики, інтегровані в систему, включають MQ135, CCS811, PMS5003 і BME280, кожен з яких відповідає за виявлення конкретних забруднювачів і параметрів якості повітря. Як провідний компонент системи моніторингу якості повітря, мікроконтролер ESP32 забезпечує безперебійну бездротову передачу даних на хмарні сервери для моніторингу в режимі реального часу, що дозволяє здійснювати віддалений доступ і аналіз даних про якість повітря через захищені мережі. Модульна конструкція і простота розгортання систем моніторингу якості повітря на основі Інтернету речей дозволяють встановлювати їх у різних сценаріях, включаючи житлові, комерційні та промислові об'єкти. Користувачі можуть приймати обґрунтовані рішення щодо свого довкілля, аналізуючи великі обсяги даних у режимі реального часу, сприяючи своєчасному попередженню про небезпеку, проактивному управлінню забрудненням та екологічній стійкості. Ця портативність і універсальність розгортання забезпечує значне покриття територій, які отримають користь від моніторингу якості повітря в режимі реального часу. Система моніторингу якості повітря ще більше розширюється за рахунок включення зручного мобільного додатку або веб-інтерфейсу, що дозволяє користувачам отримувати прямий доступ до даних датчиків в режимі реального часу, налаштовувати порогові оповіщення та сповіщення, а також візуалізувати тенденції зміни параметрів якості повітря в часі. Такий практичний підхід до доступу до даних про якість повітря в режимі реального часу заохочує людей до екологічно свідомих звичок і сприяє кращому розумінню впливу забруднення на їхнє здоров'я та навколишнє середовище. Для забезпечення оптимальної продуктивності та ефективності системи моніторингу якості повітря рекомендується проводити регулярне технічне обслуговування та калібрування. Завдяки своєчасному калібруванню датчиків, заміні зношених компонентів та оновленню програмного забезпечення, коли це необхідно, збільшується термін служби, точність і надійність системи, що обіцяє постійну ефективність моніторингу та управління якістю повітря в режимі реального часу.

Ключові слова: моніторинг якості повітря, Інтернет речей, датчики забруднювачів, глибоке навчання, предикативна аналітика, машинне навчання

Посилання:

1. Huang, R. (2014) High secondary aerosol contribution to particulate pollution during haze events in China. Nature, 514(7521), 218-222. Otry`mano z http://dx.doi.org/10.1038/nature13774
2. Lelieveld, J. (2015) The contribution of outdoor air pollution sources to premature mortality on a global scale. Nature, 525(7569), 367–371. Otry`mano z http://dx.doi.org/10.1038/nature15371
3. Liang, X. (2016) PM2.5 data reliability, consistency, and air quality assessment in five Chinese cities. Journal of Geophysical Research: Atmospheres, 121(17), 10220–10236. Otry`mano z http://dx.doi.org/10.1002/2016jd024877
4. Mysiuk R. Api test automation of search functionality with artificial intelligence / Mysiuk R., Yuzevych V., Mysiuk I. // Stuc. Intelekt – 2022. – Vol. 27, No 1. – P. 269-274. DOI: 10.15407/jai2022.01.269
5. Development of neuro-controller based on STM 32 / О. Сінькевич, Л. Монастирський, Я. Бойко, Б. Соколовський // Електроніка та інформаційні технології. – 2020. – Вип. 13. – С. 118–125. DOI: https://doi.org/10.30970/eli.13.12
6. Embedding Sequence Model in STM32 Based Neuro-Controller / O. Sinkevych, Y. Boyko, O. Rechynskyi, B. Sokolovskii and L. Monastyrskii // 2021 IEEE 12th International Conference on Electronics and Information Technologies (ELIT). – 2021, pp. 113-118, doi: 10.1109/ELIT53502.2021.950113.