論文の概要: A Global Multi-Unit Calibration as a Method for Large Scale IoT
Particulate Matter Monitoring Systems Deployments
- arxiv url: http://arxiv.org/abs/2310.18118v1
- Date: Fri, 27 Oct 2023 13:04:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-30 13:43:14.485163
- Title: A Global Multi-Unit Calibration as a Method for Large Scale IoT
Particulate Matter Monitoring Systems Deployments
- Title（参考訳）: 大規模IoT粒子状物質モニタリングシステム展開のためのグローバルマルチユニット校正手法
- Authors: Saverio De Vito, Gerardo D Elia, Sergio Ferlito, Girolamo Di Francia,
Milos Davidovic, Duska Kleut, Danka Stojanovic, Milena Jovasevic Stojanovic
- Abstract要約: 我々は,IoT AQマルチセンサデバイスのための技術実現手段として,ゼロ転送サンプル,グローバルキャリブレーション手法を提案する。
この作業は、限られた数のIoT AQマルチセンサーユニットと機械学習の概念からのフィールド記録された応答に基づいている。
これらの結果は、適切に導出されると、多数のネットワークデバイスに対して、大域的な校正法を活用できることを示している。
- 参考スコア（独自算出の注目度）: 0.5779598097190628
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scalable and effective calibration is a fundamental requirement for Low Cost
Air Quality Monitoring Systems and will enable accurate and pervasive
monitoring in cities. Suffering from environmental interferences and
fabrication variance, these devices need to encompass sensors specific and
complex calibration processes for reaching a sufficient accuracy to be deployed
as indicative measurement devices in Air Quality (AQ) monitoring networks.
Concept and sensor drift often force calibration process to be frequently
repeated. These issues lead to unbearable calibration costs which denies their
massive deployment when accuracy is a concern. In this work, We propose a zero
transfer samples, global calibration methodology as a technological enabler for
IoT AQ multisensory devices which relies on low cost Particulate Matter (PM)
sensors. This methodology is based on field recorded responses from a limited
number of IoT AQ multisensors units and machine learning concepts and can be
universally applied to all units of the same type. A multi season test campaign
shown that, when applied to different sensors, this methodology performances
match those of state of the art methodology which requires to derive different
calibration parameters for each different unit. If confirmed, these results
show that, when properly derived, a global calibration law can be exploited for
a large number of networked devices with dramatic cost reduction eventually
allowing massive deployment of accurate IoT AQ monitoring devices. Furthermore,
this calibration model could be easily embedded on board of the device or
implemented on the edge allowing immediate access to accurate readings for
personal exposure monitor applications as well as reducing long range data
transfer needs.
- Abstract（参考訳）: スケーラブルで効果的なキャリブレーションは、低コストの空気品質モニタリングシステムの基本的要件であり、都市における正確かつ広範囲なモニタリングを可能にする。
環境干渉や製造のばらつきが原因で、これらの装置は、空気品質(AQ)モニタリングネットワークにおける指標測定装置として配置される十分な精度に達するための、センサー特有の複雑な校正プロセスを含む必要がある。
コンセプトドリフトとセンサドリフトは、しばしばキャリブレーションプロセスを頻繁に繰り返します。
これらの問題は耐え難いキャリブレーションコストにつながり、精度が懸念される場合に大規模なデプロイメントを拒否する。
本研究では,低コスト粒子状物質(pm)センサを用いたiot aqマルチセンサデバイスのための技術実現手段として,ゼロ転送サンプル,グローバルキャリブレーション手法を提案する。
この方法論は、限られた数のIoT AQマルチセンサーユニットと機械学習の概念からのフィールド記録応答に基づいており、同じタイプのすべてのユニットに普遍的に適用することができる。
マルチシーズンテストのキャンペーンでは、異なるセンサーに適用した場合、異なるユニットごとに異なるキャリブレーションパラメータを導出する必要がある技術方法論の状態と、この手法の性能が一致することを示した。
これらの結果から,グローバルキャリブレーション法が適切に導出されれば,大規模なネットワークデバイスに利用でき,コストが劇的に削減され,最終的には正確なIoT AQ監視デバイスの大規模展開が可能になることが確認された。
さらに、このキャリブレーションモデルを簡単にデバイスに組み込むか、エッジに実装することで、パーソナル露出モニターアプリケーションに対する正確な読み出しへの即時アクセスを可能にし、長距離データ転送のニーズを低減できる。
関連論文リスト
- UniCal: Unified Neural Sensor Calibration [32.7372115947273]
自動運転車(SDV)には、LiDARとカメラの正確な校正が必要である。
従来のキャリブレーション手法では、制御され構造化されたシーンでキャプチャされたフィデューシャルを利用し、処理を最適化するために対応を計算する。
我々は、複数のLiDARとカメラを備えたSDVを強制的に校正する統合フレームワークUniCalを提案する。
論文 参考訳（メタデータ） (2024-09-27T17:56:04Z) - Kalib: Markerless Hand-Eye Calibration with Keypoint Tracking [52.4190876409222]
ハンドアイキャリブレーションでは、カメラとロボット間の変換を推定する。
ディープラーニングの最近の進歩は、マーカーレス技術を提供するが、それらは課題を提示している。
自動的かつ普遍的なマーカーレスハンドアイキャリブレーションパイプラインであるKalibを提案する。
論文 参考訳（メタデータ） (2024-08-20T06:03:40Z) - SOAC: Spatio-Temporal Overlap-Aware Multi-Sensor Calibration using Neural Radiance Fields [10.958143040692141]
自律運転のような急速に進化する領域では、動作精度と安定性を確保するために、異なるモードの複数のセンサーを使用することが不可欠である。
各センサが提供した情報を単一の共通フレームで正確に活用するためには、これらのセンサを正確に校正することが不可欠である。
我々は、共通の表現において異なるモダリティを表現するために、ニューラルラジアンス場(Neural Radiance Fields)の能力を利用する。
論文 参考訳（メタデータ） (2023-11-27T13:25:47Z) - Cal-DETR: Calibrated Detection Transformer [67.75361289429013]
本稿では,Deformable-DETR,UP-DETR,DINOのキャリブレーション検出トランス(Cal-DETR)のメカニズムを提案する。
我々は、不確実性を利用してクラスロジットを変調する不確実性誘導ロジット変調機構を開発する。
その結果、Cal-DETRは、ドメイン内およびドメイン外の両方を校正する競合する列車時間法に対して有効であることがわかった。
論文 参考訳（メタデータ） (2023-11-06T22:13:10Z) - Spatial-Temporal Graph Attention Fuser for Calibration in IoT Air
Pollution Monitoring Systems [8.997596859735516]
本稿では,センサアレイからのデータを融合させることによりキャリブレーションのプロセスを改善する新しい手法を提案する。
我々は,IoT大気汚染監視プラットフォームにおけるセンサの校正精度を大幅に向上させる手法の有効性を実証する。
論文 参考訳（メタデータ） (2023-09-08T12:04:47Z) - Few-shot calibration of low-cost air pollution (PM2.5) sensors using
meta-learning [11.352677351165246]
低コストの粒子状物質センサーは、大気の質をモニターしている。
これらのセンサーは、共同デプロイされた基準モニターからのトレーニングデータを必要とする。
本稿では,センサの迅速な校正のための新しい伝達学習法を提案する。
論文 参考訳（メタデータ） (2021-08-02T05:19:23Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor
Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。
提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文 参考訳（メタデータ） (2021-01-12T12:02:26Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z) - Adaptive machine learning strategies for network calibration of IoT
smart air quality monitoring devices [1.957338076370071]
低コストの化学マイクロセンサーアレイは、比較的正確な大気汚染物質定量推定を提供することができる。
これらの精度は、いくつかの技術的問題の負の影響により、長期の現場展開において制限されている。
本研究では,マルチセンサキャリブレーションモデルの妥当性を高めるために,適応学習戦略を用いた非定常フレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-24T10:26:51Z) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T10:51:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。