نظارت هوشمند در اینترنت اشیاء با استفاده از یادگیری عمیق برای تحلیل و پیش بینی بلادرنگ

با فراگیر شدن و افزایش روز افزون استفاده و کاربردهای اینترنت اشیا مخصوصا در صنعت نیاز به نظارت هوشند و بلادرنگ به شدت احساس می شود، در این پژوهش ترکیب اینترنت اشیاء (IoT) و یادگیری عمیق با مدل های ترکیبی CNN و RNN، در نظارت بلادرنگ و تحلیل پیش بینانه پیشنهاد شده است. این روش سیستمی نوین ارائه می دهد که داده های حسگرهای IoT را با استفاده از CNN برای تحلیل ویژگی های مکانی و RNN برای پردازش توالی های زمانی ترکیب می کند. این سیستم ناهنجاری ها را شناسایی کرده و خرابی های احتمالی را پیش بینی می کند، و امکان مداخلات پیشگیرانه را برای کاهش هزینه های عملیاتی و افزایش کارایی فراهم می آورد. ارزیابی سیستم با مجموعه داده هایی شامل بیش از یک میلیون رکورد (پارامترهایی نظیر دما، رطوبت و فشار) انجام شد. نتایج نشان داد که دقت شناسایی دما به ۹۹.۲% افزایش یافته است. این دقت بالا نشان دهنده توانایی سیستم در پیش بینی دقیق خرابی های بحرانی است.

کلیدواژه ها:

اینترنت اشیا ، یادگیری عمیق ، شبکه عصبی پیچشی ، شبکه عصبی بازگشتی ، شناسایی بلادرنگ ناهنجاری