Publisher's Synopsis
stellen wir eine IoT-basierte intelligente Mülltonne vor, die ein maschinelles und tiefes Lernmodell verwendet, um die Müllentsorgung zu verwalten und die in der Umgebung der Mülltonne vorhandenen Luftschadstoffe vorherzusagen. Wir experimentierten mit einem traditionellen Modell (k-Nächste-Nachbarn-Algorithmus (k-NN) und logistische Regression) und einem nicht-traditionellen Algorithmus (Long Short Term Memory (LSTM) Netzwerk basierend auf Deep Learning) für die Erstellung von Warnmeldungen über den Mülltonnenstatus und die Vorhersage der Menge des Luftschadstoffs Kohlenmonoxid (CO) in der Luft in einem bestimmten Fall. Die Rückrufquote der logistischen Regression und des k-NN-Algorithmus beträgt 79 % bzw. 83 % in einer Echtzeit-Testumgebung für die Vorhersage des Behälterstatus. Die Genauigkeit der modifizierten LSTM- und der einfachen LSTM-Modelle beträgt 90 % bzw. 88 % bei der Vorhersage der künftigen Konzentration der in der Luft vorhandenen Gase. Das System führte zu einer Verzögerung von 4 s bei der Erstellung und Übermittlung der Warnmeldung an einen Sanitärmitarbeiter. Das System ermöglichte die Echtzeit-Überwachung der Müllkonzentration zusammen mit der Benachrichtigung durch den Warnmechanismus.
