Description
stellen wir eine IoT-basierte intelligente Mlltonne vor, die ein maschinelles und tiefes Lernmodell verwendet, um die Mllentsorgung zu verwalten und die in der Umgebung der Mlltonne vorhandenen Luftschadstoffe vorherzusagen. Wir experimentierten mit einem traditionellen Modell (k-Nchste-Nachbarn-Algorithmus (k-NN) und logistische Regression) und einem nicht-traditionellen Algorithmus (Long Short Term Memory (LSTM) Netzwerk basierend auf Deep Learning) fr die Erstellung von Warnmeldungen ber den Mlltonnenstatus und die Vorhersage der Menge des Luftschadstoffs Kohlenmonoxid (CO) in der Luft in einem bestimmten Fall. Die Rckrufquote der logistischen Regression und des k-NN-Algorithmus betrgt 79 % bzw. 83 % in einer Echtzeit-Testumgebung fr die Vorhersage des Behlterstatus. Die Genauigkeit der modifizierten LSTM- und der einfachen LSTM-Modelle betrgt 90 % bzw. 88 % bei der Vorhersage der knftigen Konzentration der in der Luft vorhandenen Gase. Das System fhrte zu einer Verzgerung von 4 s bei der Erstellung und bermittlung der Warnmeldung an einen Sanitrmitarbeiter. Das System ermglichte die Echtzeit-berwachung der Mllkonzentration zusammen mit der Benachrichtigung durch den Warnmechanismus.
