Une équipe de recherche du programme de recherche Superfund financé par les National Institutes of Health de la Wayne State University, le Center for Leadership in Environmental Awareness and Research (CLEAR), a récemment publié un article qui décrit une nouvelle technique qu'ils ont développée et qui couple le réseau de capteurs de l'Internet des objets avec Edge Computing (IoTEC) pour améliorer la surveillance environnementale. L'article, « L'informatique de périphérie basée sur l'IoT (IoTEC) pour une surveillance environnementale améliorée », a été publié récemment dans Informatique durable.

L'Internet des objets permet aux chercheurs de surveiller les paramètres environnementaux sur place, de collecter et de transmettre des données sur Internet afin qu'elles puissent être analysées à distance. Bien que cette technologie ait amélioré la surveillance sur site et le traitement des données, elle est limitée par sa forte consommation d'énergie, sa bande passante Internet et ses besoins en stockage de données.

Pour relever ce défi, l'équipe de recherche dirigée par Yongli Wager, Ph.D., professeur agrégé de génie civil et environnemental au Wayne State's College of Engineering, a intégré l'informatique de périphérie, un modèle de données hybride qui utilise des serveurs de périphérie et l'informatique en nuage pour conserver les données. analyse proche de la source tout en permettant le traitement des données sur le cloud en cas de besoin.

Les chercheurs ont testé leurs ensembles de capteurs dans deux applications pilotes pour surveiller l'intrusion de vapeur de pollution se déplaçant des espaces aériens du sol vers l'air intérieur et la culture d'algues dans les eaux usées.

"Dans notre première étude pilote sur la surveillance des intrusions de vapeur, nous avons constaté que la surveillance basée sur l'IoTEC révélait une réduction de la transmission de données inutiles et de la latence des données, ou du temps nécessaire pour stocker ou récupérer les données", a déclaré Wager. "De plus, l'utilisation de l'IoTEC a entraîné une réduction des coûts estimée de 55 à 82 % pour la surveillance des intrusions de vapeur qui couvrait cinq maisons."

Dans la deuxième étude pilote, les chercheurs ont utilisé des outils d'apprentissage automatique avec IoTEC pour surveiller et prédire les performances du système de culture d'algues à base d'eaux usées. En mettant en œuvre différents algorithmes d'apprentissage automatique sur les serveurs de périphérie, ils ont découvert que le traitement et l'analyse des données s'amélioraient.

Selon les auteurs, l'utilisation de l'IoTEC par rapport à des méthodes de surveillance de capteurs plus conventionnelles peut avoir un impact significatif sur les études de recherche. La recherche a révélé que l'IoTEC peut réduire les besoins en énergie et en bande passante pour la transmission de données, raccourcir les temps de réponse et réduire les coûts, atténuant globalement les défis actuels de la surveillance environnementale en temps réel.

D'autres membres de l'étude de l'équipe de recherche CLEAR Wayne State comprenaient Javad Roostaei, Ph.D., Département de génie civil et environnemental; Département d'informatique ; Timothy Dittrich, Ph.D., Département de génie civil et environnemental ; Carol Miller, Ph.D., Département de génie civil et environnemental ; et Kishore Gopalakrishnan, Ph.D., Département des sciences biologiques. Weisong Shi, Ph.D. de l'Université du Delaware est également un collaborateur du projet.