Wireless Sensors Network for Monitoring Linear Infrastructures Using MQTT Protocol on Raspberry Pi With nRF24l01 and Node-Red
Notice bibliographique
Résumé
Studies have been intensified over the past few years in wireless sensors network, which has become a fast emerging technology for many innovative applications related with monitoring. In this paper, we proposed a wireless sensors network using inexpensive nRF24l01 transceivers and Raspberry Pi to monitor linear infrastructures like pipelines, surfaces of buried optical fiber for bushfire or river beds for flood detection. We realized this network using a tree architecture, with three hierarchy levels which are: The base sensor node, the data relay node, the data dissemination node. Using the open source Arduino IDE software and Node-Red, we programmed the microcontrollers for the various nodes and ran the Network Control Center (NCC). The base nodes are placed in deep sleep mode, for energy saving reasons. Each of the payloads sent by the nodes is analyzed at the NCC, in case of an undesirable event, the base station generates an alert and sends through Twitter a message containing the address of the affected nodes. We got good results, the base nodes were placed 80m apart and we didn't lose any payload in our tests. Due to the low current draw of these nodes, the BSN is expected to operate on battery power within five years of battery life, as the microcontrollers and transceivers are placed in deep sleep most of the time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».