Publicação
Hardware design and integration of BME688 sensor into CPS devices for gas monitoring applications
| Resumo: | Os efeitos de diferentes gases podem ser prejudiciais tanto para o ambiente como para os seres huma nos. Como tal a monitorização e deteção de gases é importante já que pode contribuir para um aumento da segurança em diversas aplicações e áreas. A indústria mineira, a automóvel, áreas médicas e áreas especializadas na monitorização da qualidade de ar em diversos locais têm contribuído para um aumento no estudo da deteção de gases. O objetivo da dissertação é o desenvolvimento de hardware para implementar o sensor de deteção de gás BME688, e implementação de algoritmos para deteção dos gases 2 e 2 . Há muitos locais, onde não é possível ter uma fonte de alimentação direta a fornecer energia aos circuitos eletrónicos. Nesta dissertação serão utilizadas baterias, e como forma de reduzir custos de manutenção na troca de baterias e de deslocações ao local a monitorizar, a placa de circuito impresso a desenvolver será de baixo consumo energético. Foi realizado o estudo do sensor BME688, visando o seu funcionamento e a análise do seu compor tamento relativamente á deteção dos gases 2 e 2 . Para desenvolver este estudo foi utilizado um kit de desenvolvimento comercial que integrava estes sensores. Recorrendo ao kit do BME688 foi possível recolher um dataset dos dois gases alvo e posteriormente foram desenvolvidos os circuitos electrónicos (PCB), e implementados os algoritmos de AI para deteção de 2 e 2 . Relativamente ao hardware, a placa foi desenvolvida para optimização do seu consumo energético. Todos os circuitos eletrónicos foram dimensionados com esse propósito. Foram analisados os consumos energéticos e comparados com o kit existente no mercado. Relativamente ao software, foram implementa dos algoritmos de AI. Foram implementadas soluções baseadas em decision tree,support vector machines e rede neuronal. Foram analisados os consumos de todos os algoritmos, os seus resultados e o tempo de execução dos mesmos. Foi ainda desenvolvido um estudo para estimar a duração de uma bateria. Foi possível, com todos os resultados, avaliar o sistema desenvolvido e apresentar sugestões para trabalho futuro. |
|---|---|
| Autores principais: | Costa, Rui Manuel Pereira da |
| Assunto: | Deteção de gás Sensor BME688 Baixo consumo Machine learning Gas detection BME688 sensor Low-power |
| Ano: | 2023 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | inglês |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | Os efeitos de diferentes gases podem ser prejudiciais tanto para o ambiente como para os seres huma nos. Como tal a monitorização e deteção de gases é importante já que pode contribuir para um aumento da segurança em diversas aplicações e áreas. A indústria mineira, a automóvel, áreas médicas e áreas especializadas na monitorização da qualidade de ar em diversos locais têm contribuído para um aumento no estudo da deteção de gases. O objetivo da dissertação é o desenvolvimento de hardware para implementar o sensor de deteção de gás BME688, e implementação de algoritmos para deteção dos gases 2 e 2 . Há muitos locais, onde não é possível ter uma fonte de alimentação direta a fornecer energia aos circuitos eletrónicos. Nesta dissertação serão utilizadas baterias, e como forma de reduzir custos de manutenção na troca de baterias e de deslocações ao local a monitorizar, a placa de circuito impresso a desenvolver será de baixo consumo energético. Foi realizado o estudo do sensor BME688, visando o seu funcionamento e a análise do seu compor tamento relativamente á deteção dos gases 2 e 2 . Para desenvolver este estudo foi utilizado um kit de desenvolvimento comercial que integrava estes sensores. Recorrendo ao kit do BME688 foi possível recolher um dataset dos dois gases alvo e posteriormente foram desenvolvidos os circuitos electrónicos (PCB), e implementados os algoritmos de AI para deteção de 2 e 2 . Relativamente ao hardware, a placa foi desenvolvida para optimização do seu consumo energético. Todos os circuitos eletrónicos foram dimensionados com esse propósito. Foram analisados os consumos energéticos e comparados com o kit existente no mercado. Relativamente ao software, foram implementa dos algoritmos de AI. Foram implementadas soluções baseadas em decision tree,support vector machines e rede neuronal. Foram analisados os consumos de todos os algoritmos, os seus resultados e o tempo de execução dos mesmos. Foi ainda desenvolvido um estudo para estimar a duração de uma bateria. Foi possível, com todos os resultados, avaliar o sistema desenvolvido e apresentar sugestões para trabalho futuro. |
|---|