Desenvolvimento de uma Arquitetura de Calibração para Sensores Ambientais de Baixo Custo na Plataforma Urbansense

A plataforma Urbansense é uma infraestrutura urbana projetada para monitorar a qualidade do ar, níveis de ruído, radiação solar e condições climáticas. Composta por várias unidades de sensores, a plataforma coleta dados que são enviados a um servidor central. Os sensores utilizados são de baixo custo, o que pode levar a desvios nos valores medidos ao longo do tempo. A necessidade de calibração periódica é enfatizada, pois a precisão dos sensores pode ser comprometida por fatores como envelhecimento e condições atmosféricas adversas. A calibração inicial é insuficiente, sendo necessário um processo contínuo para garantir a confiabilidade dos dados. A implementação de uma arquitetura de calibração é crucial para a eficácia da plataforma, permitindo ajustes regulares e a correção de desvios nos dados coletados.

Os sensores low-cost enfrentam desafios significativos relacionados à sua tecnologia e ao ambiente em que operam. Fatores como envelhecimento e desgaste afetam a precisão das leituras. A literatura sugere que técnicas de calibração clássicas não são adequadas para redes de sensores em larga escala. A motivação para o desenvolvimento de uma arquitetura de calibração surge da necessidade de garantir medições precisas em ambientes urbanos. A plataforma Urbansense, com suas Data Collection Units (DCUs), é projetada para monitorar áreas com características distintas, como parques e zonas industriais. A calibração deve ser adaptativa, considerando as variações nas condições ambientais e a diversidade dos sensores utilizados. A implementação de uma estratégia de calibração robusta é essencial para mitigar os problemas de sensibilidade cruzada e garantir a qualidade dos dados.

A estratégia de calibração proposta para a plataforma Urbansense é baseada em um modelo de multi-hop, que permite a calibração automática das unidades de sensores. O uso de um Ground Truth é fundamental para ajustar as curvas de calibração, garantindo que os sensores operem de forma eficaz em ambientes urbanos. A recalibração periódica é recomendada, especialmente para sensores de baixo custo, que tendem a apresentar desvios significativos. A arquitetura da framework de calibração centraliza o processamento, permitindo uma gestão eficiente dos dados e a aplicação de algoritmos de calibração. A integração de diferentes modelos de calibração, como regressões lineares, é essencial para otimizar a precisão das medições. A framework também suporta a parametrização automática, facilitando a adaptação a novas condições e a inclusão de novos sensores.

Os resultados obtidos demonstram que a calibração dos sensores low-cost é viável e necessária para garantir a precisão das medições. A análise de correlação entre os sensores e os dados de Ground Truth revelou que sensores de temperatura e umidade apresentaram alta correlação, indicando boa qualidade de sensorização. No entanto, sensores de gases, como o NO2 e o CO, mostraram deficiências significativas, principalmente devido à sensibilidade cruzada e à incapacidade de detectar baixas concentrações. A calibração contínua e a utilização de técnicas de auto-calibração são recomendadas para melhorar a precisão dos sensores. A arquitetura de calibração multi-hop demonstrou ser eficaz na coleta de dados e na correção de erros, destacando a importância de um sistema de calibração automatizado para aplicações em larga escala.