Zenodo (CERN European Organization for Nuclear Research)·10月6日 · 周二论文智慧农业 / 农业物联网阅读 3
Hybrid Butterworth Filter and Autoencoder for Time-Series Anomaly Detection in Agricultural IoT Sensors
Sicheng Su
论文解读
72接近精选线
速览
提出巴特沃斯低通滤波与自编码器混合方法，检测农业物联网传感器时序异常。
方法
巴特沃斯滤波预处理加自编码器重构误差，在NAB真实数据集上做消融实验。
发现
预滤波有效降低误报并提升检测精度，方法轻量适合边缘农业物联网设备。
机会点
可探索自适应滤波参数与轻量自编码器在边缘端多传感器联合异常检测中的泛化能力。
影响力12
信息增量21
专业深度17
信源权威13
时效性9
面向农业IoT传感器时序数据的滤波+自编码器轻量异常检测方法，方法新颖、有消融实验与NAB数据集验证，适合边缘设备，但属细分技术进展，公共影响有限。
原文摘要
部署于农业环境中的物联网（IoT）传感器常受环境波动引起的噪声干扰，导致基于深度学习的异常检测性能下降。本文提出了一种将巴特沃斯低通滤波器与自编码器相结合的混合流程，用于从传感器时间序列数据中检测异常。巴特沃斯滤波器在数据进入自编码器之前抑制高频环境噪声，从而提高输入特征的质量。自编码器重建正常传感器信号，并通过测量重建误差来识别异常样本。我们在NAB真实传感器数据集上验证了所提方法，并进行消融实验以分析滤波模块的贡献。实验结果表明，与使用原始数据的自编码器基线相比，预滤波步骤有效减少了假阳性并提高了检测精度。该混合方法轻量，适用于计算资源有限的边缘农业物联网设备。