Implementation of an Intelligent System for Air Quality Monitoring

Abstract

This work focuses on the design and implementation of an intelligent air quality monitoring system using Arduino and a set of sensors. The system consists of a hardware aspect that includes an Arduino Nano, a power supply, a breadboard, jumper wires, gas sensors (MQ-7, MQ-9, MQ-135), a temperature and humidity sensor (DHT11), an ESP01 unit for Wi-Fi connectivity, and a Micro SD card module for data storage. The software aspect involves the Arduino IDE 2 software, the ThingSpeak platform for data aggregation and analysis, and AI models in Google Colab for air quality prediction. The system provides data on concentrations of various gases, temperature, and humidity, which are transmitted over Wi-Fi to ThingSpeak for visualization and analysis. Subsequently, AI models such as Artificial Neural Networks and others are employed to analyze the data and predict future air quality levels. The performance of different models is evaluated using metrics like Mean Absolute Error, Mean Absolute Percentage Error, and Root Mean Squared Error to determine the best model for air quality prediction.يتناول هذا العمل تصميم وتنفيذ نظام ذكي لرصد جودة الهواء باستخدام أردوينو ومجموعة من أجهزة الاستشعار. يتكون النظام من جانب العتاد الصلب الذي يشمل أردوينو نانو، ومصدر تغذية القدرة، ولوحة الربط، وأسلاك ومستشعر درجة الحرارة والرطوبة ،)MQ-135 ،MQ-9 ،MQ- التوصيل، وأجهزة استشعار الغازات ) 7 الصغيرة لتخزين البيانات. أما الجانب البرمجي SD ووحدة بطاقة ،Wi-Fi لاتصال ESP ووحدة 01 ،)DHT11( لجمع وتحليل البيانات، ونماذج الذكاء الاصطناعي في ThingSpeak ومنصة ،IDE فيتضمن برنامج أردوينو 2 للتنبؤ بجودة الهواء. يوفر النظام بيانات حول تركيزات الغازات المختلفة ودرجات الحرارة Google Colab لعرضها وتحليلها. بعد ذلك، تُستخدم نماذج ThingSpeak إلى Wi-Fi والرطوبة، ويتم إرسال هذه البيانات عبر الذكاء الاصطناعي مثل الشبكات العصبية الاصطناعية وغيرها لتحليل البيانات والتنبؤ بمستويات جودة الهواء المستقبلية. يتم تقييم أداء النماذج المختلفة باستخدام مقاييس مثل متوسط الخطأ المطلق والخطأ النسبي المطلق والجذر التربيعي لمتوسط مربعات الخطأ لتحديد أفضل نموذج للتنبؤ بجودة الهواء.