Key points are not available for this paper at this time.
सेंसर डेटा की गुणवत्ता पर्यावरण डेटा संग्रह के लिए IoT उपकरणों को अपनाने में एक मौलिक भूमिका निभाती है। तैनाती की प्रकृति के कारण, अर्थात्, जंगली में और कठोर वातावरण में, और सस्ते घटकों की सीमाओं के साथ, सेंसर काम करने में विफलता के प्रति संवेदनशील होते हैं। दोषों का एक महत्वपूर्ण हिस्सा सेंसर की संवेदनशीलता घटकों में उतार-चढ़ाव और गंभीर दोषों के कारण होता है, जो गंभीर डेटा असमानताओं का कारण बनता है। हालांकि, केवल सेंसर डेटा का विश्लेषण करके दोषों का पता लगाना चुनौतीपूर्ण है क्योंकि एक दोषपूर्ण सेंसर डेटा गैर-दोषपूर्ण डेटा की नकल कर सकता है और एक असाधारण सेंसर रीडिंग जरूरी नहीं कि दोषपूर्ण डेटा का प्रतिनिधित्व करे। मौजूदा डेटा-केंद्रित दृष्टिकोण ऐसे दोषों का पता लगाने के लिए अतिरिक्त संदर्भ जानकारी या सेंसर अतिव्याप्ति पर निर्भर करते हैं। यह पेपर दोषों और उतार-चढ़ाव का पता लगाने के लिए एक प्रणालीबद्ध दृष्टिकोण प्रस्तुत करता है, जिसमें CurrentSense नामक एक अद्वितीय सेंसर फिंगरप्रिंट तैयार किया गया है। CurrentSense सेंसर में हार्डवेयर घटकों की विद्युत विशेषताओं को कैप्चर करता है, जिसमें कार्य करते हुए, उतरे हुए और दोषपूर्ण सेंसर के अद्वितीय फिंगरप्रिंट होते हैं। इस फिंगरप्रिंट का उपयोग सेंसर के स्वास्थ्य का निर्धारण करने और उतार-चढ़ाव की भरपाई करने या संदर्भ जानकारी के बिना गंभीर दोषों का निदान करने के लिए किया जाता है। CurrentSense दृष्टिकोण गैर-हानिकारक है, और इसे पर्यावरण सेंसर की एक विस्तृत श्रृंखला पर लागू किया जा सकता है। हम प्रदूषण सेंसर की मदद से प्रस्तावित दृष्टिकोण का प्रदर्शन करते हैं। हम 8 महीनों की अवधि में कई शहरों में 51 सेंसर के साथ नियंत्रित सेटअप और वास्तविक दुनिया की तैनाती में व्यापक मूल्यांकन करते हैं। हमारा दृष्टिकोण मौजूदा असामान्य पहचानकर्ताओं को पीछे छोड़ता है और 98% के F1 स्कोर के साथ दोषों का पता लगाने और अलग करने में सक्षम है और 86% की दर से सेंसर उतार-चढ़ाव की त्रुटियों की भरपाई कर सकता है।
माराथे एट अल. (मंगल,) ने इस प्रश्न का अध्ययन किया।