Библиографическое описание:Архитектура системы мониторинга на базе технологии «умной пыли» : доклад, тезисы доклада / П. К. Зайцев. - [Б. м. : б. и.], 2026. - Текст : непосредственный // Российская наука, инновации, образование (РОСНИО-V-2026) : сборник научных статей по материалам V Всероссийской (национальной) научной конференции. - Красноярск, 2026. - С. 196-205. - ISBN 9785605323556, DOI 10.47813/rosnio.5.2026.19.2021.
Аннотация:Рассматривается проблема мониторинга атмосферного воздуха в условиях открытых горных работ. Предложена гетерогенная архитектура системы на базе технологии «умной пыли», включающая уровни диспергирования, сенсорных узлов, сбора/ретрансляции и обработки. Сенсорная сеть состоит из активных измерительных устройств с двухэтапным жизненным циклом (аэрозольное зондирование и пост-аэрозольный стационарный мониторинг) и пассивных меток-трекеров для контроля границ распространения. Для доставки сенсоров используются центробежные установки (массовое покрытие) и БПЛА (адресная доставка). Сбор данных обеспечивают стационарные, мобильные (на горной технике) и БПЛА-ретрансляторы. Верхний уровень интегрирован с цифровым двойником карьера, использует пространственную интерполяцию и машинное обучение для прогнозирования. Архитектура повышает информационную надёжность за счёт избыточности и репликации данных.
This paper examines the problem of atmospheric air monitoring in open-pit mining. A heterogeneous system architecture based on "smart dust" technology is proposed, including dispersion, sensor nodes, collection/relay, and processing layers. The sensor network consists of active measuring devices with a two-stage life cycle (aerosol sensing and post-aerosol stationary monitoring) and passive tracker tags to monitor distribution boundaries. Centrifugal units (mass coverage) and UAVs (targeted delivery) are used for sensor delivery. Data collection is provided by stationary, mobile (on mining equipment), and UAV repeaters. The upper layer is integrated with the open-pit mine digital twin and uses spatial interpolation and machine learning for forecasting. The architecture improves information reliability through data redundancy and replication.
