EKTOS transforms indoor climate quality with TinyML cleaning process detection.

EKTOS transforms indoor climate quality with TinyML cleaning process detection.

The quality of indoor climate plays a significant role in human health and comfort. Poor air quality can lead to respiratory diseases, allergies, and other health problems. Therefore, it is essential to monitor and improve indoor air quality. One way to do this is by detecting the cleaning processes that take place in indoor environments. In recent years, TinyML detection has emerged as a promising technology for detecting cleaning processes in indoor environments.

TinyML detection refers to the process of using machine learning algorithms on low-power, small-sized devices called microcontrollers. These algorithms can be used for detecting and analyzing specific activities or events, such as cleaning processes in an indoor environment.

Nevertheless, numerous IoT products focus solely on assessing the Relative Humidity and Temperature (RHT) when it comes to indoor climate quality. More advanced products also consider Carbon Dioxide (CO2) and Volatile Organic Compounds (VOC), while the most advanced ones take into account indoor light and smell assessment.

However, the EKTOS team takes it a step further. By utilizing sensor fusion and TinyML data processing models, we delve into deep pattern recognition. This means we analyze factors such as the frequency and quality of premises cleaning, the usage of air fresheners, and even the number of people occupying a room.

EKTOS’ approach is unique and comprehensive, allowing the company to provide a more accurate and detailed assessment of indoor climate quality. With EKTOS, customers’ indoor environment can be thoroughly evaluated and optimized for their comfort and well-being.

EKTOS forbedrer indeklimaet med TinyML

Kvaliteten af indeklimaet er vigtig for menneskers velbefindende og helbred. Dårligt indeklima fører til luftvejssygdomme, allergi og andre lidelser. Det er derfor vigtigt at overvåge og forbedre indeklimaet. Dette kan blandt andet gøres ved at måle på de rengøringsprocesser, der anvendes. På det seneste har TinyML vist sig at være en lovende teknologi til dette.

TinyML-baseret måling anvender machine learning-algoritmer i små, effektlette styringer baseret på mikrocontrollere. Algoritmerne måler og analyserer specifikke de handlinger eller hændelser, som forekommer i rengøringsprocessen.

Rigtigt mange IoT-produkter fokuserer på udelukkende på måling af luftfugtighed og temperatur. Nogle IoT-produkter måler også indholdet af kuldioxid og andre stoffer, og de mere avancerede løsninger ser også på belysningsniveau, lugte, etc.

EKTOS tager et skridt længere end dette. Ved hjælp af kombinerede følerteknologier og TinyML-baserede modeller, udføres mønsterkendelse. Det vil sige, at vi analyserer faktorer såsom hyppighed og kvalitet af rengøringen, brugen af forskellige luftkvalitetsforbedringsmetoder og antallet af person, som benytter et lokale.

EKTOS’ løsning er unik og omfattende og muliggør en mere præcis og detaljeret vurdering af indeklimaet. Med EKTOS kan kundens indeklima fastlægges grundigt og optimeres med højere komfort og velbefindende.

Contact Us