arXiv cs.AI· Mohammad Kazemi, Julie A. McCann·· 13 小时前AI 评分26
TERRA：面向区域火灾检测的任务导向边缘 AI，支持无身份标识上报
TERRA: Task-Oriented Edge AI for Regional Fire Detection with Identity-Free Reporting
AI 导读
TERRA 是一个面向区域火灾检测的边缘 AI 框架，结合任务导向本地推理、无身份标识的区域标签上报与置换不变的区域证据聚合，提供 TERRA-Score 和 TERRA-Feature 两种上报模式。
正文 · AI 翻译
摘要：分布式火灾监测系统可能涉及许多传感设备通过共享上行链路进行报告，尽管其运行目标通常是识别出现火灾证据的区域，而不是恢复设备特定的测量值。我们提出 TERRA（任务导向边缘表示与区域聚合），这是一个边缘 AI 框架，结合了任务导向的本地推理、无身份标识的区域标记报告以及置换不变的区域证据聚合。TERRA 支持两种报告模式：TERRA-Score，其中每个设备传输量化的本地火灾概率；以及 TERRA-Feature，其中每个设备传输紧凑的学习表示，供接收端使用置换不变的 DeepSets 模型进行聚合。使用分布式室内 EN54 火灾报警数据集的全部 15 种数值传感模态作为概念验证测试平台，我们在重复不相交的三折交叉验证下评估针对事件级火灾场景目标的区域推理。我们研究了表示大小、任务载荷量化、报告可用性以及对丢失和虚假恢复消息的鲁棒性。在九份报告和完美消息恢复的情况下，TERRA-Feature 使用 24 位任务载荷实现平均 AUPRC 0.990，而 TERRA-Score 仅使用 6 位即实现 0.987；两者在 FAR $\leq$1% 时均达到 1.81% 的 MDR。在可靠恢复下，TERRA-Feature 实现略高的 AUPRC，而更紧凑的 TERRA-Score 对不断增加的虚假消息污染较不敏感。
| 评论： | 已被第 16 届国际物联网会议（IoT 2026）接收发表 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；信号处理（eess.SP） |
| 引用为： | arXiv:2610.37909 [cs.LG] |
| （或 arXiv:2610.37909v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37909 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Mohammad Kazemi [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 19:46:43 UTC（1,566 KB）
来源：arXiv cs.AI · arxiv.org