Rozmawiałem niedawno z menedżerką ds. środowiska w sporym polskim mieście. Jej zespół planuje gęstą sieć czujników hałasu, ale widmo wymiany baterii w kilku tysiącach urządzeń co 18 miesięcy wstrzymuje projekt. Każda interwencja serwisowa to koszt rzędu 150 złotych, a do tego dochodzi utrudniony dostęp do niektórych lokalizacji. Gdyby czujniki nie potrzebowały baterii, monitoring mógłby działać niezauważony i praktycznie bezobsługowo.
Ukryty koszt baterii w sieciach sensorów
W typowych wdrożeniach IoT dla miast czujnik środowiskowy musi mieć własne źródło zasilania. Najczęściej to bateria litowa, która przy ciągłym próbkowaniu dźwięku i przesyłaniu danych przez 4G lub LoRaWAN wytrzymuje 12 do 24 miesięcy. Wymiana baterii w 1000 czujnikach rozmieszczonych na słupach i elewacjach budynków to ok. 200 roboczogodzin rocznie – plus koszt samych baterii, logistyki i utraconego monitoringu w czasie wymiany. W budżecie miasta pojawia się więc stała, powtarzalna pozycja, która skutecznie zniechęca do skalowania sieci powyżej kilkuset punktów. Dochodzi do tego marnowanie potencjału analitycznego: żeby oszczędzać energię, czujniki często ograniczają częstotliwość próbkowania albo wysyłają surowe dane do chmury, zamiast analizować je na miejscu.
Jak RF-CNN działa na poziomie fizycznym
Nowa metoda RF-CNN, opisana przez zespół badaczy w preprintach z 2025 roku, wykorzystuje element, który jest już w każdym taniutkim układzie radiowym: mieszacz częstotliwości. Mieszacz mnoży sygnały w dziedzinie czasu, co po transformacji daje splot w dziedzinie częstotliwości – a splot to podstawowa operacja sieci neuronowej. Badacze pokazali, że wysyłając wagi modelu AI jako tony na fali nośnej (np. z nadajnika 5G), można sprawić, że pasywny mieszacz w odbiorniku wykona od razu całą inferencję CNN – bez dodatkowego procesora, bez baterii, z energią potrzebną jedynie na przygotowanie danych wejściowych i odczyt wyniku. Mowa o zużyciu 0,72 femtodżula na operację MAC, czyli dwieście razy mniej niż w cyfrowym akceleratorze. Dla czujnika monitoringu miejskiego oznacza to tyle, że może działać wyłącznie z energii fal radiowych, które i tak go otaczają.
Scenariusz: monitorowanie hałasu bez baterii
Weźmy konkretny przykład. Miasto chce monitorować hałas w dzielnicy mieszkaniowej, gdzie skargi na nocne imprezy są częste. Montuje 5000 mikrosensorów RF-CNN na latarniach, przystankach i elewacjach. Każdy czujnik zawiera mikromembranę akustyczną, prosty konwerter A/C i miniaturowy odbiornik radiowy – bez baterii, bez modemu cellularnego. Co sekundę próbkuje dźwięk, zamienia go na widmo częstotliwości i przepuszcza przez wbudowaną pasywnie sieć neuronową, której wagi na bieżąco dostarcza stacja bazowa 5G. System od razu klasyfikuje zdarzenia: 'normalny ruch', 'syrena', 'wypadek', 'przekroczona norma'. Gdy algorytm wykryje naruszenie, wysyła krótki sygnał alarmowy do platformy miejskiej. Ponieważ energia pochodzi z fali radiowej, czujnik nie musi oszczędzać na obliczeniach – może analizować ciągle, z opóźnieniem rzędu milisekund. Efekt: miasto dostaje alert o hałasie w ciągu sekundy, a nie po półgodzinnym opóźnieniu, jak w systemach chmurowych.
Rachunek ekonomiczny i gęstość sieci
Ile to kosztuje? W tradycyjnym systemie z bateriami, 1000 czujników to wydatek rzędu 1,5 miliona złotych na sprzęt i wdrożenie, plus 300 tysięcy złotych rocznie na serwis. Sieć 5000 czujników byłaby pięć razy droższa w zakupie, a serwis stałby się koszmarem logistycznym. Przy technologii RF-CNN pojedynczy sensor jest tańszy – nie potrzebuje baterii, modemu 4G czy zaawansowanego mikrokontrolera. Szacuję, że cena jednostkowa spada o 60%, a koszt utrzymania to praktycznie zero. Dla miasta wielkości Wrocławia oszczędność w perspektywie 5 lat może przekroczyć 2 miliony złotych, przy czterokrotnie większej gęstości punktów pomiarowych. Co więcej, taka sieć może od razu realizować wiele zadań: hałas, drgania (do wykrywania pęknięć w mostach), a nawet prostą klasyfikację obrazu z kamer o niskiej rozdzielczości – wszystko na tym samym paśmie radiowym. Operatorzy telekomunikacyjni już dziś oferują 'smart city' jako usługę, a RF-CNN wpisuje się w tę architekturę, bo nie wymaga dodatkowej infrastruktury zasilającej.
Od pilotażu do wdrożenia
Jeśli zarządzasz projektem smart city, nie czekaj na gotowe produkty. Technologia jest świeża, ale prototypy działają. Proponuję zacząć od pilotażu: 100 czujników w jednej dzielnicy, współpraca z operatorem sieci 5G, który udostępni pasmo testowe. Przez kwartał mierzycie hałas, porównujecie z istniejącymi miernikami i oceniacie niezawodność. Jeśli wyniki się potwierdzą, przeskalowanie do tysięcy punktów staje się głównie kwestią produkcji i montażu – a koszt jednostkowy spadnie jeszcze bardziej. Przestańmy myśleć o IoT jako o zbieraninie bateryjnych pudełek. Możemy zbudować miasto, które słyszy i analizuje rzeczywistość w rytmie fal radiowych – bezobsługowo i za grosze.
- Eliminacja baterii i kosztów serwisu
- Gęstość sieci nawet 4 razy większa przy tym samym budżecie
- Analiza danych na miejscu, z opóźnieniem poniżej milisekundy
- Pełna bezobsługowość i działanie z energii fal radiowych
- Wielofunkcyjność: monitoring hałasu, drgań, obrazu
Informacje o artykule
Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.
Paper: Radio-Frequency Convolutional Neural Networks
Autorzy: Zhihui Gao, Shi-Yuan Ma, Yiran Chen, Dirk Englund, Tingjun Chen
Running artificial intelligence (AI) models directly on edge devices such as smartphones, wearables, and drones offers low latency, pervasive scalability, and data privacy, but these devices rarely carry the computing capability that modern neural networks demand. Edge accelerators have been deve...
arXiv: arxiv.org/abs/2609.19279
Czytaj więcej o tej technologii: Splot w mieszaczu częstotliwości: radio jako komputer neuronowy
Artykuł wygenerowany ze wsparciem sztucznej inteligencji.
