talab-ai/pi5-agricultural-iot-32day

该数据集包含从越南Biên Hòa, Đồng Nai的一个农业农场部署的Raspberry Pi 5（8 GB）作为边缘计算节点收集的9,409条系统性能记录。设备管理了10个同步IP摄像头流，通过FFmpeg进行实时RTSP→RTMP转码，由10个独立的systemd服务协调。数据在32天内（23/03/2026 – 25/04/2026）以5分钟间隔连续收集，无间断。每条记录包含18个系统级指标，涵盖CPU、内存、温度、网络和磁盘性能。关键发现包括：Pi 5使用FFmpeg `-c:v copy`直通策略维持10通道直播，平均CPU使用率仅为4.23%；整个32天期间零重启、零交换使用、零热节流事件；核心温度与环境温度条件（与网络吞吐量的相关性r≈0.65）强相关，而非CPU负载；ISP可靠性为97.5%（零丢包），平均延迟53毫秒，适合连续直播。所有敏感信息（摄像头IP、凭证、RTMP流密钥、序列号）在公开发布前已匿名化。

This dataset contains 9,409 system performance records collected from a Raspberry Pi 5 (8 GB) deployed as an edge computing node at an agricultural farm in Biên Hòa, Đồng Nai, Vietnam. The device managed 10 simultaneous IP camera streams, performing real-time RTSP→RTMP transcoding via FFmpeg, orchestrated by 10 independent systemd services. Data was collected continuously for 32 days (23/03/2026 – 25/04/2026) at 5-minute intervals with no gaps. Each record contains 18 system-level metrics covering CPU, memory, thermal, network, and disk performance. Key findings include: Pi 5 sustained 10-channel live streaming at mean CPU usage of only 4.23% using FFmpeg `-c:v copy` passthrough strategy; zero reboots, zero swap usage, zero thermal throttling events across the entire 32-day period; core temperature strongly correlated with ambient thermal conditions (r ≈ 0.65 with network throughput), not CPU load; ISP reliability of 97.5% (zero packet loss) with mean latency of 53 ms — sufficient for continuous live streaming. All sensitive information (camera IPs, credentials, RTMP stream keys, serial numbers) has been anonymized before public release.

搜集汇总

数据集介绍

构建方式

该数据集源自一台部署于越南同奈省边和市农业现场的树莓派5（8GB内存）边缘计算节点，历时32天连续采集，共计9,409条系统性能记录。设备通过10个独立的systemd服务并发管理10路IP摄像头的RTSP至RTMP实时转码任务，采用FFmpeg的`-c:v copy`透传策略，数据以5分钟为间隔通过自定义`logger.sh`脚本经由cron调度记录，最终汇聚为包含18项系统指标的CSV文件，并附有完整的采集日志与服务配置脚本。

特点

数据集展现了树莓派5在热带农业环境中持续高强度视频流处理时的卓越稳定性：平均CPU占用率仅4.23%，全程无重启、无交换分区使用、无热节流事件，核心温度介于35.3°C至63.4°C之间，与网络吞吐量呈现强相关（r≈0.65）。网络层面，ISP可靠性高达97.5%，平均延迟53毫秒，零丢包时段占比97.5%。数据质量经严格验证，时间序列连续无间断，所有物理量均在硬件安全阈值内。所有敏感信息（IP地址、凭据、序列号等）均已匿名化处理。

使用方法

用户可便捷通过Python的pandas库加载数据进行时间序列分析，例如利用`df = pd.read_csv('pi5_metrics_research.csv', parse_dates=['Time'])`读取数据并设置时间索引，进行描述性统计或过滤稳定网络时段（`df[df['Net_Loss_%'] == 0]`）。数据支持热建模（如按小时聚合温度均值）、异常检测（训练Isolation Forest或LSTM自编码器）、边缘计算基准对比及农村IoT网络可靠性分析等研究。R语言用户亦可通过`read_csv`与`cor`函数快速获取统计摘要与变量相关性矩阵。

背景与挑战

背景概述

在边缘计算与农业物联网深度融合的背景下，2026年由越南雒鸿大学的Nguyễn Minh Sơn、Phan Thị Hường和Trần Văn Hội团队创建的Pi5 Agricultural IoT — 32-Day Continuous Performance Dataset，填补了树莓派5在高强度、长时间视频流处理场景下系统性能数据的空白。该数据集围绕一个位于越南同奈省边和市农场的边缘计算节点，记录了32天内同时处理10路IP摄像头实时RTSP到RTMP转码任务的系统行为，涵盖CPU、内存、热学、网络和磁盘等18项关键指标。其发布为嵌入式平台在真实农业环境中的持续可靠性评估提供了宝贵基线，推动了边缘AI和物联网系统弹性设计的研究。

当前挑战

该数据集应对的领域挑战在于，现有物联网系统性能基准多基于短时或理想环境测试，缺乏对边缘设备在热带气候下连续高负载运行时的热稳定性、网络可靠性和资源利用率的系统性量化。构建过程中，团队需克服复杂农场环境下多路视频流同步采集、设备无重启运行保障以及敏感数据脱敏的难题，确保日志在5分钟采样间隔下无缺失，并验证了97.5%的ISP无丢包率与零热节流事件的长期稳定性。这些成果为异常检测、热模型构建及农村网络质量分析提供了可靠数据基础。

常用场景

经典使用场景

在边缘计算与物联网交叉领域，pi5-agricultural-iot-32day数据集为评估树莓派5在农业环境中的实时视频流处理能力提供了基准实测数据。其最经典的使用场景是作为多通道视频转码边缘节点的长期性能验证基准，研究者可基于此数据集对比不同单板计算机（如Jetson Nano、Rock 5B）在相似负载下的能效比与稳定性，或用于构建热带气候条件下的设备热力学预测模型，通过温度与网络吞吐量的强相关性（r≈0.65）训练回归算法。

衍生相关工作

该数据集已衍生出多项代表性工作。在边缘AI领域，研究者基于其零交换区使用的特性，验证了轻量级推理模型在树莓派5上持续运行的可行性；在能源感知计算方向，有人利用CPU频率在1500-2400MHz间的跳变序列，构建了动态电压频率调整（DVFS）策略的强化学习环境。热管理方面，温度与网络吞吐量的相关性被进一步建模为GARCH时间序列，用以预测热节流触发时刻。另有一项工作专门聚焦于该数据集中218次100%丢包事件，将其作为互联网故障诊断实验的基准负样本，训练因果推断模型区分路由黑洞与上游故障。这些研究共同推动农业物联网从经验部署走向数据驱动的量化分析时代。

数据集最近研究

最新研究方向

当前，随着智慧农业与边缘计算的深度融合，单板计算机（SBC）在极端热带气候下的长期运行稳定性成为研究焦点。该数据集基于树莓派5在越南农场连续32天无间断运行的真实场景，记录了10路RTSP转RTMP实时视频流处理下的18项系统级指标，为边缘计算基准测试、热带气候热建模、无监督异常检测以及农村物联网网络可靠性分析提供了珍贵的多变量时间序列样本。特别是其揭示的CPU使用率均值仅4.23%、零重启与零热节流现象，有力挑战了以往对低成本边缘节点在高负载下的性能认知，为下一代耐候性农业物联网架构设计奠定了实证基础。