Die AirVisual-Sensoren bieten äußerst zuverlässige PM2,5-Messungen zu einem erschwinglichen Preis, so dass jeder die Möglichkeit hat, die Luft, die er einatmet, besser zu verstehen.

Durch eine Kombination von Technologien liefern die AirVisual-Sensoren zuverlässig eine hohe Korrelation mit staatlichen Beta-Attenuations-Referenzmonitoren. Zu diesen angewandten Technologien gehören:
​

Die AirVisual-Sensoren verwenden einen intern entwickelten, fortschrittlichen Streulichtsensor zur Messung von PM2,5. Lasersensoren sind das genaueste Mittel zur Messung von PM2,5 in einem Verbrauchergerät.

Der Sensor funktioniert, indem ein Laser in eine Messkammer strahlt und das von den mikroskopisch kleinen Partikeln (mit einer Größe von 0,3 bis 10 μm) reflektierte Licht gezählt wird.

Ein gestörter Luftstrom, der nicht genau berücksichtigt wird, ist eine häufige Quelle von Messfehlern bei preiswerten Messgeräten. Die AirVisual Sensoren verwenden einen kleinen Ventilator in der Sensorkammer des Geräts, um einen konstanten, berechneten Luftstrom durch die Messkammer zu gewährleisten.

Bild 1. Vereinfachtes Diagramm der laserbasierten PM2,5-Sensoren von AirVisual

Jeder Monitor wird im Werk sorgfältig getestet und kalibriert. In einer kontrollierten Verschmutzungsumgebung werden die Geräte unterschiedlichen Verschmutzungsgraden ausgesetzt und über ein computergesteuertes System kalibriert. Diese Methode gewährleistet eine hohe Genauigkeit gegenüber Referenzmonitoren und eine geringe Variabilität innerhalb des Modells.

Bild 2. Der AirVisual Pro-Monitor zeigt eine 0,99-prozentige Korrelation mit professionellen Überwachungsgeräten
​

Der Messwert eines Streulicht-Lasersensors unterliegt dem Einfluss von Umweltfaktoren wie Feuchtigkeit, Temperatur und Verschmutzungsgrad.

Eine hohe Luftfeuchtigkeit führt beispielsweise zu einer stärkeren Lichteinstrahlung und lässt die Partikel dichter erscheinen, was zu erhöhten PM2,5-Konzentrationswerten führt.

Um den Einfluss dieser Umwelteinflüsse zu verringern, werden die Messungen mit Hilfe von cloudbasierten Kalibrierungsalgorithmen weiter angepasst, die die Genauigkeit verbessern, indem sie die lokalen Umweltbedingungen berücksichtigen.

Diese Wolkenkalibrierungsmethode wurde intern von unseren Datenwissenschaftlern entwickelt, die mithilfe von maschinellem Lernen meteorologische Daten, die Schadstoffzusammensetzung von Satellitenbildern und aggregierte PM2,5-Messungen sowohl aus staatlichen als auch aus kostengünstigen Quellen analysierten. Durch das Erkennen früherer Datentrends und Korrelationen lernte das System Beziehungen zwischen verschiedenen Umweltparametern und den PM2,5-Messungen des Lasersensors im Vergleich zu Referenzmonitoren. Dabei wurde ein Korrekturalgorithmus entwickelt, der die Genauigkeit der AirVisual-Sensoren in globalen Umgebungen verbessert.

Im Freien installierte AirVisual-Sensoren, die der Öffentlichkeit zugänglich gemacht wurden, werden außerdem mit nahe gelegenen Referenzmonitoren kreuzkalibriert und validiert. Ein Datenpunkt wird nur dann auf der AirVisual Plattform veröffentlicht, wenn er dem allgemeinen Trend der nahe gelegenen Monitore entspricht. Durch die Verarbeitung und das Lernen aus Echtzeit- und historischen Luftqualitätsdatenpunkten kann das System anormale Werte erkennen und diese aus der Veröffentlichung entfernen, bevor es zu einer unangemessenen Fehldarstellung kommt.