در این مقاله ساخت سیستم نظارت بر آلاینده‌های کارخانه‌ای با استفاده از اینترنت اشیاء، یادگیری ماشین و فناوری پلاسما طراحی و پیاده‌سازی شده است. هدف این سیستم، کاهش آلودگی و جذب ذرات خطرناک است. برای این منظور، از برد الکترونیکی ESP32 همراه با سنسورهای تشخیص دما و رطوب (DHT22)، دی اکسید کربن (MG812-CO2) و دی اکسید گوگرد (MQ136-SO2) استفاده شده که داده‌ها را جمع‌آوری و از طریق اینترنت اشیاء به سرور منتقل می‌کند. داده‌ها در گوگل شیت ذخیره و پس از پیش‌پردازش برای مدل‌سازی آماده می‌شوند. سپس از یک شبکه خودرمزگذار (Autoencoder) استفاده شده است که به دلیل توانایی بالای این شبکه در کاهش ابعاد و حذف نویز، داده‌ها را با کمترین خطا بازسازی می‌کند. اتوانکدر ویژگی‌های کلیدی داده‌ها را استخراج و داده‌های اضافی را حذف می کند تا سطح پلاسمای لازم برای یونیزه‌سازی و در نتیجه کاهش آلودگی بهینه گردد. نتایج نشان می دهد که این سیستم نسبت به روش‌های سنتی مانند الکتروفیلترها، در کاهش آلودگی و مصرف انرژی عملکرد بهتری دارد. همچنین بهره‌وری بالا و کاهش هزینه‌ها از مزایای این رویکرد بوده و انتظار می‌رود به راه‌حلی مؤثر برای حفاظت از محیط زیست منجر شود.