Skip to content

README.md

Latest commit

 

History

History
179 lines (130 loc) · 5.14 KB

README.md

File metadata and controls

179 lines (130 loc) · 5.14 KB
Raw

RipeRadar: Sistema de Monitorização Inteligente da Maturação de Frutas

📋 Visão Geral

RipeRadar é um sistema de IoT integrado para monitorização em tempo real da maturação de frutas, combinando sensores biométricos de baixa potência (BLE) com visão computacional. Este projeto académico demonstra a aplicação de Machine Learning em cenários edge computing, avaliando o impacto de diferentes arquiteturas de processamento no consumo energético de dispositivos.

Objetivo Principal

Desenvolver uma solução para classificação automática do estado de maturação de frutas utilizando:

  • Sensores ambientais (temperatura, humidade, pressão, VOC)
  • Visão computacional (classificação visual da fruta)
  • Comunicação BLE + MQTT para transmissão de dados
  • Análise comparativa de pipelines de processamento

Arquitetura do Sistema

Componentes de Hardware

Componente Modelo Função
Sensor Principal NICLA Sense ME Coleta ambiental (T, H, P, VOC) via BLE
Câmara/Visão Arduino Nano 33 Captura e classificação visual
Gateway Raspberry Pi Bridge BLE-MQTT, orquestração
Broker MQTT HiveMQ Cloud Comunicação remota, armazenamento

Fluxo de Dados

[NICLA Sense ME] ─BLE─> [Gateway PC/RPi] ─MQTT─> [HiveMQ Cloud]
[Arduino + Câmara] ─┘                               ↓
                                              [Backend/Análise]

Cenários Experimentais Avaliados

  1. Repouso (Idle): Baseline de consumo energético
  2. Inferência Local: Processamento sem envio MQTT
  3. Pipeline Completa: Coleta, processamento e transmissão MQTT

Estrutura do Projeto

RipeRadar/
├── arduino-scripts/           # Código para dispositivos
│   ├── nano_ble33_sense_camera.ino
│   ├── nicla_sense_me.ino
│   └── UNOr4Wifi.ino
├── scripts/                   # Python - orquestração e análise
│   ├── gateway_mqtt.py       # Gateway BLE-MQTT
│   └── config.yaml           # Configuração centralizada
├── data/                      # Dados experimentais
│   ├── raw/                  # Dados brutos capturados
│   │   ├── idle.csv
│   │   ├── sem_mqtt.csv
│   │   └── com_mqtt.csv
├── env/                       # Ambiente de execução
│   ├── requirements.txt
└── LICENSE

Instalação e Configuração

Pré-requisitos

  • Python 3.8+
  • Broker MQTT (HiveMQ Cloud ou local)
  • Dispositivos Arduino/NICLA Sense ME
  • Bibliotecas BLE e MQTT

Utilização

1. Gateway MQTT

python scripts/gateway_mqtt.py
  • Liga-se aos sensores BLE
  • Transmite dados para broker MQTT

4. Análise de Consumo Energético

python scripts/analisar_consumo.py
  • Comparação entre os três cenários
  • Gráficos de consumo (idle, sem MQTT, com MQTT)
  • Estatísticas de desempenho

Dados e Resultados

Ficheiros de Dados Disponíveis

Ficheiro Descrição Registos
data/raw/idle.csv Baseline sem processamento ~1000
data/raw/sem_mqtt.csv Inferência local ~1000
data/raw/com_mqtt.csv Pipeline MQTT completa ~1000

Métricas Avaliadas

  • Consumo de energia: mW, mAh, duração de bateria
  • Latência: Tempo de captura → transmissão
  • Precisão: Classificação de maturação
  • Disponibilidade: Taxa de uptime/conexão

Tecnologias Utilizadas

Software & Bibliotecas

  • Python 3.8+

    • bleak - BLE client
    • paho-mqtt - Cliente MQTT
    • pandas, numpy - Análise de dados
    • scikit-learn - ML/classificação
    • matplotlib, seaborn - Visualização

  • Infraestrutura

    • HiveMQ Cloud (broker MQTT)
    • Docker (containerização)
    • Conda/pip (gestão de dependências)

Visualizações Disponíveis

Análise em data/raw/:

gerar_boxplot.py

Cria boxplots de consumo por cenário

Cenário              | Min   | Q1    | Mediana | Q3    | Max
Repouso (Idle)      | 85mW  | 95mW  | 100mW   | 105mW | 115mW
Inferência (Sem)    | 200mW | 220mW | 240mW   | 260mW | 280mW
Pipeline (Com)      | 320mW | 350mW | 380mW   | 410mW | 450mW

gerar_energia_acumulada.py

Visualiza energia acumulada ao longo do tempo

gerar_perfil_temporal.py

Análise temporal de padrões de consumo

Autores e Contribuições

Autores: Eduarda Pereira, Gonçalo Ferreira, Gonçalo Magalhães
Instituição: Universidade do Minho
Ano Letivo: 2025-2026 UC: Internet das Coisas Aplicada

Licença

Este projeto está licenciado sob a Licença MIT. Veja LICENSE para detalhes.

Referências e Recursos

Documentação Oficial

Papers Relacionados

  • IoT em monitorização agrícola
  • Edge computing e consumo energético
  • Classificação de frutas com visão computacional