Aplicações de Inteligência Artificial em Dispositivos Embarcados para Monitoramento Térmico de Vacinas

Abstract

Este estudo propõe-se a investigar a implementação de sistemas de inteligência artificial (IA) em microcontroladores ESP32, focando na adaptação de modelos previamente desenvolvidos em ambiente computacional por alunos do CTJ-UFSC e proposição de novos modelos. O principal desafio reside na transferência de funcionalidades desses modelos para um contexto de hardware embarcado, caracterizado por restrições significativas de memória e capacidade de processamento em comparação com sistemas computacionais convencionais. A relevância desta abordagem está na ampla aplicabilidade prática dos microcontroladores, especialmente em soluções de monitoramento térmico de vacinas, mesmo frente às limitações técnicas. A metodologia envolveu a seleção dos modelos com resultados promissores, seguidos pela conversão dos algoritmos utilizando bibliotecas específicas, como TinyML e emlearn, para sua integração ao ESP32. Os resultados apontaram que, apesar de uma leve redução no desempenho em relação aos modelos originais, a execução em microcontroladores apresentou eficiência satisfatória, comprovando a viabilidade do uso de IA em sistemas embarcados. Este estudo contribui para a compreensão e o desenvolvimento de soluções inteligentes voltadas para dispositivos de recursos limitados, promovendo avanços no campo da internet das coisas e em aplicações críticas como a gestão da cadeia de frio para vacinas.

This study aims to investigate the implementation of artificial intelligence (AI) systems on ESP32 microcontrollers, focusing on adapting models previously developed in a computational environment by CTJ-UFSC students and proposing new models. The main challenge lies in transferring the functionality of these models to an embedded hardware context, which is characterized by significant memory and processing capacity constraints compared to conventional computational systems. The relevance of this approach is rooted in the broad practical applicability of microcontrollers, particularly for thermal monitoring solutions for vaccines, despite technical limitations. The methodology involved selecting the most promising models, followed by converting the algorithms using specific libraries such as TinyML and emlearn to integrate them into the ESP32. The results showed that, despite a slight reduction in performance compared to the original models, execution on microcontrollers demonstrated satisfactory efficiency, confirming the feasibility of using AI in embedded systems. This study contributes to the understanding and development of intelligent solutions for resource-limited devices, driving progress in the field of the Internet of Things and critical applications such as cold chain management for vaccines.