|
Abstract:
|
O presente trabalho apresenta o desenvolvimento de um sistema de rastreamento solar
em tempo real utilizando técnicas de Tiny Machine Learning (TinyML) embarcadas
no microcontrolador ESP32S3. O sistema utiliza quatro sensores LDRs distribuídos em
quadrantes para estimar a direção de maior luminosidade, enquanto um modelo neural
leve, treinado externamente e convertido para TensorFlow Lite Micro, é embarcado no
firmware para inferir os ângulos ideais de azimute e elevação do painel. Toda a lógica
de controle foi implementada em C++ no ambiente PlatformIO, incluindo normalização
dos dados, execução da inferência, suavização digital por filtro exponencial e acionamento
de servomotores MG995. O protótipo físico, composto por estrutura impressa em 3D,
servos de alto torque e encoder incremental, foi validado experimentalmente por meio de
registros em vídeo, demonstrando estabilidade, suavidade e comportamento superior ao
método tradicional baseado exclusivamente em diferenças de LDRs. Os resultados obtidos
evidenciam a viabilidade do uso de TinyML em sistemas embarcados de baixo custo, bem
como seu potencial para substituir mecanismos de controle determinístico tradicional em
aplicações de rastreamento solar. |
