Classificação Embarcada de Imagens de Observação da Terra em Microcontrolador de Baixo Custo para Apoio à Decisão de Downlink em Nanosatélites

Abstract

Nanosatélites de observação da Terra geram volumes de imagens que superam a capacidade de transmissão disponível em links de downlink UHF, tornando a triagem automática de dados a bordo uma necessidade operacional. Este trabalho propõe, implementa e valida um sistema de classificação embarcada de imagens de observação da Terra executável em microcontrolador de baixo custo, com o objetivo de apoiar a decisão automática de transmitir ou descartar imagens antes do downlink. O sistema é construído sobre o microcontrolador de baixo custo ESP32-S3-WROOM-1-N16R8, equipado com memória PSRAM expandida, rodando o modelo cnn_v2_64 quantizado em INT8 via TensorFlow Lite for Microcontrollers. O modelo classifica imagens de 64×64 pixels RGB em quatro classes de cena — terra, oceano, nuvem e mista — treinadas a partir de dados públicos EuroSAT e CloudSEN12. A avaliação em hardware real sobre 492 amostras do conjunto de teste observou acurácia balanceada de 82,1% com zero degradação pós-quantização INT8, latência de inferência de 6,1 s (arena TFLM de 551 KB em PSRAM) e jitter de 1 ms em 492 execuções consecutivas, indicando comportamento determinístico. A política de decisão S3 Dual Threshold (descartar somente se pred = nuvem, confiança ≥ 0,40 e P(nuvem) ≥ 0,40) é fundamentada em teoria de decisão custo-assimétrica e alcança Recall de 90,5% com 21,7% de imagens descartadas. A análise energética estima 8 J por inferência (±30%) e distingue o descarte total observado (21,7%) do subconjunto conservador de nuvens corretamente filtradas (14,6%), indicando saldo positivo a 4.800 bps e resultado dependente dessa leitura a 9.600 bps. O sistema é validado de forma desacoplada do hardware de imageamento real (SLCam/SpaceLab/UFSC) por meio de protocolo serial de validação em laboratório, com adaptador host em Python processando 492 amostras sem erros. Os resultados demonstram a viabilidade da abordagem em contexto de prova de conceito, utilizando imagens de datasets públicos como representação do domínio de observação da Terra.