Titulo Estágio
Retrofitting Inteligente de Dispensadores de Garrafas de Gás
Local do Estágio
Instituto Pedro Nunes, Coimbra (Laboratório de Informática e Sistemas)
Enquadramento
O Instituto Pedro Nunes (IPN) está envolvido num projeto cofinanciado que visa modernizar a gestão e utilização de dispensadores de gás, através do desenvolvimento de dispensadores inteligentes e da atualização de unidades existentes (retrofitting). Este estágio centra-se no retrofitting de dispensadores mais antigos com múltiplos sensores e uma câmara para recolher dados que permitam monitorizar a atividade, como trocas de garrafas de gás. O foco principal é o desenvolvimento de uma solução para a recolha de dados, a anotação automática destes dados utilizando imagens da câmara, e o treino inicial de modelos de machine learning para detetar eventos. Dada a incerteza sobre quais sensores serão mais eficazes, o estagiário irá implementar um sistema que integre diversos sensores (e.g., vibração, temperatura) e uma câmara, criando uma pipeline de dados que sincronize e prepare os dados para análise. O firmware para microcontroladores será desenvolvido como uma tecnologia de suporte, otimizada para baixo consumo energético, assegurando a recolha eficiente de dados em dispensadores alimentados por bateria. Este trabalho será essencial para futuras aplicações de inteligência artificial.
Objetivo
O objetivo principal deste estágio é desenvolver uma solução para a recolha, anotação automática e preparação de dados de sensores e uma câmara instalados em dispensadores de gás retrofitted, bem como treinar modelos iniciais de machine learning para detetar eventos. O estagiário será responsável por:
- Desenvolver firmware otimizado para microcontroladores que permita a recolha eficiente de dados de múltiplos sensores, considerando o consumo energético (microcontrolador Nordic).
- Implementar uma pipeline de dados que integre e sincronize dados de sensores e da câmara apontada ao dispensador.
- Desenvolver métodos de anotação automática dos dados dos sensores utilizando técnicas de visão computacional (e.g., deteção de trocas de garrafas) aplicadas às imagens da câmara.
- Preparar um dataset anotado para treino de modelos de machine learning.
- Treinar e avaliar modelos iniciais de machine learning para identificar eventos ou padrões com base nos dados recolhidos.
- Documentar o processo, incluindo desafios como sincronização de dados e qualidade, e soluções implementadas.
Plano de Trabalhos - Semestre 1
Durante o 1º semestre, o projeto será composto pelas seguintes fases de desenvolvimento:
F1 – Análise do estado da arte (20% do semestre): Investigação de microcontroladores, sensores aplicáveis a dispensadores, protocolos de comunicação IoT de baixo consumo (BLE, GSM), técnicas de poupança de energia, baterias de longa duração e arquiteturas de APIs para recolha de dados.
F2 – Levantamento de requisitos (20% do semestre): Definição detalhada dos requisitos funcionais e técnicos para o firmware (interfaces com sensores, formatos de dados, lógica de comunicação, requisitos de consumo energético) e para a API de recolha de dados (endpoints, estruturas de dados, mecanismos de segurança).
F3 – Desenho da Arquitetura e Protótipo Inicial (50% do semestre): Concepção da arquitetura do firmware e da API, com ênfase na eficiência energética. Desenvolvimento de um protótipo inicial do firmware para interagir com um conjunto limitado de sensores e um endpoint básico da API para testes de comunicação e avaliação de consumo.
F4 – Relatório intermédio (10 %)
Elaboração e entrega do relatório intermédio.
Plano de Trabalhos - Semestre 2
Durante o 2º semestre, o projeto será composto pelas seguintes fases de desenvolvimento:
F5 – Implementação e Desenvolvimento (60% do semestre): Desenvolvimento completo do firmware otimizado para os microcontroladores, incluindo a integração com todos os sensores definidos e a lógica de comunicação energeticamente eficiente. Implementação integral da API de recolha de dados e da comunicação com o serviço externo.
F6 – Testes e Validação (25% do semestre): Realização de testes unitários e integrados do firmware no hardware alvo, incluindo testes de consumo energético. Testes de funcionalidade, performance e segurança da API. Validação do processo de recolha de dados de múltiplos dispositivos, no contexto da preparação para o piloto do projeto.
F7 – Documentação e Relatório (15% do semestre): Elaboração da documentação técnica detalhada do firmware desenvolvido (incluindo aspetos de otimização energética), da API e do processo de recolha de dados. Preparação e entrega do relatório final de estágio.
Condições
Este trabalho será integrado num projeto de investigação cofinanciado, sendo que o aluno poderá candidatar-se a uma bolsa de investigação para licenciado no âmbito deste projeto, nos termos da legislação aplicável e regulamentos do IPN. O valor da bolsa é de 1040,98€, em linha com a tabela de bolsas de investigação da FCT.
Observações
Áreas de especialidade:
• Sistemas Embebidos
• Desenvolvimento de Firmware
• Internet das Coisas (IoT)
• Comunicações IoT de Baixo Consumo (BLE, GSM)
• Gestão de Energia em Dispositivos Eletrónicos
• Desenvolvimento de APIs
• Comunicação de Dados
Orientador
Alcides Manuel de Almeida Marques
alcides.marques@ipn.pt 📩