Implementando modelos de ML no ESP32, usando a IDE do Arduino
Uma prova de conceito para testar a utilização de modelos de ML em microcontroladores Os modelos são criados em Python com o pacote scikit-learn e os coeficientes copiados no código C do microcontrolador
Segui o seguinte roteiro, utilizando o dataset Rocks vs Mines disponível em csv
- Criação de modelos de classificação (Regressão Logística, SVM e Redes Neurais). Verifique os notebooks
- Os modelos foram refinados para atender as expectativas de funcionamento com base no dataset Rocks vs Mines. Eliminados os falsos positivos
- Em seguida criei um algoritmo "from scratch" para comparar com as predições feitas pelo scikit-learn
- Após verificar o funcionamento, os coeficientes foram exportados em um arquivo CSV e colados no código C do Arduino.
- Implementei o algoritmo de predição na linguagem C do Arduino e testei enviando dados através do Monitor Serial. Simplesmente copiando a amostra e colando. (valores separados por vírgula)
A implementação de modelos de inteligência Artificial no ESP32 é plenamente possível e tem bom desempenho, atentando-se às limitações de memória RAM do dispositivo que mostrou-se adequada à datasets < 100 variáveis.
