Sistema de bajo coste y bajo consumo basado en IA de monitorización de alimentos para IOT

Abstract

El Trabajo Fin de Máster (TFM) se centra en el diseño e implementación de un sistema basado en Inteligencia Artificial (IA) para monitorizar alimentos. Utilizando la plataforma stm32h747i-disco y la herramienta FP-AI-VISION1, se desarrolla una red neuronal para la detección y clasificación de alimentos. Los datos recopilados, como el tipo de alimento y su porcentaje de acierto, son transmitidos a través de una comunicación UART entre el stm32h747i-disco y una placa basada en Arduino. Como red se usará FD-MobileNET que es una variante eficiente en términos de recursos y especialmente diseñada para dispositivos móviles y aplicaciones de borde (edge computing) del modelo de red neuronal convolucional MobileNET. MobileNET es una arquitectura diseñada por Google que es liviana y eficiente en cuanto a recursos, destinada a ser usada en sistemas embebidos. Posteriormente, la información es retransmitida desde Arduino a un módulo NodeMCU (basado en ESP8266), y de allí, se envía a la plataforma ThingSpeak, una herramienta de IoT en la nube integrada con MATLAB. Esta plataforma permite visualizar, analizar y actuar sobre los datos recogidos en tiempo real. La comunicación entre los dispositivos se realiza mediante distintos protocolos y adaptaciones de niveles de voltaje para garantizar compatibilidad. En la implementación, se emplean una serie de bibliotecas y configuraciones específicas para facilitar la comunicación y el tratamiento de datos. Además, se aborda la gestión de memoria y recursos en el stm32h747i-disco y se visualiza el consumo de recursos usando STM32CubeMXThe Master's Thesis (TFM) focuses on the design and implementation of a system based on Artificial Intelligence (AI) to monitor food. Using the stm32h747i disco platform and the FP AI VISION1 tool, a neural network is developed for food detection and classification. T he collected data, such as the type of food and its percentage, are transmitted through a UART communication between the stm32h747i disco and an Arduino. FD-MobileNET will be used as the network, which is a resource efficient variant specially designed fo r mobile devices and edge computing applications of the MobileNET convolutional neural network model. MobileNET is an architecture designed by Google that is lightweight and resource efficient, intended for use in embedded systems. Subsequently, the infomation is relayed from Arduino to a NodeMCU module (based on ESP8266), and from there, it is sent to the ThingSpeak platform, a cloud IoT tool integrated with MATLAB. This platform allows you to view, analyze and act on the data collected in real time. Com munication between devices is carried out using different protocols and voltage level adaptations to guarantee compatibility. In the implementation, a series of specific libraries and configurations are used to facilitate communication and data processing . Additionally, memory and resource management on the stm32h747i disk is addressed and resource consumption is visualized using STM32CubeMX.