IMPLEMENTAÇÃO DE REDES NEURAIS CONVOLUCIONAIS PARA PROCESSAMENTO DE IMAGENS EM TEMPO REAL E CONTROLE DE ROBÔ SEGUIDOR DE LINHA

Resumo

         A inteligência artificial tem transformado áreas que vão de recomendações digitais a sistemas autônomos, impulsionada pelo aumento do poder computacional e pelo avanço das redes neurais convolucionais (CNNs). No entanto, a elevada demanda por processamento e dados rotulados torna desafiadora sua aplicação em sistemas embarcados de baixo custo. Este trabalho apresenta o desenvolvimento de um robô seguidor de linha baseado em visão computacional, utilizando a técnica de transferência de aprendizado para adaptar CNNs a um ambiente restrito de hardware. O projeto contemplou a construção do robô, integração de câmera ESP32-CAM e microcontrolador ESP32, além da implementação de testes com sensores reflexivos para validação da estrutura. Foram coletadas imagens em diferentes condições de pista e iluminação, associadas a comandos de movimento, formando um banco de dados diversificado para o treinamento futuro da rede neural. Os resultados preliminares indicam que o robô, no modo tradicional com sensores, apresenta desempenho satisfatório, enquanto a ESP32-CAM demonstrou eficiência na captura de imagens. Conclui-se que a abordagem proposta é viável e estabelece bases sólidas para a implementação da CNN, visando aprimorar a percepção e a tomada de decisão do robô, com potencial para aplicações educacionais e industriais.