Fusão de sensores aplicada à estimativa da intensidade luminosa (LUX) em aula prática

Autores

  • Matheus Gabriel Acorsi Universidade de São Paulo
  • Thiago Lima da Silva Universidade de São Paulo
  • Jamile Raquel Regazzo Universidade de São Paulo
  • Rubens André Tabile Universidade de São Paulo
  • Murilo Mesquita Baesso Universidade de São Paulo
  • Leandro Maria Gimenez Universidade de São Paulo

DOI:

https://doi.org/10.48017/dj.v8i2.2582

Palavras-chave:

instrumentação, modelagem matemática, dados quantitativos redundantes

Resumo

Nos últimos dez anos, o desenvolvimento de sensores com maior acurácia e precisão devido a melhorias nos processos fabris tem possibilitado ampliação do seu uso em diversas áreas. Contudo, o valor de aquisição, principalmente de produtos de fabricantes consagrados, frente as suas aplicações pode inviabilizar projetos mais simples. A técnica de fusão de dados de sensores apresenta-se como uma alternativa viável na resolução desta questão, pois modelos matemáticos podem ser propostos e usados em diversas situações. Esses modelos permitem melhorar os dados obtidos a fim de gerar informações confiáveis. Sendo assim, objetivo deste trabalho foi verificar o desempenho da regressão linear múltipla aplicada à fusão de dados quantitativos redundantes de sensores LDR 5mm na estimativa da intensidade luminosa (LUX) em cenários simulados. Para realização do experimento foram usados 3 sensores LDR (Light Dependent Resistor), 3 condicionadores de sinal LM393, 1 placa de aquisição de dados DAQ USB 6009 (14 bits), 1 luxímetro LT40 Extech, além do software LabView. Verificou-se que os sensores LDR A e B apresentaram maiores níveis de acurácia. Ainda, foi constatada significava melhora no nível de acurácia quando combinados os dados dos sensores A e B na forma de regressão linear múltipla.

Métricas

Carregando Métricas ...

Biografia do Autor

Matheus Gabriel Acorsi, Universidade de São Paulo

Vinculado à Universidade de São Paulo.

Thiago Lima da Silva, Universidade de São Paulo

Vinculado à Universidade de São Paulo.

Jamile Raquel Regazzo, Universidade de São Paulo

Vinculado à Universidade de São Paulo.

Rubens André Tabile, Universidade de São Paulo

Vinculado à Universidade de São Paulo.

Murilo Mesquita Baesso, Universidade de São Paulo

Vinculado à Universidade de São Paulo.

Leandro Maria Gimenez, Universidade de São Paulo

Vinculado à Universidade de São Paulo. 

Referências

Anjos, J. H. P. (2017). Técnicas de fusão de sensores aplicadas à construção e melhoria de desempenho de sistemas de medição [Trabalho de conclusão de curso]. https://www2.dee.cefetmg.br/wp-content/uploads/sites/18/2017/11/TCC_2017_1_JHPAnjos.pdf

Filho, M. B. D. C., Souza, J. C. S., & Schilling, M. Th. (2007). Sobre o problema da integração generalizada de dados. In Sba: Controle & Automação Sociedade Brasileira de Automatica. https://www.scielo.br/j/ca/a/Zs7YpLgNq4T9MbSWFbm8BQz/?format=pdf&lang=pt

Li, J., Zhang, X., Zhou, Q., Chan, F. T. S., & Hu, Z. (2022). A feature-level multi-sensor fusion approach for in-situ quality monitoring of selective laser melting. Journal of Manufacturing Processes, 84(84), 913–926. https://doi.org/10.1016/j.jmapro.2022.10.050

Li, T., Fan, H., García, J., & Corchado, J. M. (2019). Second-order statistics analysis and comparison between arithmetic and geometric average fusion: Application to multi-sensor target tracking. Information Fusion, 51(51), 233–243. https://doi.org/10.1016/j.inffus.2019.02.009

Neves, F. (2017, March 7). Introdução à Fusão de Sensores. Embarcados - Sua Fonte de Informações Sobre Sistemas Embarcados. https://www.embarcados.com.br/introducao-fusao-de-sensores-parte-1/

Akinwande, M. O., Hussaini, G. D., Shehu, U. G. Identifying the Limitation of Stepwise Selection for Variable Selection in Regression Analysis. American Journal of Theoretical and Applied Statistics. Vol. 4, No. 5, 2015, pp. 414-419. doi: 10.11648/j.ajtas.20150405.22

Papa, G., Repp, R., Meyer, F., Braca, P., & Hlawatsch, F. (2019). Distributed Bernoulli Filtering Using Likelihood Consensus. IEEE Transactions on Signal and Information Processing over Networks, 5(2), 218–233. https://doi.org/10.1109/tsipn.2018.2881718

Santana, B. A., Ushikoshi, T. D. A., Chagas, T. P., & Schnitman, L. (2018). Fusão de sensores aplicada à localização de robôs móveis utilizando sistema especialista Fuzzy. Anais Do Congresso Brasileiro de Automática, 1(2525-8311).

Santos, H. Á. (2020). Uma avaliação da contribuição da fusão de sensores de posicionamento relativo na precisão dos sistemas de localização de robôs móveis terrestres [Dissertação de Mestrado].

Serrone, G. D., Moretti, L. A stepwise regression to identify relevant variables affecting the environmental impacts of clinker production, Journal of Cleaner Production, Volume 398, 2023, https://doi.org/10.1016/j.jclepro.2023.136564.

Song, F., Wu, J., Liu, B., Jiang, J., Li, Z., Song, C., Li, J., & Jin, G. (2022). Intelligent green tea fixation with sensor fusion technology. Journal of Food Engineering, 317(317), 110846. https://doi.org/10.1016/j.jfoodeng.2021.110846

Sun, S., Lin, H., Ma, J., & Li, X. (2017). Multi-sensor distributed fusion estimation with applications in networked systems: A review paper. Information Fusion, 38(38), 122–134. https://doi.org/10.1016/j.inffus.2017.03.006

Taylor, C. N., & Bishop, A. N. (2019). Homogeneous functionals and Bayesian data fusion with unknown correlation. Information Fusion, 45(45), 179–189. https://doi.org/10.1016/j.inffus.2018.02.002

Yang, F., Shi, L., Liang, Y., & Zheng, L. (2022). Global state estimation under sequential measurement fusion for clustered sensor networks with cross-correlated measurement noises. Automatica, 142(142), 110392. https://doi.org/10.1016/j.automatica.2022.110392

M. Zhang, W. Wang. (2021). Weighted adaptive partition for heterogeneous IoT data stream. IEEE Internet of Things Journal, 8 (20). https://doi.org/ 10.1109/JIOT.2020.3045726

Zhang, K., Xia, T., Wang, D., Chen, G., Pan, E., Xi, L. (2023). Privacy-preserving and sensor-fused framework for prognostic & health management in leased manufacturing system, Mechanical Systems and Signal Processing, V. 184, 2023,

Publicado

2023-04-10

Como Citar

Acorsi, M. G., Silva, T. L. da, Regazzo, J. R., Tabile, R. A., Baesso, M. M., & Gimenez, L. M. (2023). Fusão de sensores aplicada à estimativa da intensidade luminosa (LUX) em aula prática. Diversitas Journal, 8(2), 1339–1348. https://doi.org/10.48017/dj.v8i2.2582