Desenvolvimento de um sistema embarcado para monitoramento bioacústico da fauna com TinyML

Loading...
Thumbnail Image

Date

Co-advisor(s)

Committee members

Bezerra, Thiago Brito
Pinagé, Frederico da Silva

Graduate program

Journal Title

Journal ISSN

Volume Title

Publisher

Access rights

DOI

Resumo (Portuguese)

Este projeto apresenta a construção de um dispositivo compacto capaz de capturar sons do ambiente e identificar vocalizações de aves utilizando aprendizado de máquina para um sistema embarcado. O sistema foi desenvolvido com um microcontrolador ESP32 e um microfone digital I2S, permitindo que todo o processamento sinais de áudio seja realizado diretamente no próprio hardware, sem depender de conexão com a internet ou de serviços externos. A implementação do sistema envolveu duas etapas principais. A primeira consistiu na coleta das gravações e organização de um conjunto de dados contendo vocalizações de aves e sons do ambiente. Essas amostras foram processadas e utilizadas para treinar um modelo de classificação na plataforma Edge Impulse. Após obtido o modelo final, ele foi convertido para uma versão otimizada compatível com microcontroladores nomeada TinyML. Na segunda etapa, o modelo treinado foi transferido para o ESP32, possibilitando a análise das gravações em tempo real. Sempre que um trecho de áudio é capturado, o dispositivo realiza o pré-processamento, extrai as características necessárias e aplica o classificador. Os resultados obtidos são então registrados em um cartão microSD, permitindo consulta e avaliação posterior. O sistema proposto demonstra que é possível utilizar dispositivos como microcontroladores para realizar tarefas de reconhecimento acústico em campo, com baixo consumo de energia e operação contínua. Essa abordagem pode auxiliar pesquisas ambientais, monitoramento de fauna e estudos de conservação, já que o equipamento pode permanecer em áreas remotas sem necessidade de supervisão constante.

Abstract

This project presents the development of a compact device capable of capturing environmental sounds and identifying bird vocalizations using embedded machine learning system. The system was built with an ESP32 microcontroller and an I2S digital microphone, allowing all audio processing to be performed directly on the hardware, without relying on internet access or external services. The implementation of the system involved two main stages. The first consisted of gathering audio recordings and organizing a dataset containing bird vocalizations and environmental sounds. These samples were processed and used to train a classification model on the Edge Impulse platform. Once the final model was obtained, it was converted into an optimized version compatible with microcontrollers TinyML. In the second stage, the trained model was deployed to the ESP32, enabling real-time analysis of the recorded audio. Whenever a segment of sound is captured, the device performs preprocessing, extracts the required features, and applies the classifier. The results are then stored on a microSD card, allowing later review and evaluation. The proposed system demonstrates that low-power microcontrollers can be used for acoustic recognition tasks in the field, with continuous operation and minimal energy consumption. This approach can support environmental research, wildlife monitoring, and conservation studies, as the device can remain in remote areas without the need for constant supervision.

Description

Controlled term

Sustainable Development Goals (SDG)

Citation

CINTRA, Lucas Feijó. Desenvolvimento de um sistema embarcado para monitoramento bioacústico da fauna com TinyML. 2025. 82 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica - Eletrônica) - Universidade Federal do Amazonas, 2025.

Endorsement

Review

Supplemented By

Referenced By

Creative Commons license

Except where otherwise noted, this item's license is described as Acesso Aberto