AVALIAÇÃO E SELEÇÃO DE CÂMERAS PARA OTIMIZAÇÃO DE QUALIDADE DE IMAGEM E EFICIÊNCIA ENERGÉTICA

Introdução: O avanço de sistemas embarcados aplicados à visão computacional, especialmente no contexto de IoT e inteligência artificial, tem gerado a demanda por sensores fotográficos eficientes e de baixo consumo energético. Neste cenário, este trabalho insere-se em um projeto maior voltado à leitura automatizada de mostradores analógicos, utilizando ESP32 e transmissão via LoRaWAN, com foco em aplicações sustentáveis e de longa duração. A qualidade da imagem capturada é fator crítico para o sucesso da extração de informações visuais e afeta diretamente o desempenho de algoritmos de machine learning e deep learning embarcados. Objetivos: O principal objetivo foi desenvolver uma metodologia objetiva para avaliar e comparar sensores fotográficos acoplados ao ESP32, considerando tanto a qualidade da imagem quanto a eficiência energética. A meta era selecionar o sensor mais adequado a aplicações embarcadas com restrições de recursos, garantindo compatibilidade com modelos computacionais sensíveis a distorções visuais. Materiais e método: Foram avaliados cinco modelos de sensores: GC 0308, NT 99141, OV 2640, OV 7670 e OV 7725. A metodologia consistiu na captura padronizada de imagens em ambiente controlado, com análise quantitativa por meio de um script em Python. As métricas aplicadas incluíram nitidez (via Laplaciano), ruído (em regiões homogêneas) e contraste (Root Mean Square ou valor eficaz), além dos tempos de inicialização e de captura como estimativas indiretas do consumo de energia. As imagens foram capturadas pelo ESP32 e armazenadas em cartão SD, sendo posteriormente analisadas por sensor e por modelo. Resultados: Os sensores apresentaram comportamentos distintos. O OV 7670 teve os menores tempos operacionais e maior nitidez, mas foi penalizado por ruído elevado. O NT 99141 apresentou alta nitidez, porém com ruído limítrofe e o pior desempenho energético. O GC 0308 teve ótimo controle de ruído e agilidade de captura, mas baixa nitidez. O OV 7725 destacou-se pelo equilíbrio entre os critérios: boa qualidade de imagem, baixo ruído e tempos compatíveis com aplicações de baixo consumo, sendo o mais indicado para uso embarcado com visão computacional. Considerações finais: A metodologia desenvolvida cumpriu seus objetivos, permitindo uma comparação sistemática entre sensores. O estudo reforça a importância de métricas objetivas na seleção de sensores em projetos com machine learning e deep learning, especialmente quando há restrições de energia. O OV 7725 demonstrou-se a melhor opção entre os sensores avaliados, e o processo adotado pode ser replicado e expandido para outras aplicações e contextos.

Palavras-chave: ESP32; Sensores fotográficos; Visão computacional; Eficiência energética; Machine learning.