Foram selecionados 3 artigos relevantes sobre o uso do Raspberry Pi em sistemas embarcados para monitoramento em tempo real, devido ao seu papel fundamental na integração de tecnologias de baixo custo com soluções eficientes para controle e análise de dados. Esses artigos abordam diferentes aspectos dos sistemas embarcados, com foco na coleta e processamento de dados em tempo real, fundamentais para o funcionamento de sistemas críticos. O primeiro artigo apresenta uma aplicação de monitoramento energético em tempo real utilizando o Raspberry Pi para analisar o consumo de energia em ambientes industriais, evidenciando a importância do Raspberry Pi em sistemas embarcados para otimização de recursos e controle de processos. O segundo artigo propõe um framework de gêmeos digitais para o gerenciamento inteligente de estufas, utilizando o Raspberry Pi como uma plataforma central para capturar e processar dados em tempo real, essencial para a agricultura inteligente e tomada de decisões baseadas em dados. O terceiro artigo explora a implementação de um sistema de reconhecimento facial baseado em Raspberry Pi para auxiliar na segurança pública em cidades inteligentes, destacando o uso de processamento em tempo real para identificar suspeitos e apoiar ações de policiamento. Esses artigos são exemplares na demonstração de como o Raspberry Pi, em sua essência de sistema embarcado, pode ser utilizado para diferentes finalidades, aproveitando a computação em tempo real para oferecer soluções inovadoras e eficientes em áreas como energia, agricultura e segurança.

O artigo "IoT based real time energy monitoring system using Raspberry Pi", de M.D. Mudaliar e N. Sivakumar, apresenta um sistema de monitoramento de energia em tempo real projetado para indústrias de switchgear, utilizando a tecnologia IoT e a plataforma Raspberry Pi. O sistema é estruturado com medidores de energia existentes, como Schneider e Elmeasure, que se conectam ao Raspberry Pi por meio da interface RS485. O Raspberry Pi, programado com Node.js, coleta e armazena dados de parâmetros elétricos, possibilitando o acesso remoto e a visualização gráfica em dispositivos móveis ou laptops. O sistema usa o InfluxDB para armazenar os dados e o Grafana para gerar visualizações gráficas, facilitando a análise dos padrões de consumo de energia. A aplicação de sistemas embarcados é fundamental para esse projeto, pois permite a integração de sensores e atuadores em uma rede IoT, promovendo o monitoramento e controle em tempo real. A principal contribuição do artigo é demonstrar como a combinação de sistemas embarcados e IoT pode otimizar o monitoramento de energia, trazendo benefícios como a redução de custos operacionais e a implementação de medidas de conservação de energia nas indústrias.

Figura 1: Saída gráfica dos dados coletados no Grafana.

Fonte: IoT based real time energy monitoring system using Raspberry Pi, Fig. 11

O artigo discute a implementação de um sistema de gêmeo digital para a gestão de processos em estufas inteligentes. Ele foca na integração de tecnologias como Internet das Coisas (IoT), redes móveis (5G/6G) e aprendizado de máquina. O sistema tem três partes principais: física, comunicação e aplicação. A parte física inclui sensores e atuadores, como Arduino e Raspberry Pi. Eles coletam dados em tempo real e controlam sistemas como irrigação, ventilação e luz. Isso é importante para melhorar o crescimento das plantas. A parte de comunicação usa redes móveis e protocolos como MQTT para enviar dados entre os dispositivos e a nuvem. O aprendizado de máquina analisa os dados e prevê condições futuras, permitindo ajustes no ambiente da estufa. A integração de sistemas embarcados é crucial para processar dados localmente e enviar para a nuvem. Isso permite controle e automação em tempo real. Juntas, essas tecnologias oferecem uma solução inovadora para uma agricultura mais eficiente e sustentável.

Figura 2: Cenas criadas para gêmeo digital de estufa.

Fonte: Digital twin framework for smart greenhouse management using next-gen mobile networks and machine learning, Fig. 10

O artigo apresenta um framework de reconhecimento facial assistido por Raspberry Pi, projetado para melhorar os serviços de aplicação da lei em cidades inteligentes. O sistema utiliza o algoritmo Viola-Jones para a detecção de faces, sendo computacionalmente eficiente e adequado para dispositivos com recursos limitados, como o Raspberry Pi. Para o reconhecimento, o framework emprega a técnica ORB (Oriented FAST and Rotated BRIEF), que extrai características faciais de forma rápida e invariável à rotação, tornando-o ideal para operação em tempo real em ambientes de vigilância pública. A eficiência computacional do sistema é otimizada pelo uso do ORB, permitindo que ele opere de maneira eficaz em dispositivos embarcados com recursos limitados. Além disso, o framework implementa o offloading para a nuvem, utilizando um modelo de máquina de vetor de suporte (SVM) treinado na nuvem para reconhecer e categorizar faces, enviando apenas as características extraídas em vez das imagens completas, economizando energia e largura de banda. O sistema tem como objetivo facilitar a identificação de suspeitos em fluxos de vídeo, auxiliando as agências de segurança a melhorar a segurança pública sem comprometer a privacidade dos cidadãos. Em resumo, o artigo demonstra como a combinação de algoritmos eficientes e a capacidade de processamento em nuvem pode tornar o reconhecimento facial uma ferramenta prática e acessível para sistemas embarcados, contribuindo para a segurança em ambientes urbanos.

Figura 3: Visão detalhada da estrutura de reconhecimento facial proposta para identificação de suspeitos.

Fonte: Raspberry Pi assisted face recognition framework for enhanced law-enforcement services in smart cities, Fig. 2

O uso do Raspberry Pi em sistemas embarcados tem se mostrado uma solução eficiente e acessível para o monitoramento em tempo real em diversas áreas. Os artigos selecionados demonstram a versatilidade dessa plataforma, aplicada em contextos como monitoramento energético, gestão inteligente de estufas e segurança pública em cidades inteligentes. O primeiro artigo destaca a utilização do Raspberry Pi para otimizar o consumo de energia em ambientes industriais, enquanto o segundo aborda sua aplicação na agricultura inteligente por meio de um sistema de gêmeo digital para estufas. Já o terceiro artigo explora o uso do Raspberry Pi no reconhecimento facial para melhorar os serviços de segurança pública. Juntos, esses estudos evidenciam como o Raspberry Pi, combinado com tecnologias como IoT, aprendizado de máquina e processamento em tempo real, pode oferecer soluções inovadoras e de baixo custo em setores cruciais.