Uma esteira transforma uma imagem em decisão física, então a acurácia do modelo é só parte do sistema. Iluminação, borrão, timing da câmera, memória, objetos incertos e latência do atuador também contam. Um protótipo responsável com ESP32-S3 deve poder responder “desconhecido”, medir o prazo ponta a ponta e falhar para uma rota de rejeição segura.
O driver de câmera da Espressif inclui ESP32-S3 e vários formatos; escolha resolução e pixels compatíveis com PSRAM, vazão e inferência reais. Meça captura, conversão, pré-processamento e modelo juntos. Se a inferência termina com quadro antigo, o comando da comporta pode atingir o objeto errado.
Capture imagens de vários turnos, estados do material, cores, sujeira, dobras, orientação, velocidade e iluminação. Separe treino e avaliação por sessão ou item físico, não por quadros quase idênticos do mesmo vídeo. Inclua classes visualmente parecidas e objetos que devem ser rejeitados. Defina classes operacionalmente: “reciclável” pode depender das regras locais e composição, não só da aparência.
Documente recorte, redimensionamento e normalização e replique exatamente o pré-processamento no firmware. Meça precisão e recall por classe, matriz de confusão, taxa de rejeição/desconhecido e comportamento na velocidade prevista. Acurácia geral pode esconder falhas caras em uma categoria específica.
ESP-DL usa formato e fluxo de quantização próprios; arquivo int8 genérico não é automaticamente compatível. Verifique operadores e quantização suportados pelo toolchain ESP32-S3, prepare calibração representativa e compare resultados quantizados aos do modelo de referência. Meça memória de pico, latência, perda de quadros e temperatura na placa real. Se não couber, reduza entrada ou modelo e repita a avaliação de acurácia.
Use limiar validado em imagens de teste, mas não interprete confiança softmax como probabilidade universal de acerto. Adicione classe desconhecida ou rejeição quando pontuações forem próximas, a imagem estiver ruim, quadro antigo ou objeto fora da distribuição. Exija ID e horário da predição antes de acionar. Se a confiança for baixa ou o prazo estourar, envie à caixa de rejeitos ou pare o avanço conforme análise de risco.
| Falha | Sinal de detecção | Resposta segura |
|---|---|---|
| Borrão ou exposição ruim | Qualidade da imagem ou margem baixa | Rejeitar/recapturar, sem adivinhar |
| Material desconhecido | Baixa confiança ou fora da distribuição | Caixa de desconhecidos e amostra para rótulo |
| Inferência lenta | Idade do quadro supera o prazo da esteira | Rejeitar item ou pausar alimentação |
| Comporta travada | Sensor de posição discorda do comando | Parar mecanismo e alertar operador |
Mantenha potência do motor e intertravamentos fora da autoridade da IA. Firmware deve limitar pulso, intervalo, espaçamento de itens, parada de emergência e confirmar posição por sensor. Teste reset durante acionamento, watchdog, fila cheia e perda de rastreamento. Registre item, versão do modelo, classe, score, decisão, comando e resultado para analisar erros sistemáticos.
Armazene contagens derivadas e quadros de diagnóstico breves apenas quando necessário. Restrinja imagens, defina retenção e evite captar trabalhadores ou áreas próximas sem necessidade. O painel deve mostrar volume, rejeição, distribuição de confiança, latência, disparos perdidos, travamentos e versão do modelo. Agregados ajudam manutenção e retreino sem subir cada quadro à nuvem.
Triagem com ESP32-S3 é um projeto de sistema: câmera, dados representativos, quantização compatível, rejeição calibrada e mecânica protegida. Meça o prazo do item ao atuador e torne resultados desconhecidos seguros. IA de borda agrega valor quando seus limites são visíveis e o restante da linha foi pensado em torno deles.