Uma arquitetura de aplicação da internet das coisas multimídia com processamento na borda para ambientes não urbanos

Abstract

Resumo: Este trabalho propõe uma arquitetura de aplicação da Internet das Coisas (IoT) Multimídia utilizando computação na borda para ambientes não urbanos. A arquitetura foi projetada pensando nos cenários possíveis deste tipo de aplicação e se responsabiliza pelo dado multimídia desde a coleta até a entrega ao usuário. Para isso, três serviços são propostos: borda, entrega e distribuição, sendo que o serviço de borda está organizado nos subserviços de sensoriamento, processamento e comunicação. Como prova de conceito da arquitetura, uma aplicação de monitoramento de pássaros baseada no protocolo brasileiro foi implementada. Experimentos foram conduzidos para determinar o melhor formato de dado para compressão de áudio e configuração do rádio LoRa, possibilitando transferência do arquivo. Modelos de filtragem de dados utilizando algoritmos de aprendizado de máquina foram treinados e avaliados utilizando uma base de dados próxima ao ambiente real, e atingiram uma medida f1-score de 70% no melhor caso para a identificação de pássaro nas amostras de áudio. A arquitetura de aplicação desenvolvida neste trabalho serve como um guia e auxilia na tarefa de prever problemas e tomar decisões durante o projeto da aplicação, reduzindo assim o retrabalho e auxiliando na construção de aplicações mais sólidas.

Abstrat: This work proposes an application architecture for the Internet of Things (IoT) Multimedia using edge computing for non-urban environments. The architecture was designed thinking about the possible scenarios of this type of application and is responsible for the multimedia data from collection to delivery to the user. For this, three services are proposed: border, delivery and distribution, and the border service is organized in the sensing, processing and communication subservices. As a proof of concept of the architecture, a bird monitoring application based on the Brazilian protocol was implemented. Experiments were conducted to determine the best data format for audio compression and configuration of the LoRa radio, enabling file transfer. Data filtering models using machine learning algorithms were trained and evaluated using a database close to the real environment, and achieved a f1-score of 70% in the best case for bird identification in audio samples. The application architecture developed in this work serves as a guide and assists in the task of forecasting problems and making decisions during the design of the application, thus reducing rework and helping to build more solid applications.