Vencedores de concurso de design InnovateFPGA

Segurança na entrega de pacotes por drone

Foale Aeroespacial Inc.

Problema:

A entrega de pacotes é um componente vital da infraestrutura de uma cidade inteligente; no entanto, ela ocorre à custa de congestionamentos de tráfego e emissões de dióxido de carbono, um dos principais contribuintes do aquecimento global. Até 2050, a última etapa na entrega de pacotes poderá produzir mais de 2 milhões de toneladas de CO2 por ano.

Solução:

Este projeto visa desenvolver um sistema de entrega de pacotes aéreos por drones alimentados de forma renovável, e que substituem a entrega por correio ponto a ponto de última hora nas cidades que hoje dependem de serviços emissores de CO2. O projeto pode detectar e comunicar mudanças atmosféricas fortes ou abruptas, assim como criar um “gêmeo digital” para desenvolvimento. Isso promove segurança para o drone e também para pessoas e propriedades nas proximidades.

Detalhes do projeto:

Os recursos de desenvolvimento dos DSPs (Digital Sign Processor, Processador de sinal digital) reprogramáveis do FPGA permitem que o drone reaja a oito canais analógicos simultâneos que medem a rotação e a aceleração do drone. O HPS (Hard Processor System) fornece telemetria de eventos perigosos para o Hub IoT do Microsoft Azure e adicionou um recurso de “gêmeos digital” que pode reproduzir eventos reais para desenvolvimento de algoritmos usando o DAC (Digital Analog Converter) DC2025A-A, da Analog Devices.

Gerenciamento de conversores solares baseado em nuvem

Daniel Chavez (Universidad Nacional de Ingenieria)

Problema::

À medida que mais recursos de geração de energia renovável, como solar e eólica, se tornam mais difundidos, a distribuição da carga de energia em toda a rede elétrica se torna mais complexa. É comum haver incompatibilidade entre a demanda e a geração de energia, que precisam ser gerenciadas.

Solução::

Este sistema foi projetado para coletar dados de energia no ponto de uso local de forma mais eficiente de muitas fontes que podem ser usados para controlar a geração de eletricidade. Esses dados são relatados a sistemas baseados em nuvem que podem ser combinados com uma política de rede para otimizar melhor a demanda e a geração de energia.

Detalhes do projeto::

O FPGA mede e controla diretamente a modulação de um conversor DABRS bidirecional de estágio único e comunica sem fio os dados ao banco de dados MariaDB do servidor Azure baseado em nuvem. Como os dados são processados localmente pelo FPGA, ele minimiza a telemetria necessária para se comunicar de volta com o controle central baseado em nuvem.

Sistema de redução de desperdício de frutas

Nixon Fernando Ortiz De La Cruz (Universidad Nacional de Ingenieria and Nacional Mayor de San Marcos)

Problema::

As pequenas empresas agrícolas muitas vezes carecem de recursos para minimizar o desperdício durante a distribuição e o transporte de seus produtos. Devido à falta de sistemas de armazenamento e transporte de alta qualidade, uma grande porcentagem dos produtos é estragada antes da eventual entrega aos consumidores. No Peru, 80% da produção de mangas vem de pequenas fazendas de propriedade familiar.

Solução::

Este sistema inteligente vai monitorar, relatar e gerenciar as condições de armazenamento e transporte para reduzir a quantidade de frutas deterioradas.

Detalhes do projeto::

O FPGA agrega dados de uma variedade de sensores. Também controla os atuadores que alteram a condição do ar (por exemplo, CO2) e as temperaturas, para reduzir o amadurecimento prematuro da fruta. As imagens de vídeo da câmera são pré-processadas pelo FPGA e enviadas à nuvem para análise dos dados das cores e correlacionamento com o amadurecimento da fruta. Esse conjunto de dados diversificado é enviado ao Hub IoT do Microsoft Azure para armazenamento, processamento, previsão e controle dos contêineres inteligentes de armazenamento e transporte de frutas. Como a maior parte do processamento é feito pelo FPGA, ele minimiza os dados enviados à nuvem, reduzindo o custo de transmissão de grandes quantidades de dados.

Otimizador inteligente de agricultura

Jyotsna Bavisetti (Rajiv Gandhi University of Knowledge Technologies, Nuzvid)

Problema::

A escolha da seleção de culturas pelos agricultores muitas vezes pode ser desinformada e inadequada quando são usados os métodos agrícolas tradicionais. Isso leva a um rendimento e qualidade inferiores das culturas, devido a uma má compreensão das alterações de água e do solo. O fornecimento de alimentos em países em desenvolvimento é especialmente vulnerável.

Solução::

Esta ajuda abrangente ao agricultor pode recomendar culturas adequadas com base na condição do solo, clima e disponibilidade de água daquela região. Pode controlar e otimizar a irrigação, detectar doenças nas plantas, detectar ervas daninhas e fornecer orientação ao agricultor.

Detalhes do projeto::

O FPGA agrega dados de uma câmera e uma ampla variedade de sensores da Analog Devices. Consegue medir nitrogênio, fósforo, potássio, pH, nível de água, umidade do solo e temperatura. Este conjunto diversificado é enviado ao Hub IoT do Microsoft Azure para armazenamento, análise, exibição e orientação do agricultor. Um algoritmo de aprendizado de máquina prevê a cultura mais adequada para as condições e controla a irrigação. Um modelo de detecção de objetos pode identificar ervas daninhas, e um algoritmo baseado em IA foi treinado para identificar doença e recomendar o tratamento.

Sistema de miniestufa de consumidor

Pahan Mendis (University of Moratuwa, Sri Lanka)

Problema::

Há uma conscientização cada vez maior por parte dos consumidores de que certas culturas em grande escala e o transporte de produtos podem ter um efeito negativo no ambiente. Há um desejo crescente de que os consumidores cultivem seus próprios alimentos, não apenas por questões ambientais, mas também para melhorar sua qualidade e segurança alimentar. No entanto, muitos desses agricultores aspirantes carecem de conhecimento ou recursos para fazê-lo de forma eficiente.

Solução::

Este sistema de gerenciamento de miniestufa inteligente e automático visa a produção de alimentos para o consumidor de comunidade urbana que talvez tenha conhecimentos mínimos de agricultura. Pode fornecer orientação para irrigação, fertilização, ventilação e luminosidade.

Os recursos de IA incluídos podem prever o rendimento e identificar algum comportamento anormal de crescimento.

Detalhes do projeto::O sistema captura dados de uma câmera e de uma ampla variedade de sensores de dispositivos analógicos (medindo a umidade e temperatura do ar, pH, umidade e temperatura do solo, os níveis de CO2 e a intensidade da luz). Em paralelo aos dados do sensor, o FPGA acelera o processamento de imagem baseado em IA da CNN. Esse conjunto de dados diversificado é enviado ao Hub do Microsoft Azure para armazenamento, processamento e previsão de resultados ao longo do tempo.

Consultor de saúde mental

Sudhamshu B N (Dayananda Sagar College of Engineering)

Problema::

Os casos mentais e comportamentais representam uma porcentagem crescente de problemas de saúde em todo o mundo. No entanto, tais casos permanecem sub-representados nas estatísticas convencionais de saúde pública (que se concentram na mortalidade em comparação com outros fatores, como disfunção).

Solução::

Uma luva inteligente coleta vários parâmetros ambientais e de corpo humano para modelos de aprendizado de máquina para analisar e classificar os sintomas de várias condições específicas de saúde mental. Com base na saúde e no estado mental do usuário, sugestões positivas oportunas são comunicadas de consumidor como “recomendações”. A saúde mental é tão importante quanto a saúde física.

Detalhes do projeto::

O FPGA agrega dados como a temperatura do ar e do corpo, atividade das glândulas sudoríparas, condições de luz e qualidade do ar a partir de sensores em uma luva inteligente. Em seguida, usa o aprendizado de máquina para caracterizar e correlacionar dados com condições mentais. Um vídeo ao vídeo do paciente a partir de uma câmera alimenta um modelo de reconhecimento de emoção por vídeo para correlacionar os dados em cinco características (irritado, ansioso, feliz, neutro e triste). Esse conjunto diversificado de dados é enviado ao Hub IoT do Microsoft Azure para armazenamento e processamento de aprendizado de máquina. As recomendações são enviadas de volta ao aplicativo de celular do usuário.

Recuperação de recifes de corais

Jose Filho (King Abdullah University of Science and Technology)

Problema::

Vinte e cinco por cento de toda a vida marinha depende de recifes de corais saudáveis. No entanto, o aumento da temperatura do oceano está causando o branqueamento de alguns corais. O processo de branqueamento ocorre quando o coral expele algas que vivem em seus tecidos. Essas algas são fundamentais para a sobrevivência do coral.

Solução::

Estudos de laboratório mostram que certos microrganismos benéficos para os corais (BMCs) podem interromper o processo de branqueamento e permitir que o coral se recupere. Esse sistema pode fornecer os probióticos de corais no ambiente marinho e monitorar sua eficácia a longo prazo.

Detalhes do projeto::

Os FPGAs permitem uma plataforma experimental flexível e reconfigurável. O FPGA reúne os dados das câmeras, sensores de temperatura e dados de luminosidade do mar de um sistema de reconhecimento de luz de potência ultra baixa, da Analog Devices. O FPGA usa IA para determinar com precisão o estágio de branqueamento e tomar uma decisão rápida para implantar o BMC. Esse experimento movido por energia solar é implantado perto da costa e pode enviar dados 4G para o Microsoft Azure para visualizar e gerenciar o processo de reabilitação.

Gerenciamento da qualidade do ar interior.

Ricardo Núñez Prieto (NVISION s.l. / Institute of Microelectronics of Barcelona (CSIC) / UAB)

Problema::

As evidências ligaram a exposição crônica a concentrações de CO2 tão baixas quanto 1000 ppm a vários distúrbios de saúde humana. Os estudos também demonstraram que os vírus são liberados durante a expiração, fala e tosse, e que essa transmissão é mais provável que aconteça em ambientes internos.

Solução::

A medição de CO2 expirado é o melhor método de baixo custo disponível para avaliar os riscos da qualidade do ar. Este projeto pode determinar a concentração de CO2 e enviar informações práticas para o servidor Microsoft Azure para o gerenciamento de alertas e ventilação.

Detalhes do projeto::

Este sistema usa dados de um sistema de sensor NDIR CO2, da Analog Devices, que pode medir a concentração de CO2 no intervalo de 400 a 5000 ppm, assim como um sensor de temperatura. Um FPGA é uma boa escolha para este aplicativo, pois tem a flexibilidade para suportar vários sensores e também pode ser adaptado a outros tipos de sensores, algoritmos e protocolos de comunicação. O projeto é otimizado para um consumo mínimo de energia, executando o algoritmo de concentração de CO2 localmente no FPGA para minimizar a comunicação de dados complexos.

Sistema de controle de fazenda inteligente

Mohamed Abdelaziz Louhab (University M'hamed Bougara Boumerdes)

Problema::

A minimização de erros de cultivo é importante para minimizar os custos e garantir a segurança de alimentos em regiões que não possuem condições ideais de cultivo. Outros riscos, como incêndio, invasão de animais, ou roubo, podem ter consequências significativas para uma fazenda ou comunidade.

Solução::

Esta estufa inteligente incorpora sensores que podem monitorar a saúde das plantas usando fatores ambientais, como temperatura, umidade e gases, como o O2 e o CO2. O sistema pode não apenas fornecer orientação ao agricultor, como também controlar irrigação, aquecimento e resfriamento.

Detalhes do projeto::

O FPGA é o cérebro do sistema movido por energia solar, usando o HPS para implementar um algoritmo de rastreamento solar para maximizar a saída dos painéis fotovoltaicos. A estufa foi projetada para minimizar os erros de cultivo e fazer o produto mais elegante usando seis sensores diferentes da Analog Devices para monitorar e manter a saúde das culturas. O sistema diminui as preocupações com perda de culturas usando IR e PIR para detectar a presença de animais; também é capaz de detectar e suprimir incêndios.

Classificador automático de lixo

Longfei Yang (Hubei University)

Problema::

A produção de lixo global aumenta todos os anos, poluindo o solo e as fontes de água. Os aterros sanitários podem conter produtos químicos perigosos ou outras substâncias prejudiciais que podem entrar no ecossistema, causando danos aos humanos e o meio ambiente.

Solução::

Um classificador automático de lixo pode ajudar a reduzir a poluição ambiental, economizar recursos naturais e promover a reciclagem de materiais. Este sistema é projetado para reduzir o descarte desnecessário de lixo reciclável. A classificação de resíduos maximiza o potencial de reuso de materiais e reduz os danos ao ecossistema local.

Detalhes do projeto::

Este projeto usa o reconhecimento de imagem para classificar os resíduos em quatro categorias: reciclável, biodegradável, perigoso e outros. Um sensor infravermelho detecta o descarte de um novo objeto, fazendo com que uma câmera envie uma imagem para o FPGA O FPGA implementa uma Rede Neural Convolutional (CNN) profunda, chamada VGG-16 para o reconhecimento da imagem. O reconhecimento e a classificação são aprimorados com um acelerador FPGA baseado em OpenCL, chamado pipeCNN. O classificador de lixo move os resíduos para o compartimento adequado com precisão de 95%, com um tempo de reconhecimento de 1,93 s.

Sistema de detecção de danos no pavimento

Dingwei Chen (Chongqing University)

Problema::

Os danos no pavimento das estradas não afetam apenas a aparência e o conforto de direção, mas, se as necessidades de manutenção não forem identificadas e atendidas, a superfície da estrada e as estruturas associadas vão se deteriorar, o que pode levar a acidentes ou até mesmo à perda de vidas. A construção de estradas com concreto ou asfalto gera emissões e poluição nocivas.

Solução::

Esse sistema de detecção, localização e relatórios utiliza 3D LiDAR (Light Detection and Range, Detecção de luz e distância) e câmeras para capturar as informações sobre as condições da estrada em tempo real, que podem ser analisadas para determinar se os reparos são necessários. Informações de inspeção precisas, juntamente com uma localização exata, permitem que a manutenção seja gerenciada com eficiência e evite a deterioração dispendiosa da superfície de estrada.

Detalhes do projeto::

O sistema inteligente de detecção de danos na estrada usa o LiDAR e uma câmera com uma IMU (Inertial Measurement Unit, Unidade de medição inercial), para obter dados de nuvem de pontos e informações de imagem da superfície da estrada. O sistema pode corrigir a distorção do movimento da nuvem de pontos e consegue sincronizar as informações de distância LiDAR com as informações de pixel da câmera. Esses dados podem ser usados por aplicativos em nuvem para combinar detalhes de dano (tamanho e forma do defeito) com dados precisos de mapas. O pessoal de manutenção pode então se concentrar na programação adequada de reparos.