Embedded Object Detection su ESP32-S3: ottimizzazione e deployment per l’Edge

Tradizionalmente, dispositivi a ridotta capacità computazionale come i microcontrollori sono stati impiegati principalmente per la raccolta e la trasmissione di dati, delegando l’elaborazione intensiva a computer o infrastrutture esterne. Questa tesi esplora la possibilità di eseguire l’inferenza di modelli di deep learning direttamente a bordo di un microcontrollore, nello specifico un ESP32-S3 dotato di camera integrata. L’obiettivo è quello di trasformare il microcontrollore da semplice nodo di acquisizione ad un possibile sistema autonomo di percezione, capace di rilevare oggetti in tempo reale senza dipendere da risorse esterne. A tal fine, viene presentato un flusso di lavoro che comprende la creazione del firmware per interagire con il microcontrollore e la sua camera, l’adattamento architetturale e il porting di un modello state-of-the-art di Object Detection, appartenente alla famiglia You Only Look Once. Attraverso tecniche come la quantizzazione, model scaling e fine-tuning per domain adaptation, è stato possibile bilanciare l’accuratezza del modello con le limitazioni computazionali dell’ambiente embedded. I risultati, valutati tramite metriche come l’Average Precision (AP) e il tempo di inferenza, mostrano la fattibilità di eseguire modelli di visione artificiale complessi direttamente sull’Edge, aprendo la strada a scenari di applicazione leggeri, indipendenti e a basso consumo.