E-ball: monitoramento de impacto para esportes
Nenhuma miniatura disponível
Data
2025-07
Autores
Orientador
Wolf, Alexandre Stürmer
Banca
Ahlert, Edson Moacir
Diemer, Mouriac Halen
Título do periódico
ISSN
Título do Volume
Editor
Resumo
A tecnologia está sendo cada vez mais utilizada no cenário esportivo para obtenção de dados, simulação de jogadas, entretenimento, prevenção de lesões, suporte à arbitragem, dentre outros. Partindo desse contexto, o presente trabalho tem como objetivo desenvolver e validar um sistema embarcado baseado em tecnologias de IoT e sensores acústicos, capaz de detectar, transmitir e classificar diferentes tipos de impactos em uma bola de vôlei, a fim de verificar sua viabilidade para aplicação em contextos esportivos. A arquitetura do sistema proposto contempla um sistema de captação MEMS conectado a um microcontrolador ESP32, responsável por enviar os dados via UDP para uma aplicação em Python, que processa os dados. Os mesmos foram separados em diversas amostras, previamente classificadas em quatro classes e sofreram a aplicação da Transformada Rápida de Fourier para serem utilizadas como conjunto de treinamento de um modelo de Machine Learning. Por meio de uma pesquisa qualificada como experimental, exploratória e aplicada, que envolve a revisão de conceitos essenciais juntamente com a análise de trabalhos relacionados que fundamentam a viabilidade do projeto, foi possível comprovar a capacidade do modelo treinado em oferecer classificações precisas e alta acurácia, conferindo sentido à aplicabilidade prática na análise e julgamento de lances e como consequência, contribuir para inovações tecnológicas no cenário esportivo.
Technology is increasingly being used in the sports field for data acquisition, play simulation, entertainment, injury prevention, support for refereeing, among others. Based on this context, the present work aims to develop and validate an embedded system based on IoT technologies and acoustic sensors, capable of detecting, transmitting, and classifying different types of impacts on a volleyball, in order to assess its feasibility for application in sports contexts. The proposed system architecture includes a MEMS capture system connected to an ESP32 microcontroller, responsible for sending the data via UDP to a Python application, which processes the data. These data were split into several samples, previously classified into four classes, and underwent Fast Fourier Transform to be used as a training set for a Machine Learning model. Through research qualified as experimental, exploratory, and applied, which involves the review of essential concepts together with the analysis of related works that support the project's feasibility, it was possible to prove the trained model’s ability to offer accurate classifications and high accuracy, giving practical meaning to its application in the analysis and evaluation of plays and, as a consequence, contributing to technological innovations in the sports field.
Technology is increasingly being used in the sports field for data acquisition, play simulation, entertainment, injury prevention, support for refereeing, among others. Based on this context, the present work aims to develop and validate an embedded system based on IoT technologies and acoustic sensors, capable of detecting, transmitting, and classifying different types of impacts on a volleyball, in order to assess its feasibility for application in sports contexts. The proposed system architecture includes a MEMS capture system connected to an ESP32 microcontroller, responsible for sending the data via UDP to a Python application, which processes the data. These data were split into several samples, previously classified into four classes, and underwent Fast Fourier Transform to be used as a training set for a Machine Learning model. Through research qualified as experimental, exploratory, and applied, which involves the review of essential concepts together with the analysis of related works that support the project's feasibility, it was possible to prove the trained model’s ability to offer accurate classifications and high accuracy, giving practical meaning to its application in the analysis and evaluation of plays and, as a consequence, contributing to technological innovations in the sports field.
Descrição
Palavras-chave
IoT; Sistema de captação MEMS; FFT; Machine learning; Monitoramento esportivo; MEMS capture system; Sports monitoring
Citação
MINETTO, Gabriel Glowacki. E-ball: monitoramento de impacto para esportes. 2025. Monografia (Graduação em Engenharia da Computação) – Universidade do Vale do Taquari - Univates, Lajeado, 03 jul. 2025. Disponível em: http://hdl.handle.net/10737/5010.