Smartphones como plataforma de inteligência artificial de borda para assistência ao condutor: análise de desempenho computacional, térmico e energético

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMiranda Neto, Arthur de-
Autor(es): dc.contributorCampos, Gustavo Lobato-
Autor(es): dc.contributorCorrea, Luiz Henrique Andrade-
Autor(es): dc.creatorFreitas, Fabrício Daniel-
Data de aceite: dc.date.accessioned2026-02-09T11:16:59Z-
Data de disponibilização: dc.date.available2026-02-09T11:16:59Z-
Data de envio: dc.date.issued2025-09-08-
Data de envio: dc.date.issued2025-07-21-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/60277-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1137536-
Descrição: dc.descriptionAdvanced Driver Assistance Systems (ADAS) have gained increasing relevance in the automotive industry, aiming to improve driving safety and comfort. At the same time, advances in Artificial Intelligence (AI) and the evolution of smartphones have opened new opportunities to implement these technologies directly on mobile devices, promoting an accessible and economically viable solution. This dissertation analyzes the computational, thermal, and energy performance of deep learning algorithms applied to smartphones for ADAS, taking into account resource limitations and real-time processing requirements. In addition to a systematic literature review, an experimental analysis was conducted using standardized benchmarks (AI Benchmark and Burnout Benchmark) and an ADAS application developed specifically for this study. The experiments covered devices from different categories (premium, mid-range, and entry-level), highlighting significant differences in sustained performance, energy efficiency, and real-time inference capability. The results demonstrated that smartphones equipped with dedicated hardware accelerators, such as GPUs and NPUs, exhibit superior performance and greater efficiency in realistic usage scenarios. Finally, practical recommendations were presented for technical optimization of the models to improve their viability in real applications, directly contributing to advances in vehicle safety and mobile computing.-
Descrição: dc.descriptionOs Sistemas Avançados de Assistência ao Condutor (ADAS) têm ganhado relevância crescente na indústria automotiva, com o objetivo de aprimorar a segurança e o conforto na condução. Paralelamente, o avanço da Inteligência Artificial (IA) e a evolução dos smartphones abriram novas oportunidades para implementar essas tecnologias diretamente em dispositivos móveis, promovendo umasoluçãoacessível e economicamente viável. Esta dissertação analisa o desempenho computacional, térmico e energético de algoritmos de aprendizado profundo aplicados emsmartphones para ADAS, levando em consideração as limitações de recursos e as exigências de processamento em tempo real. Além da revisão sistemática da literatura, realizou-se uma análise experimental utilizando benchmarks padronizados (AI Benchmark e Burnout Benchmark) e uma aplicação ADAS desenvolvida especificamente para este estudo. Os experimentos abrangeram dispositivos de diferentes categorias (premium, intermediário e básico), destacase diferenças significativas no desempenho sustentado, eficiência energética e capacidade de inferência em tempo real. Os resultados demonstraram que smartphones equipados com aceleradores de hardware dedicados, como GPUs e NPUs, apresentam desempenho superior e maior eficiência em cenários realistas de uso. Por fim, apresentou-se recomendações práticas para otimização técnica dos modelos visando melhorar sua viabilidade em aplicações reais, contribuindo diretamente para avanços na segurança veicular e computação móvel.-
Descrição: dc.descriptionSociais-
Descrição: dc.descriptionTecnológico-
Descrição: dc.descriptionCulturais-
Descrição: dc.descriptionEducacao-
Descrição: dc.descriptionSaude-
Descrição: dc.descriptionTecnologia e produção-
Descrição: dc.descriptionODS 3: Saúde e bem-estar-
Descrição: dc.descriptionODS 9: Indústria, inovação e infraestrutura-
Descrição: dc.descriptionODS 11: Cidades e comunidades sustentáveis-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Federal de Lavras-
Publicador: dc.publisherPrograma de Pós-Graduação em Ciência da Computação-
Publicador: dc.publisherUFLA-
Publicador: dc.publisherbrasil-
Publicador: dc.publisherDepartamento de Ciência da Computação-
Publicador: dc.publisherInstituto de Ciências Exatas e Tecnológicas (ICET)-
Direitos: dc.rightsAttribution 3.0 Brazil-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/3.0/br/-
Palavras-chave: dc.subjectVeículo autônomo-
Palavras-chave: dc.subjectComputação de borda-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectAssistência avançada ao condutor-
Palavras-chave: dc.subjectInternet das Coisas-
Palavras-chave: dc.subjectEdge computing-
Palavras-chave: dc.subjectAutonomous vehicle-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectInternet of Things (IoT)-
Palavras-chave: dc.subjectAdvanced Driver Assistance Systems (ADAS)-
Palavras-chave: dc.subjectCiências Exatas e da Terra-
Título: dc.titleSmartphones como plataforma de inteligência artificial de borda para assistência ao condutor: análise de desempenho computacional, térmico e energético-
Título: dc.titleSmartphones as an Edge Artificial Intelligence Platform for Driver Assistance: Computational, Thermal, and Energy Performance Analysis-
Tipo de arquivo: dc.typedissertação-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.