IoT de Baixo Custo com ESP32 e MQ-3 para Redução de Perdas de FLV em Recipientes Dedicados

• Pablo Henrique Luiz de Oliveira Faculdade SENAI Fatesg
• Luca Atanazio Evangelista Faculdade SENAI Fatesg
• Willgnner Ferreira Santos Faculdade SENAI Fatesg
• Alisson Rodrigues Alves Faculdade SENAI Fatesg

DOI: https://doi.org/10.5753/sbcup.2026.23078

Resumo

A ineficiência operacional no varejo brasileiro atinge 5,83% no setor de Frutas, Legumes e Verduras (FLV), com produtos climatéricos como tomate e banana como principais fontes de perda pela liberação de etileno (C₂H₄) sob armazenamento inadequado. Este trabalho propõe um sistema Internet of Things (IoT) de baixo custo com ESP32 e sensores de temperatura (T), umidade relativa (UR) (DHT11) e gases voláteis (MQ-3), com filtro Média Móvel Exponencial (EMA) (α = 0,1) para manter oscilações abaixo de 100 pontos conversor analógico-digital (ADC). Pipeline de machine learning com SHAPley Additive exPlanations (SHAP) confirmou o MQ-3 como variável dominante na detecção de risco, alcançando acurácia global de 82% no conjunto independente de teste, com F1-Score médio em validação cruzada de 0,9753± 0,0071 e Weighted F1-Score de 0,83. A solução visa reduzir perdas por antecipação de risco, otimizar a logística e subsidiar modelos preditivos de vida útil remanescente.

Referências

ASSOCIACAO BRASILEIRA DE SUPERMERCADOS (2025). Pesquisa de eficiência operacional: Resultados 2025. Acesso em: 10 nov. 2025.

Chandrasekaran, N. et al. (2022). Iot sensor-based gas detection device for stored fruits. Plant Archives, 22(1):750–756. Acesso em: 17 nov. 2025.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATISTICA (2025). Levantamento sistemático da produção agrícola (lspa). Acesso em: 10 nov. 2025.

Ismail, A. H. et al. (2021). Smart banana quality tracking and monitoring system via wifi with database. In International Conference on Computer and Drone Application (IConDA), MARA. Acesso em: 17 nov. 2025.

Liu, X., Shiomi, S., Nakatsuka, A., Kubo, Y., Nakamura, R., and Inaba, A. (1999). Characterization of ethylene biosynthesis associated with ripening in banana fruit. Plant physiology, 121(4):1257–1265.

Paul, V., Pandey, R., and Srivastava, G. C. (2012). The fading distinctions between classical patterns of ripening in climacteric and non-climacteric fruit and the ubiquity of ethylene—an overview. Journal of food science and technology, 49(1):1–21.

Payasi, A. and Sanwal, G. (2010). Ripening of climacteric fruits and their control. Journal of food Biochemistry, 34(4):679–710.

Pranav, S. B. N., Kumar, T. K., Prakash, J. H., Sharan, S., and Ganesan, M. (2021). Freshness estimator for fruits and vegetables using mq sensors. In 2021 International Conference on Advances in Computing and Communications (ICACC), pages 1–6. IEEE.

Silva, J. (2020). Sistema de iot para monitoramento da maturação de frutas por cor e gás etileno. Acesso em: 17 nov. 2025.

Wang, H. et al. (2023). Response characteristics study of ethylene sensor for fruit ripening under temperature control. Sensors, 23(11):5203. Acesso em: 17 nov. 2025.