MSI-sensor — imagem multiespectral proximal por LEDs discretos para solo e microbiota

O MSI-sensor (Multispectral Imaging Sensor) é uma plataforma open-source de imagem multiespectral proximal por iluminação ativa sequencial: LEDs de banda estreita excitam a amostra $\lambda$ a $\lambda$; uma CMOS USB registra reflectância difusa ou, sob UV, autofluorescência endógena. Quatro bandas estão implementadas — $400$, $450$, $530$ e $620\,\mathrm{nm}$ (firmware_v2 adiciona IR no GPIO4) — a USD 50–200, contra USD 30.000–150.000 de espectroscopia Vis-NIR–SWIR contínua. A hipótese é a mesma do sensoriamento remoto discreto, agora em bancada: se cada LED cair sobre um cromóforo ou fluoróforo conhecido, índices, Kubelka–Munk, PCA e textura GLCM bastam para contraste interpretável sem o cubo hiperespectral.

Neste post documentamos calibração radiométrica (dark frame), a transformação $K/S$, os índices de solo (BI, CI, RI, IOI) e os resultados de uma sessão com bipartição espacial em CI/KM e PCA equilibrada ($\mathrm{PC1}$–$\mathrm{PC4}$ $\sim 32$–$17\%$). No domínio microbiano, o pipeline label-free detecta e espacializa 44 colônias via MAI, Redox_Ratio e Diversity. Em carne, o dual UV–vermelho já produz mapas de contraste pigmento/gordura — precursor do Atomos de cinco bandas. Distinguimos o hardware vigente do design JCDE aspiracional (8 LEDs, $365$–$940\,\mathrm{nm}$, PLSR/RF para SOC) e posicionamos o MSI-sensor como bancada de métodos espectrais replicáveis frente à plataforma irmã robótica.

Genealogia da linha: DIY 660+850 nm (precursor teórico, simulação) → MSI-sensor (este post: bancada de métodos) → Atomos MSI (SCARA + 5 bandas). O orçamento radiométrico do cabeçote LED é dimensionado no forward model de iluminação.

---

1. Problema e motivação científica

Métodos químicos úmidos e espectroscopia Vis-NIR–SWIR contínua predizem SOC ($R^2\approx 0{,}70$–$0{,}87$), textura e óxidos de ferro com alta fidelidade, porém com custo e throughput incompatíveis com varredura densa em campo ou linha de abate. Sensores LED discretos trocam resolução espectral por seletividade física: cada $\lambda$ é escolhida sobre um cromóforo ou fluoróforo conhecido (goethita $\sim 480\,\mathrm{nm}$, hematita $\sim 530$ e $860\,\mathrm{nm}$, excitação de ácidos húmicos $\sim 360\,\mathrm{nm}$, água $\sim 970\,\mathrm{nm}$).

No semiárido brasileiro (Cerrado/Caatinga, Piauí), a biblioteca espectral estadual é densa em SWIR e pobre em Vis-NIR — lacuna que o manuscrito JCDE do projeto visa fechar. Em paralelo, a tipificação de carcaças (MAPA IN 9/2004) e a qualidade de carne demandam descritores objetivos de superfície; RGB de banda larga é insuficiente, HSI é caro. MSI proximal ocupa o meio-termo.

Formulamos quatro questões:

1. Q1 — Um cubo de quatro bandas LED, com dark frame e normalização radiométrica relativa, reproduz índices clássicos de solo (brilho, coloração, óxidos) com contraste espacial interpretável?
2. Q2 — Sob excitação UV/azul/verde, a autofluorescência endógena (NADH, FAD, porfirinas) permite detectar e espacializar colônias microbianas label-free?
3. Q3 — O par UV–vermelho discrimina contraste mioglobina/gordura em carne via Kubelka–Munk e índices normalizados, como precursor do pipeline Atomos de cinco bandas?
4. Q4 — Quais lições de calibração e interpretação (PIXL/SHERLOC; Ce³⁺ vs organics) transferem do sensoriamento planetário para solos tropicais ricos em fosfatos/REE?

O MSI-sensor é tratado como instrumento de aquisição e análise exploratória, não como espectrorradiômetro absoluto. Reflectâncias são relativas à sessão na implementação atual; PLSR de SOC permanece no roadmap.

---

2. Fundamentos: sensoriamento remoto proximal e espectroscopia

2.1 Iluminação ativa e aquisição sequencial

Em MSI orbital/aéreo, a fonte é o Sol e as bandas são filtros ou detectores sintonizados. Aqui a fonte é ativa e estreita: um LED por quadro elimina a necessidade de filtro sintonizável, ao custo de tempo de ciclo e da resposta espectral da câmera RGB/Bayer. O protocolo operacional é:

1. Dark frame (todos os LEDs off);
2. UV $400\,\mathrm{nm}$ → azul $450$ → verde $530$ → vermelho $620$;
3. Delay LED–câmera $\geq 500\,\mathrm{ms}$ (configurável $100$–$5000\,\mathrm{ms}$);
4. ROI opcional; exportação frames/, figures/ (PDF+PNG 300 DPI), metadata.json, CSV.

Os quatro quadros brutos abaixo ilustram o ponto de partida de qualquer sessão: a mesma cena sob quatro iluminantes. Em UV ($400\,\mathrm{nm}$), a textura do substrato aparece com contraste elevado e manchas escuras pontuais — regiões de forte absorção ou de emissão fraca no canal de detecção. Em azul ($450\,\mathrm{nm}$) e verde ($530\,\mathrm{nm}$), a morfologia das mesmas manchas persiste, mas o fundo clareia, coerente com maior reflectância difusa no Vis. Em vermelho ($620\,\mathrm{nm}$), o campo torna-se mais homogêneo e as manchas perdem contraste relativo: o cromóforo que dominava o UV/azul contribui menos nessa banda. Essa persistência espacial com variação radiométrica é o que autoriza índices por razão e diferenças normalizadas — o objeto é o mesmo; o que muda é a interação luz–matéria.

2.2 Calibração radiométrica

Implementação atual (Smith & Milton, 1999, simplificado — sem painel branco obrigatório):

$$R(\lambda)=\frac{DN_{\mathrm{sample}}-DN_{\mathrm{dark}}}{\max(DN_{\mathrm{sample}}-DN_{\mathrm{dark}})}\,R_{\mathrm{panel}}, \qquad R_{\mathrm{panel}}=1$$

por default. O design JCDE especifica flat-field completo com referência:

$$R(\lambda_i)=\frac{I_{\mathrm{raw}}(\lambda_i)-I_{\mathrm{dark}}}{I_{\mathrm{ref}}(\lambda_i)-I_{\mathrm{dark}}}\,R_{\mathrm{panel}}.$$

PIXL (Mars 2020) reporta erro médio de 0,4% após modelar o perfil angular do LED — lição direta para repetibilidade PWM/duty no MSI-sensor.

2.3 Kubelka–Munk

Para meios ópticos opacos (solo, carne), a razão absorção/espalhamento é

$$\frac{K}{S}=\frac{(1-R)^{2}}{2R},$$

com $R$ limitado a $[10^{-4},1]$ e $K/S$ a $[0,100]$ no código (linearidade falha acima de $K/S\approx 4$; Torrent & Barrón, 1993).

2.4 Índices normalizados e PCA

A família genérica de diferenças normalizadas

$$\mathrm{NDI}_{i,j}=\frac{R_i-R_j}{R_i+R_j}$$

une índices de vegetação/solo em RS e os índices UV–vermelho do MSI-sensor. A PCA sobre pixels válidos,

$$\mathbf{z}=\mathbf{W}^{\top}(\mathbf{x}-\boldsymbol{\mu}),$$

reduz o cubo a scores espaciais e loadings espectrais — análogo à compressão de cubos hiperespectrais.

2.5 UV: fluorescência, reflectância e o caveat Ce³⁺

Sob UV, o sinal misturado inclui reflectância e autofluorescência. O JCDE motiva $365\,\mathrm{nm}$ para ácidos húmicos (emissão FA $\sim 440\,\mathrm{nm}$, HA $\sim 520\,\mathrm{nm}$):

$$\mathrm{FLR}_{\mathrm{HA/FA}}=\frac{I_{\mathrm{green}}^{365}}{I_{\mathrm{blue}}^{365}}.$$

A revisão PIXL/SHERLOC alerta: luminescência 330–350 nm em Jezero correlaciona-se com Ce³⁺ em fosfatos, não necessariamente com organics. Em solos tropicais ricos em REE/fosfatos, fluorescência UV ≠ biologia sem contexto mineralógico (Q4).

---

3. Arquitetura do instrumento

3.1 Hardware implementado

• MCU: ESP32-C3 SuperMini; PWM 1 kHz, 10 bit (0–1023); BLE MSI-LED-UV.
• Driver: S8050 NPN + 1 kΩ base → +5 V.
• Câmera: USB CMOS $1920\times 1080$, ~90 µm/pixel a ~150 mm (JCDE).

3.2 Design JCDE (8 bandas — documento)

Metas de validação: RPD $\geq 2{,}0$ para SOC e Fe; acurácia textural USDA $\geq 85\%$. Status: design e fundamentação; PLSR empírico TBD.

3.3 Firmware e software

A assinatura espectral média (painel metodológico) resume o comportamento radiométrico típico ao longo das bandas discretas. O perfil exibe pico relativo no azul ($\sim 450\,\mathrm{nm}$), vale profundo no verde ($\sim 525$–$530\,\mathrm{nm}$) — coerente com absorção de pigmentos (mioglobina em carne; óxidos/MO em solo) — e recuperação parcial no vermelho ($\sim 630\,\mathrm{nm}$), com tendência a cair de novo no NIR ($\sim 850\,\mathrm{nm}$) quando essa banda está disponível. As barras de erro largas não são ruído de sensor apenas: refletem heterogeneidade espacial da amostra (manchas, textura, iluminação residual), o mesmo fenômeno que os mapas de índices espacializam.

Como a câmera é CMOS RGB com filtro Bayer, cada quadro LED é lido através de três canais de cor. As frações normalizadas $R/(R+G+B)$, $G/(R+G+B)$ e $B/(R+G+B)$ mostram que o canal vermelho carrega a maior parte do contraste textural sob iluminação Vis, enquanto o verde contribui pouco à cromaticidade relativa e o azul ocupa posição intermediária. Essa assimetria importa metodologicamente: o “cubo multiespectral” do MSI-sensor não é monocromático por banda; é uma projeção da resposta LED filtrada pelo Bayer. Índices que misturam UV e vermelho herdam essa cadeia — daí a necessidade futura de correção de resposta espectral da câmera e, no design JCDE, de filtro IR-cut retrátil.

---

4. Protocolo de solo — índices e resultados

4.1 Índices clássicos (UV + vermelho)

Estendidos em 4 bandas: BI4, NDVI_rg, VARI, ExG, GLI, NGRDI, Slope_VIS (regressão linear por pixel em 400–620 nm). Complementos: CIE L*a*b*, GLCM (Haralick), compositos RGB/CIR/UV-enhanced.

4.2 Sessão solo 4 bandas — leitura dos resultados

Cubo $871\times 932\times 4$ (soil_analysis_20260421_011221). O painel-resumo agrega bandas calibradas, índices, compositos, colorimetria e PCA numa única vista de sessão: é o artefato operacional que o analista inspeciona antes de exportar CSV. A amostra é escura em L* ($3{,}6$), com a* positivo ($10{,}5$) e b* moderado ($5{,}6$) — tipicamente associada a solos ricos em óxidos/MO, não a areias claras.

Os seis mapas de índices clássicos respondem diretamente a Q1. O BI (média $0{,}056\pm 0{,}080$) é baixo e pontilhado: o fundo claro com manchas escuras indica brilho global reduzido e heterogeneidade local — coerente com umidade superficial ou agregados escuros. O CI (média $-0{,}168$) revela uma fronteira diagonal azul→vermelho: à esquerda/topo o UV domina relativamente ($CI<0$); à direita/base o vermelho domina ($CI>0$). Essa bipartição espacial não é artefato de um único pixel ruidoso — reaparece no KM_Diff (média $-12{,}2$), com sinal oposto de $K/S$ UV vs vermelho nos mesmos hemisférios da cena. Em termos de sensoriamento remoto de solos áridos, CI e razões Red/UV são proxies de coloração e óxidos (Escadafal; Mathieu); aqui o MSI-sensor reproduz o mesmo formalismo em escala de bancada, com contraste espacial interpretável.

O RI (média $\sim 43$) e o IOI (média $3{,}64\pm 6{,}27$) concentram valores altos à esquerda — “hot spots” de vermelhidão/óxido — e fundo baixo à direita. O desvio-padrão elevado do IOI é esperado: razões $R_{\mathrm{red}}/R_{\mathrm{uv}}$ tornam-se instáveis quando $R_{\mathrm{uv}}\to 0$ (sombra, poro, LED fora do eixo). O mapa A_UV (média $4{,}40$) é mais homogêneo, com manchas de maior pseudo-absorbância no canto superior — candidato a enriquecimento local de matéria orgânica ou umidade, a validar quimicamente.

Os compositos falso-cor traduzem o cubo para leitura visual no estilo RS. O RGB (R=red, G=green, B=blue) mostra manchas vermelhas, verdes e azuis sobre fundo escuro — referência “aparente”. O análogo CIR (R=UV, G=red, B=green) realça estruturas que refletem/emitem no UV como se fossem o canal vermelho clássico de color-infrared. O UV-enhanced (B=UV) desloca o contraste para o azul. O painel KM ($K/S$ por banda) é o mais discriminativo: magenta/ciano/laranja separam regiões por absorção relativa, não por brilho bruto — exatamente o papel da transformação Kubelka–Munk em meios opacos. O Red–UV Diff isola pontos de máximo contraste entre $620$ e $400\,\mathrm{nm}$, úteis para marcar anomalias pontuais (agregados, colônias, artefatos de sombra).

A PCA sobre os quatro canais confirma que a variância não colapsa num único eixo de brilho. PC1 explica $\sim 32{,}4\%$, PC2 $\sim 29{,}4\%$, PC3 $\sim 21{,}5\%$, PC4 $\sim 16{,}8\%$ — distribuição relativamente equilibrada para $n_{\mathrm{bandas}}=4$, indicando que cada LED carrega informação não redundante. O mapa de scores PC1 é predominantemente próximo de zero, com hot spots positivos/negativos pontuais (anomalias espectrais locais). PC2 espacializa um padrão distinto (concentração de scores altos no topo-direita vs. baixos no inferior), sugerindo um segundo modo de variação — tipicamente textura/umidade ou uma segunda fase mineral — ortogonal ao primeiro. Em RS hiperespectral, PCA serve à compressão; aqui, com apenas quatro bandas, serve sobretudo a visualizar eixos de contraste antes de qualquer modelo supervisionado (PLSR) do roadmap JCDE.

---

5. Protocolo microbiano — autofluorescência

5.1 Índices de atividade (10)

Calibração $F=(DN-DN_{\mathrm{dark}})/\max(\cdot)$, clip $[0,1]$.

Detecção espacial: Otsu + componentes conectados; área mínima 50 px; Clark–Evans $R=\bar{d}_{\mathrm{NN}}/(0{,}5/\sqrt{\rho})$.

5.2 Sessão microbiana — leitura dos resultados

Sessão microbial_analysis_20260421_005915 (ROI $573\times 191$–$1311\times 882$). O painel-resumo organiza o argumento em três camadas, no mesmo espírito de um produto de RS: (i) bandas brutas de fluorescência/reflectância; (ii) índices bioquímicos espacializados; (iii) estatística populacional das colônias.

Na primeira linha, UV/azul/verde/vermelho mostram o mesmo campo pontilhado sob quatro excitação–detecção. A assinatura média da ROI tem máximo em $\sim 530\,\mathrm{nm}$ ($\sim 0{,}12\,\mathrm{a.u.}$) e mínimos relativos em $400$ e $620\,\mathrm{nm}$ ($\sim 0{,}05$), com barras de erro largas — heterogeneidade entre colônias e fundo, não apenas ruído eletrônico. Na segunda linha, o MAI destaca hot spots ciano/brancos sobre fundo escuro: candidatos a focos de atividade NADH. O Redox_Ratio (média $0{,}62\pm 0{,}22$) exibe gradiente azul→vermelho na cena, sugerindo variação espacial do estado redox (FAD vs NADH), não um campo uniforme. O Porph_Index concentra speckles à esquerda — possível enriquecimento local de porfirinas, a interpretar com o caveat Ce³⁺/fosfatos quando o substrato for solo mineral. O mapa Diversity ($0{,}84\pm 0{,}29$) é o mais texturizado: alta razão $\mathrm{std}/\mathrm{mean}$ entre bandas marca pixels espectralmente “ricos”, tipicamente bordas de colônia ou misturas.

Na terceira linha, o histograma de tamanhos com $n=44$ é assimétrico à direita: a maioria das colônias é pequena (bin inicial), com cauda até áreas $\gtrsim 8000\,\mathrm{px}$. Isso é coerente com crescimento colonial heterogêneo e com o limiar de área mínima (50 px) do detector Otsu+CC. Resposta a Q2: o pipeline label-free detecta e espacializa estruturas fluorescentes e deriva índices de atividade; a atribuição taxonômica/metabólica definitiva exige pareamento cultural ou molecular — fora do escopo desta sessão.

Isolando os mapas de atividade: o MAI opera como detector de contraste metabólico pontual; o Redox_Ratio como campo contínuo de estado oxidativo; a Diversity como mapa de heterogeneidade espectral. Juntos, argumentam que a informação útil não está só na média da ROI — está na geografia da fluorescência, análogo a mapas de índices de vegetação em RS, agora em escala milimétrica.

O mapa de fluorescência calibrada em UV ($F_{\mathrm{uv}}$) é a base radiométrica desses índices: após dark subtraction e normalização, as colônias aparecem como anomalias positivas sobre o substrato. O painel UV de análise (JCDE) contextualiza o mesmo formalismo — excitação UV e emissão Vis — no desenho de 8 bandas e na literatura de ácidos húmicos, reforçando que o hardware de 400 nm é um compromisso operacional em relação ao pico $\sim 360\,\mathrm{nm}$ idealizado.

---

6. Protocolo de carne — dual UV–vermelho

Com apenas $400$ e $620\,\mathrm{nm}$:

6.1 Sessão carne — leitura dos resultados

Sessão meat_analysis_20260417_164404 ($812\times 620\times 2$). O painel-resumo é o argumento completo de Q3 em uma figura. Na base espectral, $R_{\mathrm{uv}}$ médio ($0{,}71$) supera $R_{\mathrm{red}}$ ($0{,}42$): a curva média desce de 400 para 620 nm — oposto ao perfil típico de músculo vermelho fresco saturado em OxiMb (que reflete mais no vermelho). Isso sugere superfície com contribuição de gordura/pele ou estado oxidado, e já condiciona a interpretação dos limiares Atomos calibrados em bovino.

Os mapas de absorbância em $620\,\mathrm{nm}$, Fat_UV, UVR_ND (NDMI no painel) e $\Delta K/S$ espacializam o contraste químico–óptico: regiões de maior $A_{620}$ coincidem com pigmento absorvente; Fat_UV e UVR_ND separam fases claras/escuras na textura do corte. A colorimetria CIE reforça a leitura: L* $\approx 59$ (relativamente claro), a* $\approx 53$ (forte componente vermelho–verde), b* $\approx 38$, croma $C^*\approx 66$ — amostra cromaticamente saturada, não cinza. O diagrama a*–b* concentra a nuvem de pixels no quadrante vermelho–amarelo típico de carne. Na PCA desta sessão dual-banda, PC1 explica $\sim 87{,}8\%$ e PC2 $\sim 12{,}2\%$: com só duas bandas, quase toda a variância colapsa num eixo de contraste UV↔vermelho (estrutura tecido / pigmento), e PC2 captura residual fino (umidade local, sombra, textura).

O painel dedicado de índices de qualidade isola as fórmulas com valores médios por mapa — artefato de comunicação científica paralelo aos mapas de solo. Em conjunto: o dual UV–vermelho já produz descritores espacializados de contraste pigmento/gordura; não substitui as cinco bandas Atomos nem a partição Krzywicki, mas valida o MSI-sensor como bancada de método antes da integração robótica.

---

7. Enquadramento em sensoriamento remoto e ecossistema

Embora seja proximal de bancada, o MSI-sensor replica o paradigma de RS multiespectral discreto:

Posição no ecossistema carcass_quality (e na série deste blog):

---

8. Parâmetros do protocolo

---

9. Limitações e validade

1. Calibração relativa. Sem Spectralon/BaSO₄ sistemático, $R$ não é absoluto entre sessões.
2. Design ≠ hardware. JCDE descreve 8 bandas e PLSR; o repo opera em 4 bandas; SOC não validado empiricamente.
3. Câmera Bayer. O cubo deriva de grayscale/frações RGB — não de monocromador.
4. Índices instáveis em sombra. RI, IOI, Porph_Index explodem quando $R_{\mathrm{uv}}\to 0$.
5. UV 400 vs 365 nm. Excitação húmica subótima em relação ao pico ~360 nm.
6. Fluorescência misturada. Sem filtro de emissão dedicado; sinal UV mistura reflectância e fluorescência.
7. Caveat Ce³⁺/REE. Interpretação biológica de UV exige contexto mineralógico (Q4).
8. Amostragem. Sessões documentadas são $n=1$ por tipo; sem Walkley–Black, cultura microbiana ou TVB-N pareados.

---

10. Direções de pesquisa

• Flat-field com painel $R\approx 0{,}99$; caracterizar perfil angular do LED (lição PIXL 0,4%).
• Completar 8 bandas JCDE; integrar IR 850 nm alinhado ao Atomos; filtro IR-cut retrátil.
• Validação em solos do Piauí ($n\geq 50$): SOC, textura pipeta, Fe DCB; PLSR/RF com RPD $\geq 2$.
• Resampling BSSL Vis-NIR para bandas discretas do sensor.
• Separação óptica de fluorescência (filtros de emissão) e teste Ce³⁺ em solos fosfatados.
• Export CSV multibanda compatível com Atomos ↔ segmentação de carcaça; fusão espectral–morfológica para IN 9/2004.
• Laço multiangular (visual servoing SCARA) sobre as mesmas bandas.

---

11. Conclusão

No âmbito do sensoriamento remoto proximal e da espectroscopia de imagem, o MSI-sensor formaliza a tese de que poucas bandas LED, fisicamente motivadas e adquiridas sequencialmente, bastam para extrair assinaturas de óxidos de ferro, matéria orgânica, autofluorescência microbiana e contraste mioglobina/gordura — com custo orders of magnitude inferior à espectroscopia contínua. Os ensaios de solo (índices + PCA), microbiota (44 colônias) e carne (UV–vermelho) respondem exploratoriamente a Q1–Q3; a revisão PIXL condiciona Q4: fluorescência UV exige cautela mineralógica. O instrumento não substitui o espectrorradiômetro nem o Atomos de produção — fornece o núcleo metodológico open-source sobre o qual o roadmap de 8 bandas, PLSR e fusão com tipificação de carcaças pode ser testado. A validade quantitativa depende, daqui em diante, de radiometria absoluta, pareamento químico multi-amostra e alinhamento banda-a-banda com o hardware Atomos.

---

Referências

• Kubelka, P., & Munk, F. (1931). Ein Beitrag zur Optik der Farbanstriche. Zeitschrift für technische Physik, 12, 593–601.
• Smith, G. M., & Milton, E. J. (1999). The use of the empirical line method to calibrate remotely sensed data to reflectance. International Journal of Remote Sensing, 20(13), 2653–2662.
• Escadafal, R. (1989). Remote sensing of arid soil surface color with Landsat thematic mapper. Advances in Space Research, 9(1), 159–163.
• Mathieu, R., Pouget, M., Cervelle, B., & Escadafal, R. (1998). Relationships between satellite-based radiometric indices simulated using laboratory reflectance data and typical soil color of an arid environment. Remote Sensing of Environment, 66(1), 17–28.
• Barrón, V., & Torrent, J. (1986). Use of the Kubelka–Munk theory to study the influence of iron oxides on soil colour. Journal of Soil Science, 37(4), 499–510.
• Viscarra Rossel, R. A., Walvoort, D. J. J., McBratney, A. B., Janik, L. J., & Skjemstad, J. O. (2006). Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties. Geoderma, 131(1–2), 59–75.
• Chance, B., et al. (1979). Oxidation-reduction ratio studies of mitochondria in freeze-trapped samples. Journal of Biological Chemistry.
• Allwood, A. C., et al. PIXL instrument documentation / Mars 2020 — UV reflectance LEDs and calibration (revisão em pixl_uv_review.tex).
• Melo, L. S., et al. (2026). Low-Cost LED-Based Multispectral Sensor for Soil Property Estimation Using UV-Vis-NIR Discrete Bands. Manuscrito JCDE / MSI-sensor.
• MSI-sensor. Repositório open-source (MIT). https://github.com/rexionmars/MSI-sensor