Faculdade de Engenharia da Computação - FECOMP/CAMTUC
URI Permanente para esta coleção
Campus de Tucuruí /
Bibliotecária: Mayara de Kassia Pinheiro Menezes
Whatsapp: (94) 98199-9226
E-mail: bibliocamtuc@ufpa.br
Facebook: https://www.facebook.com/bibcamtuc/
Instagram: https://www.instagram.com/bcamtuc/
Navegar
Navegando Faculdade de Engenharia da Computação - FECOMP/CAMTUC por Orientador "PINHEIRO, Daniel da Conceição"
Agora exibindo 1 - 9 de 9
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Automação do monitoramento de plantas usando o módulo NodeMCU V3 Esp8266(2022-09-08) BRANDÃO, Ronald dos Santos; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237Nos dias de hoje, é evidente o crescimento da tecnologia em todos os setores da indústria, principalmente no que tange a automação. Através de diversas técnicas e equipamentos, a tecnologia está presente desde o plantio até a colheita das mais variadas culturas agrícolas. Um dos cultivos que está em constante crescimento é o cultivo de hortaliças, desde a subsistência até o nível de comércio. O presente trabalho propõe facilitar o plantio e diminuir o tempo gasto no monitoramento do cultivo de hortaliças através de uma tecnologia que utiliza sensores, atuadores e um microcontrolador que, juntos, produzem um grande custo benefício para quem as cultiva. A tecnologia utiliza sensores de temperatura, de luminosidade e de umidade do solo para medir as condições do ambiente e, através de atuadores, aciona uma lâmpada, uma mini bomba de água e/ou um mini ventilador, para otimizar o cultivo das hortaliças. Os sensores e atuadores podem ser monitorados através de uma aplicação gerenciadora chamada Blynk. Para este trabalho, foi utilizado um microcontrolador chamado NodeMCU V3 Esp8266, para controlar e fazer a ligação de todos os componentes.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Avaliação de modelos de detecção de objetos na identificação de doenças pulmonares e cardíacas em imagens de raio-x torácicos(2024-10-04) PEREIRA, Lucas Vitor Loch; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237As doenças pulmonares e cardíacas representam um dos maiores desafios à saúde pública, sendo responsáveis por uma significativa taxa de mortalidade global, cenário que foi ainda mais agravado pela pandemia de COVID-19, que evidenciou a importância de diagnósticos precoces e precisos. Nesse contexto, a radiografia torácica destaca-se como um dos métodos mais eficazes para a detecção dessas patologias, pois permite uma análise detalhada da caixa torácica, pulmões e coração, fornecendo informações cruciais para o diagnóstico e acompanhamento clínico. Este trabalho propõe uma análise comparativa entre quatro modelos de detecção de objetos — YOLOv5, YOLOv8, Faster R-CNN e RetinaNet — com o objetivo de avaliar qual deles apresenta o melhor desempenho em precisão e sensibilidade na identificação de doenças pulmonares e cardíacas em imagens de raio-X torácico. A pesquisa examina as características específicas de cada modelo, considerando a eficácia na identificação de diversas patologias, como atelectasia, cardiomegalia, efusão, infiltração e pneumonia, e explora as métricas de avaliação, como precisão, sensibilidade e taxa de falsos positivos, para determinar qual modelo se destaca na prática clínica. Os resultados esperados visam contribuir para o avanço da detecção automatizada dessas doenças, oferecendo uma base sólida para a implementação de tecnologias de inteligência artificial em ambientes clínicos, com o intuito de melhorar a acurácia dos diagnósticos e, consequentemente, os desfechos dos pacientes.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Detecção de EPI's com ferramenta de visão computacional(2024-11-27) OLIVEIRA, Matheus da Silva; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237Este trabalho de conclusão de curso aborda o desenvolvimento de um sistema de reconhecimento de Equipamentos de Proteção Individual (EPIs) utilizando a técnica YOLO (You Only Look Once). A detecção automática de EPIs em ambientes de trabalho é fundamental para garantir a segurança dos trabalhadores e cumprir com as normas regulamentares de segurança. O uso de EPIs, como capacetes, luvas, coletes reflexivos e óculos de proteção, é essencial em diversos setores, especialmente na construção civil e na indústria. No entanto, a fiscalização manual do uso desses equipamentos pode ser ineficiente e suscetível a erros humanos. O YOLO é um dos algoritmos mais avançados para detecção de objetos em tempo real, conhecido por sua alta velocidade e precisão. Este projeto envolveu a coleta e anotação de um conjunto de dados de imagens de trabalhadores equipados com diversos EPIs. As imagens foram cuidadosamente selecionadas para representar uma ampla gama de cenários e condições de iluminação, garantindo a robustez do modelo. O algoritmo YOLO foi então treinado com esses dados, utilizando técnicas de aprendizado profundo para ajustar seus parâmetros e otimizar seu desempenho. Durante o processo de treinamento, várias estratégias foram implementadas para melhorar a precisão do modelo. Após o treinamento, o modelo foi testado em um conjunto de dados de validação para avaliar sua capacidade de reconhecer corretamente os EPIs nas imagens. Os resultados foram analisados com base em métricas como precisão, recall e F1-score, demonstrando a eficácia do modelo desenvolvido.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Monitoramento inteligente de fadiga: detecção de sonolência em motoristas com IA e visão computacional para aumentar a segurança no trânsito(2024-11-28) COSTA, Leonardo Cabral da; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237A fadiga que provoca sinais de sonolência em motoristas é uma das principais causas de acidentes de trânsito. Esses sinais se manifestam em diferentes níveis de gravidade, e quanto maior o nível, maior o risco de acidentes. Este trabalho apresenta um método baseado em inteligência artificial, aprendizado de máquina, aprendizado profundo e visão computacional para desenvolver um sistema capaz de identificar sinais de sonolência e emitir alertas proporcionais ao nível de fadiga detectado. Com o uso da ferramenta YOLO (You Only Look Once), amplamente reconhecido por sua eficácia em detecção de objetos em tempo real, foi desenvolvido um modelo para reconhecer sinais de sonolência em motoristas. O processo de construção do modelo incluiu etapas essenciais, como a coleta de imagens e o treinamento do modelo. Após o treinamento, o modelo foi submetido a testes, que mostraram sua eficiência em detectar sinais de fadiga e seus resultados foram avaliados por meio de métricas estatísticas, verificando sua precisão na identificação dos diferentes níveis de fadiga. Com base nesses sinais, o sistema pode alertar o motorista em casos de fadiga acentuada, atuando como uma ferramenta preventiva para aumentar a segurança no trânsito. Assim, o sistema contribui para a redução de acidentes relacionados à sonolência.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Reconhecimento de uso de EPI e controle de acesso por meio de visão computacional utilizando técnicas de aprendizagem de máquina(2023-03-30) SANTOS, Vigner Vieira dos; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237Para o ser humano realizar o reconhecimento dos equipamentos de proteção individual pode ser uma habilidade natural. Já para no meio virtual não é uma tarefa tão fácil. A linguagem de máquina para reconhecimento de objetos envolve muitos cálculos e exige grande capacidade de processamento. No entanto, com a evolução da capacidade de processamento dos computadores e evolução de algoritmos, realizar essa atividade já é possível. Nesse sentido, o objetivo do trabalho foi construir um sistema de reconhecimento de equipamento de proteção individual (EPI) através de técnicas de aprendizagem de máquina. Além de fazer uma pesquisa avaliativa com abordagem quantitativa por meio de quatro grandes etapas metodológicas no processo de pesquisa para selecionar uma técnica de Machine Learning para ser aplicado no sistema de controle de acesso. O projeto desenvolvido, a estrutura base está atrelada nas técnicas K-Vizinhos Mais Próximos e as redes neurais residuais com arquitetura ResNet-50. As técnicas foram construídas com finalidade identificar a presença dos EPIs. É apresentada avaliações das técnicas por meio de métricas estatísticas e de Machine Learning. Por fim, é realizada a simulação do controle de acesso para fiscalizações de equipamento proteção individual.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Sistema de controle e monitoramento de vazão(2025-03-11) ALMEIDA, Victor Vinícius Eustáquio de; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237Esta monografia trata do desenvolvimento de um sistema de controle e monitoramento de vazão para a gestão eficiente do consumo de água em banheiros, utilizando tecnologias de sistemas embarcados. O principal objetivo é desenvolver um sistema capaz de acionar a água em mictórios de forma autônoma e monitorar, em tempo real, a vazão, o que resulta em economia financeira e na redução dos impactos ambientais ao limitar o desperdício hídrico. O sistema foi desenvolvido com sensores de presença, sensor de fluxo, microcontrolador (NodeMCU ESP32 ), relé de controle e válvula solenoide. A programação do hardware foi realizada na plataforma de desenvolvimento Arduino. Esse hardware opera em conjunto com um banco de dados PostgreSQL e um servidor web em Node.js. O diferencial do sistema esta na abrangência das tecnologias utilizadas, que incluem desde sistemas embarcados para a coleta de dados ate uma plataforma web com interface para visualiza ̧c ̃ao, controle e analise das informações.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Sistema de reconhecimento automático de placas veiculares utilizando visão computacional(2024-12-05) HORA, Breno Aires da; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237Este trabalho apresenta a detecção e o reconhecimento de placas de identificação veicular com uso de técnicas de visão computacional aplicadas à fiscalização de trânsito. Foi criado um conjunto de dados próprio com placas brasileiras, isso inclui as etapas de gravação, seleção e anotação de imagens, combinado a um conjunto de dados internacional para o treinamento de variantes do modelo YOLO, seguido de uma análise do desempenho geral desses modelos. Além da detecção de placas, o reconhecimento óptico de caracteres (OCR) foi realizado com os modelos EasyOCR e PaddleOCR, enquanto esse último foi o mais eficiente. Os experimentos mostraram que o modelo YOLOv8s-gb superou o YOLOv5su-g em confiança média, sensibilidade média e tempo de processamento. A combinação do PaddleOCR com o YOLOv8s-gb e YOLOv5su-g aplicados a um total de 460 placas, resultou no reconhecimento de 244 e 208, respectivamente, enquanto o EasyOCR reconheceu 118 e 89 placas nos mesmos cenários. O estudo destaca a importância de conjuntos de dados específicos para aprimorar modelos de visão computacional em contextos locais, isso contribui para o avanço do reconhecimento automático de placas veiculares no Brasil.Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina(2022-01-31) SANTOS, Vagner Vieira dos; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237O trabalho propõe estudos na área de aprendizado de máquina para reconhecimento facial. A implementação de um sistema de identificação pessoal visa comparar fluxos de informação contidos em conjuntos de dados obtidos a partir do processamento de vídeos e fotos de indivíduos como mecanismo de prevenção de fraudes. A tecnologia de redes neurais é usada para criar embeddings (representação vetorial de características faciais) de rostos, extraindo rostos de fotos. Assim, são utilizados modelos previamente treinados em bancos de dados massivos, como OpenFace e Facenet, pois são validados e demonstram resultados científicos com alto índice de eficácia. Vale ressaltar que os procedimentos foram aplicados e comparados com diferentes classificadores como Support Vector Machine (SVM), k-Nearest Neighbors (KNN) e Convolutional Neural Network (ConvNet). Os resultados adquiridos foram baseados no processo de comparação entre programação Python via Jupyter Notebook e Orange Software versão 3.29.3. Os testes realizados mostraram resultados positivos e promissores.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Uso de sistemas generalistas de reconhecimento de imagem na diferenciação de lesões de pele(2025-03-31) GIORDANO, Gabriel Ventura; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237O presente trabalho trata do uso de ferramentas de processamento e classificação de imagem na distinção entre dois diferentes tipos de lesão de pele (nevos e melanoma). Primeiramente, os subconjuntos de dados foram rotulados, um modelo de classificação de imagens foi treinado utilizando os dados rotulados, e por fim, a validação do modelo foi feita usando o conjunto completo de dados. As imagens utilizadas vieram de um banco de imagens médicas disponibilizadas publicamente, que foram processadas usando o YOLO11, uma ferramenta de treinamento de modelos para reconhecimento de imagem. O modelo chegou a alcançar uma taxa de acerto de 67% no conjunto de melanoma e 87% no conjunto de nevos na classificação dessas lesões.