- Projeto de Graduação
- Histórico
Projeto de Graduação
A disciplina de Projeto de Graduação tem por objetivo levar o discente, através de trabalho individual em nível de iniciação científica, ao desenvolvimento de sua capacidade criativa na solução de problemas da área de Ciência da Computação. O objetivo da disciplina deverá ser alcançado através da execução de um trabalho individual teórico e prático, no qual deverão ser aplicados os conhecimentos adquiridos pelo discente no decorrer do curso.
Características do trabalho:
- Tratar de Análise Científica, Especificação e/ou Desenvolvimento de Algoritmos, Metodologias, Técnicas, Ferramentas ou Sistemas de Software e/ou Hardware a serem empregadas pela Ciência da Computação, nas áreas de interesse da FIPP - UNOESTE;
- Ter seu assunto proposto por um docente da FIPP - UNOESTE;
- Ter seu plano de trabalho aprovado pela coordenação da disciplina, com parecer favorável da correspondente área;
- Produzir uma revisão bibliográfica sobre o assunto proposto;
- Desenvolver o assunto objeto especificado no ante-projeto, atendendo aos objetivos constantes neste;
Mais informações: projetograduacao@unoeste.br
Acesso ao Sistema
Histórico
Busca projeto por:
CIÊNCIA DA COMPUTAÇÃO
| Aluno | CARLOS VIN?CIUS DEARO DE CARVALHO | 2025 |
| Orientador(es) | Helton Molina Sapia | |
| Área | 1.03.03.04-9 - Sistemas de Informação | |
| Título | MedLog DrugChain: Sistema Blockchain para Logística de Medicamentos | |
| Aluno | DANIEL ELIAS FONSECA RUMIN | 2025 |
| Orientador(es) | Francisco Assis da Silva | |
| Leandro Luiz de Almeida | ||
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Monitoramento ambiental para identificação de queimadas em áreas de vegetação usando imagens de satélite | |
| Resumo | Incêndios florestais representam risco à biodiversidade, à saúde pública e ao equilíbrio ecológico, com eventos cada vez mais frequentes e de maior intensidade no cenário global. A detecção automatizada e antecipada, por meio de imagens de satélite, pode reduzir danos ambientais, permitindo ações rápidas e direcionadas. Este trabalho propõe um sistema para identificar focos de incêndio, áreas queimadas e regiões urbanas em imagens multiespectrais do Landsat-8, utilizando as redes neurais U-Net, VGG e ResNet, visando apoiar o monitoramento ambiental e otimizar decisões em situações críticas, oferecendo precisão e agilidade superiores às técnicas convencionais. O objetivo deste trabalho é implementar e comparar o desempenho das arquiteturas de rede U-Net, VGG e ResNet na segmentação de áreas afetadas por queimadas, identificando a mais eficiente em termos de precisão e tempo de processamento. Foram utilizadas imagens do satélite Landsat-8 com máscaras para “áreas queimadas”, “focos de incêndio” e “regiões urbanas”, obtidas de repositórios públicos. Inicialmente, a U-Net foi treinada separadamente para cada classe, aplicando aumento de dados para melhorar a generalização. O desempenho foi avaliado por meio das métricas F1-score, IoU, Dice, recall e precisão. Uma interface gráfica em Python foi desenvolvida para carregar imagens e visualizar as segmentações com sobreposição colorida. Para áreas queimadas, a U-Net obteve F1-score de 85, IoU de 75, recall de 86 e precisão de 88. Para focos de incêndio: F1-score de 84, IoU de 73, recall e precisão de 86. Para regiões urbanas: F1-score de 87, IoU de 78, recall de 85 e precisão de 89, com loss de 13. Esses resultados mostram desempenho consistente, com F1-score entre 84 e 87, equilibrando precisão e recall. O IoU, de 73 a 78, indica boa sobreposição entre as previsões e as áreas reais. O recall acima de 85 revela alta taxa de detecção, enquanto a precisão superior a 86 aponta baixa ocorrência de falsos positivos, reforçando a confiabilidade do modelo. A U-Net apresentou desempenho consistente nas três classes analisadas, revelando-se promissora para a detecção automatizada de queimadas e áreas urbanas em imagens de satélite. A próxima etapa prevê a implementação e avaliação da VGG e ResNet, possibilitando análise comparativa e maior robustez do sistema. Com isso, espera-se fornecer uma ferramenta mais precisa e eficiente para apoio ao monitoramento ambiental e à gestão de riscos. | |
| Aluno | GABRYEL HENRIQUE BORGES | 2025 |
| Orientador(es) | Francisco Virginio Maracci | |
| Área | 1.03.03.02-2 - Engenharia de Software | |
| Título | Implementação de pipeline de Integração e Entrega Contínuas para apoio ao ensino de Engenharia de Software | |
| Resumo | Introdução e Justificativa A engenharia de software moderna é essencial para a sociedade, mas existe uma lacuna significativa entre o ensino universitário e as práticas da indústria, especialmente na aplicação de Integração e Entrega Contínua (CI/CD). A ausência de processos automatizados de CI/CD no ambiente acadêmico resulta em uma formação que não prepara os alunos para os desafios reais do desenvolvimento de software, onde a agilidade, confiabilidade e segurança são cruciais. Este projeto se justifica pela necessidade de modernizar o ensino de TI, proporcionando aos estudantes experiência prática com ferramentas e metodologias DevOps. Objetivos O objetivo geral é desenvolver uma infraestrutura de CI/CD na Oracle Cloud para ser usada como ferramenta prática de ensino em disciplinas de desenvolvimento e engenharia de software. Os objetivos específicos incluem: realizar uma revisão sistemática sobre o tema; estudar e selecionar as ferramentas de mercado mais adequadas para versionamento, testes automatizados e integração; desenvolver e integrar um pipeline de CI/CD funcional; e, por fim, documentar o processo e os resultados em um artigo acadêmico. Material e Métodos A pesquisa é de natureza aplicada e utilizará uma abordagem que combina métodos qualitativos e quantitativos. A metodologia consiste em: Uma revisão sistemática da literatura para fundamentação teórica. O estudo e seleção de ferramentas open-source e dos serviços da Oracle Cloud. A realização de testes formais para validar a ferramenta final. Resultados Como este é um projeto em desenvolvimento, os resultados esperados são: a criação de um processo de CI/CD totalmente funcional e automatizado, hospedado na nuvem, que servirá como um ambiente de aprendizado prático. Espera-se que a infraestrutura permita aos alunos vivenciar o ciclo completo de desenvolvimento, desde o commit do código até a entrega automatizada. Os resultados também incluem a produção de documentação técnica e um artigo científico detalhando a metodologia e as conclusões. Conclusões Espera-se que este projeto contribua significativamente para a modernização do ensino de engenharia de software, oferecendo uma solução prática para a defasagem entre a academia e o mercado. O projeto não apenas aprimorará a formação técnica dos docentes, mas também promoverá habilidades de colaboração e resolução de problemas, facilitando sua transição para o mercado de trabalho. | |
| Aluno | GUILHERME COLONHESE CAMARGO | 2025 |
| Orientador(es) | Francisco Assis da Silva | |
| Lívia Natalin Chaparim Parmino | ||
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Diagnóstico de esteatose hepática utilizando visão computacional no exame de ultrassonografia | |
| Resumo | Este projeto visa atender as demandas de entidades sem fins lucrativos, proposto pela disciplina de Projeto Integrador II do curso de bacharelado em Ciência da Computação da Unoeste. Os estudantes prontamente reconheceram essa necessidade no contexto das casas de repouso, onde a administração é predominantemente manual, comprometendo a eficiência e a qualidade da gestão dos processos internos. Diante desse cenário, o desafio dos estudantes foi desenvolver um software que integrasse desde o controle de estoque do estabelecimento até a gestão da triagem e dos registros de medicamentos dos residentes. O principal objetivo do software foi transformar processos antes manuais, trabalhosos e suscetíveis a equívocos, em uma plataforma de fácil acesso, onde todas as informações pudessem ser centralizadas e analisadas prontamente. O controle de estoque proporcionou uma visão detalhada das entradas e saídas de produtos, bem como do consumo e das necessidades de reposição. A triagem digital permitiu consultas rápidas e precisas sobre informações específicas de cada residente, eliminando a busca demorada em arquivos físicos. A gestão dos registros de medicamentos facilitou a administração desses, especialmente com o envio de notificações de lembretes periódicos. O registro do acompanhamento psicológico, físico e nutricional eliminou o uso de blocos de notas e aprimorou a consulta de históricos, segmentados por paciente. É importante ressaltar que a vasta gama de funcionalidades não teria sido eficaz em uma aplicação com uma interface excessivamente complexa, considerando o perfil dos usuários, que podem não ter muita familiaridade com a tecnologia. Assim, o maior desafio deste desenvolvimento não foi apenas a implementação completa em um curto período, mas também a criação de uma experiência acessível e intuitiva para os futuros usuários. Isso exigiu muita empatia e diálogo na coleta dos requisitos do software, sempre priorizando a melhor experiência possível. Além do benefício para a entidade, este projeto foi de grande valor para os estudantes, pois proporcionou a experiência de um desenvolvimento colaborativo, desde a concepção inicial, passando pelo levantamento de todos os requisitos, prototipagem, até o uso de metodologias ágeis, padrões de design, otimização da qualidade do código e a disponibilização do serviço em nuvem. | |
| Aluno | GUILHERME SOUZA RIBEIRO | 2025 |
| Orientador(es) | Robson Augusto Siscoutto | |
| Área | 1.03.04.00-2 - Sistemas de Computação | |
| Título | Realidade Virtual Aplicada ao Tratamento da Ansiedade Social | |
| Resumo | O transtorno de ansiedade social (TAS) é uma das condições mais prevalentes na sociedade atual, impactando milhões de pessoas ao limitar suas interações sociais e desempenho em ambientes profissionais e pessoais. Esse transtorno, marcado pelo medo persistente de situações sociais, pode levar ao isolamento, dificuldades emocionais e prejuízos na qualidade de vida. Embora a terapia cognitivo-comportamental seja o tratamento padrão, a replicação de cenários sociais no ambiente terapêutico apresenta limitações práticas e de custo. A realidade virtual (RV) surge como uma ferramenta inovadora, permitindo a exposição gradual e personalizada a ambientes virtuais controlados e seguros, facilitando o processo de dessensibilização e reestruturação cognitiva. Diante disso, este trabalho apresenta um aplicativo de Realidade Virtual que faz uso de ambientes tridimensionais interativos para auxiliar no tratamento do transtorno de ansiedade social (TAS). A metodologia empregada iniciou-se a partir da realização de uma revisão sistemática da bibliografia para delimitação da pesquisa e trabalhos relacionados, bem como em reuniões com pesquisadores. Após a definição dos requisitos, ambientes virtuais tridimensionais interativos foram construídos representando situações reais adequadas. Com o protótipo parcialmente desenvolvido, testes e avaliações qualitativas parciais foram realizados pelos pesquisadores envolvidos no projeto, não incluindo testes com pacientes reais. As tecnologias que estão sendo utilizadas são a Unity, C# e oculus meta quest 3. Os testes foram realizados por meio de questionários sobre a usabilidade da aplicação com pesquisadores ligados ao projeto, fazendo uso de 15 perguntas geradas a partir da reinterpretação da heurística de Nielsen, sendo atribuída uma nota de 1 a 5 e média final de 4.5. Diante deste resultado parcial, a aplicação foi qualificada adequadamente pelos pesquisadores. O uso de RV demonstrou ser uma abordagem promissora no tratamento do TAS. O aplicativo está em fase final de desenvolvimento, com ajustes sendo implementados a partir do feedback coletado. Além disso, novos ambientes virtuais estão sendo desenvolvidos e novos testes (com avaliações qualitativas e quantitativas) serão aplicados para a escrita final do artigo. Espera-se que em trabalhos futuros a aplicação seja aplicada em sessões reais visando validação em contexto clínico. Palavras-Chave: Transtorno de Ansiedade Social, Realidade Virtual, Terapia de Exposição, Psicologia, Tecnologia. | |
| Aluno | GUILHERME ZORATO VERNILO | 2025 |
| Orientador(es) | Francisco Assis da Silva | |
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Detecção de Possíveis Focos de Dengue em Áreas Urbanas Utilizando Visão Computacional | |
| Resumo | A dengue representa um grave desafio à saúde pública no Brasil, agravado pela dificuldade na fiscalização manual de criadouros urbanos do mosquito Aedes aegypti. Este projeto propõe o desenvolvimento de um sistema baseado em visão computacional e inteligência artificial para detecção, classificação e mapeamento de potenciais focos em áreas urbanas. Utilizando imagens capturadas por câmera veicular, a rede YOLOv11s identifica possíveis criadouros, enquanto a EfficientNetV2 atua como classificador especialista em casos de baixa confiança, garantindo maior precisão. As coordenadas geográficas dos focos são registradas por GPS e apresentadas em mapas georreferenciados, possibilitando ações estratégicas mais eficazes no combate à dengue. | |
| Aluno | IAGHO HENRIQUE SLAVIERO COSTA | 2025 |
| Orientador(es) | Mario Augusto Pazoti | |
| Francisco Assis da Silva | ||
| Área | 1.03.04.00-2 - Sistemas de Computação | |
| Título | Monitoramento de Ambientes Internos e Externos em Residências para Segurança Infantil usando Visão Computacional. | |
| Aluno | JOÃO VITOR VALIM DE PAIVA | 2025 |
| Orientador(es) | Leandro Luiz de Almeida | |
| Mario Augusto Pazoti | ||
| Área | 1.03.04.00-2 - Sistemas de Computação | |
| Título | Modelagem Híbrida para Previsão de Ações da PETR4: Integração de Redes LSTM e Análise de Sentimento de Notícias | |
| Aluno | LEON BRUCHMANN RONCHI | 2025 |
| Orientador(es) | Francisco Assis da Silva | |
| Leandro Luiz de Almeida | ||
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Aplicação de visão computacional na identificação de danos em pavimentos de vias públicas. | |
| Resumo | Título: Detecção e classificação automática de danos em pavimentos de vias públicas urbanas utilizando visão computacional e inteligência artificial Introdução e Justificativa / Introduction A pavimentação de vias públicas é um fator crucial para a mobilidade urbana, segurança viária e desenvolvimento socioeconômico. Contudo, o desgaste natural das vias ocasiona danos como fissuras, buracos, afundamentos e desgastes, afetando diretamente a segurança e a qualidade de vida dos usuários. A identificação e correção precoce desses danos são essenciais, mas os métodos tradicionais de inspeção, baseados em observações visuais, são lentos, subjetivos e suscetíveis a erros humanos. Diante disso, surge a necessidade de soluções tecnológicas mais eficazes, como o uso de visão computacional e inteligência artificial. Objetivos / Goals O objetivo do tralho é o desenvolvimento de uma solução computacional baseada em redes neurais convolucionais, com foco na detecção e classificação automática de danos em pavimentos urbanos. Material e Métodos (quando for o caso) / Methodology A rede neural utilizada foi a YOLO (You Only Look Once) versão 11 large, devido à sua alta eficiência em tarefas de detecção de objetos. Foi construído um dataset com imagens de diferentes tipos de danos de pavimentos urbanos. Após o pré-processamento inicial, incluindo ajustes de brilho e flips horizontais, o conjunto de dados foi expandido de 523 para 3.138 imagens, sendo 80 utilizado para treinamento e 20 para validação da rede. A rede neural foi treinada do zero para reconhecer danos como: fendas, fissuras, trincas, desgastes, buracos e remendos. Resultados (quando for o caso) / Results A solução demonstra alta eficácia na identificação de danos, a precisão para as classes de dano exsudação, buraco, remendo, e alguns desgastes agrupados em DT1 e fissuras, fendas, trincas e alguns tipos de desgastes, agrupados em DT2 foi de 0,989 e 0,984, respectivamente. A matriz de confusão normalizada indica que o modelo classificou corretamente 99 das instâncias de DT1 e 98 das instâncias de DT2. O desempenho geral do modelo é robusto, atingindo um F1 score máximo de 0,97 com um nível de confiança de 0,499. Esses resultados quantitativos confirmam a capacidade do modelo de classificar com sucesso os diferentes tipos de danos. Conclusões / Conclusion A metodologia apresenta grande potencial para otimizar a gestão de infraestruturas, reduzir custos operacionais e, principalmente, aumentar a segurança no trânsito. A próxima etapa foca no aprimoramento da base de dados e na ampliação da variedade de cenários de aplicação, podendo integrar a solução com geolocalização e plataformas como o Google Earth, o que permitirá expandir sua aplicabilidade prática para a gestão de danos em ambientes urbanos de forma mais abrangente. | |
| Aluno | LUANA BEATRIZ SOUZA VENANCIO | 2025 |
| Orientador(es) | Francisco Assis da Silva | |
| Mario Augusto Pazoti | ||
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Análise de ECGs para identificação de anomalias para Triagem Clínica | |
| Resumo | As doenças cardiovasculares estão entre as principais causas de morte no mundo, representando cerca de 32 dos óbitos globais. No Brasil, ocorrem anualmente entre 300 e 400 mil casos de infarto, muitos deles fatais. O eletrocardiograma (ECG) é essencial para a detecção precoce dessas condições. Contudo, em emergências, a ordem de análise costuma seguir a fila de chegada, o que pode fazer com que casos graves aguardem enquanto pacientes sem alterações relevantes sejam atendidos antes. Nesse cenário, o uso de Inteligência Artificial (IA) para análise automatizada de ECGs surge como alternativa promissora para identificar rapidamente anomalias, priorizar atendimentos urgentes e otimizar recursos hospitalares. Este trabalho tem como objetivo desenvolver um aplicativo capaz de identificar e demarcar anomalias cardíacas em ECGs a partir de imagens capturadas por dispositivos móveis, utilizando redes neurais convolucionais (CNNs) para processamento. A solução busca possibilitar a priorização de atendimentos mais urgentes. Foi utilizada a base pública PTB-XL (PhysioNet), com sinais de ECG em formato WFDB convertidos em imagens no padrão clínico (12 derivações, 25 mm/s, 10 mm/mV), empregadas exclusivamente no treinamento da rede neural. Para exames capturados por celular, aplicou-se um pré-processamento para remover sombras e a grade de fundo, preservando ondas P, complexos QRS e ondas T. Foram usados filtros gaussianos e divisão de fundo para melhorar a qualidade visual antes da entrada no modelo. O conjunto de treino teve 3.637 amostras e o de validação 908. O treinamento foi realizado com a arquitetura ResNet-50 por 80 épocas. O modelo atingiu acurácia global de 82 na validação, desempenho próximo a estudos semelhantes. O pré-processamento foi eficaz para sombras leves, mas precisa de ajustes para casos mais intensos. Certas ondas apresentam morfologias parecidas, podendo causar confusão e reduzir a precisão em situações sutis. Os resultados indicam que a aplicação de CNNs na análise automatizada de ECGs é viável e promissora, com potencial para reduzir o tempo de resposta e contribuir para a priorização de pacientes em situações críticas. | |
| Aluno | LUCAS HIDEKI MIYASAKI | 2025 |
| Orientador(es) | Robson Augusto Siscoutto | |
| Leandro Luiz de Almeida | ||
| Área | 1.03.04.00-2 - Sistemas de Computação | |
| Título | Pacientes com Parkinson auxiliados com Realidade Virtual e Jogos | |
| Resumo | A Doença de Parkinson (DP) é uma condição neurodegenerativa que afeta milhões de pessoas em todo o mundo, comprometendo funções motoras e a qualidade de vida. A fisioterapia desempenha um papel essencial no tratamento, mas pode, em alguns casos, tornar-se repetitiva e monótona, impactando negativamente a autoestima dos pacientes. Este trabalho tem como objetivo desenvolver uma aplicação de Realidade Virtual personalizada, com ambientes tridimensionais interativos, para auxiliar no tratamento fisioterapêutico de pacientes com DP. Com o protótipo finalizado, testes formais serão realizados para avaliar a usabilidade e funcionamento do sistema e também dos ambientes virtuais, verificando se estes cumprem o objetivo de melhorar a experiência do tratamento, promovendo maior interatividade e engajamento dos pacientes com a fisioterapia. | |
| Aluno | LUDMILA SAMBINELLI CESARIO | 2025 |
| Orientador(es) | Robson Augusto Siscoutto | |
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | A definir | |
| Aluno | LUIGI MARINHO GENERALI | 2025 |
| Orientador(es) | Mario Augusto Pazoti | |
| Área | 1.03.04.00-2 - Sistemas de Computação | |
| Título | A definir | |
| Aluno | LUIS FELIPE PEREIRA | 2025 |
| Orientador(es) | Leandro Luiz de Almeida | |
| Mario Augusto Pazoti | ||
| Área | 1.03.04.00-2 - Sistemas de Computação | |
| Título | Detecção e Análise de Voz Sintetizada por Inteligência Artificial | |
| Aluno | MARCUS VINICIUS RAMOS DE ARAUJO | 2025 |
| Orientador(es) | Francisco Assis da Silva | |
| Everton Alex Carvalho Zanuto | ||
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Uso de Visão Computacional para Prevenção de Lesões em Adultos de Faixa Etária Avançada Durante a Prática de Exercícios Físicos | |
| Resumo | O envelhecimento populacional, aliado à importância da atividade física, exige soluções que reduzam o risco de lesões e aumentem a segurança da prática, sobretudo entre adultos de faixa etária avançada, mais vulneráveis por perda de massa muscular e menor equilíbrio. Diante de limitações de acesso contínuo a profissionais por custo e distância, este trabalho propõe um aplicativo móvel que integra visão computacional, biomecânica e inteligência artificial para analisar e corrigir a postura durante exercícios, atuando como treinador virtual ao oferecer feedback imediato sobre a execução. Para viabilizar essa proposta, o aplicativo foi desenvolvido em Flutter com inferência local. Foi utilizado o Google ML Kit para extrair 33 landmarks corporais; a partir desses pontos, o módulo biomecânico calcula ângulos articulares pela lei dos cossenos, define limiares para desvios (inclinação excessiva do tronco, amplitude insuficiente) e segmenta as fases do movimento, além de contar repetições. Em paralelo, uma CNN-1D foi utilizada com sequências de 60 frames com 99 variáveis derivadas dos landmark. A arquitetura dessa rede inclui camadas Conv1D, GlobalAveragePooling e camadas densas com dropout. Após treinamento com vídeos rotulados como execução correta ou incorreta, o modelo foi convertido para TensorFlow Lite, adequado à execução eficiente em smartphones. Nos experimentos realizados, conduzidos pelos próprios autores, o módulo biomecânico identificou com precisão as fases dos exercícios e sinalizou desvios posturais relevantes. A rede neural atingiu acurácia de 80 e AUC de 0,85, mantendo inferência em tempo real. O modelo TensorFlow Lite, com cerca de 35 mil parâmetros, operou com latência inferior a 300 ms, possibilitando feedback instantâneo sobre a qualidade da execução, contagem automática de repetições e detecção consistente de padrões incorretos. Esses resultados indicam que a integração entre regras biomecânicas e aprendizado profundo é eficaz para o monitoramento do movimento em tempo real e oferece alternativa acessível e escalável para prevenção de lesões, com especial relevância para adultos de faixa etária avançada, viabilizando orientação personalizada sem supervisão profissional constante. | |
| Aluno | PAULO MARTIN CARREÑO FERREIRA DA MOTTA | 2025 |
| Orientador(es) | Mario Augusto Pazoti | |
| Francisco Assis da Silva | ||
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Automatização da Contagem e Análise de Sementes de Orquídea por Meio de Visão Computacional e Aprendizado de Máquina | |
| Resumo | A automatização na análise de sementes de orquídeas surge como uma necessidade em meio aos avanços da agricultura e da computação. As sementes de orquídeas, que possuem características como seu pequeno tamanho e alta produção por planta, tornam sua análise manual suscetível a erros, além de ser um processo demorado. Este cenário destaca a relevância de utilizar visão computacional e aprendizado de máquina para otimizar a contagem e classificação dessas sementes, contribuindo para a conservação e propagação da espécie, especialmente em estudos relacionados ao teste de tetrazólio, fundamental para avaliar a viabilidade das sementes. Diante disso, o objetivo principal deste projeto é desenvolver um sistema automatizado que empregue técnicas de processamento de imagens e redes neurais para identificar e classificar sementes viáveis e inviáveis. O sistema também será capaz de gerar relatórios detalhados com informações morfológicas, como tamanho e diâmetro das sementes, otimizando o processo de análise em termos de precisão e eficiência. Para avaliar o prototipo, serão realizados testes formais em duas etapas principais: primeiro, comparar os resultados do sistema com contagens manuais realizadas por pesquisadores, avaliando métricas como precisão, recall e erro percentual. Em seguida, serão analisadas as características morfológicas geradas pelo sistema em relação a dados previamente documentados em artigos científicos. Os resultados obtidos serão apresentados em tabelas e gráficos comparativos para validar a eficácia e a utilidade prática do sistema desenvolvido. | |
| Aluno | PEDRO CORREIA FELITTO | 2025 |
| Orientador(es) | Leandro Luiz de Almeida | |
| Francisco Assis da Silva | ||
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Reconhecimento e Monitoramento do uso de EPIs em obras utilizando Visão Computacional | |
| Resumo | A segurança na construção civil é uma das principais preocupações do setor, dado o elevado número de acidentes e a dificuldade de fiscalização contínua em ambientes de obra. Entre os fatores mais críticos está o uso inadequado ou a ausência de Equipamentos de Proteção Individual (EPIs), que pode causar sérios prejuízos humanos e financeiros. Métodos como supervisão manual, RFID e drones têm limitações como alto custo, cobertura parcial ou falta de resposta em tempo real. Nesse cenário, o uso de tecnologias como inteligência artificial e visão computacional surgem como alternativa promissora para automatizar a fiscalização e reduzir riscos nos canteiros de obras. Este trabalho tem como objetivo desenvolver uma aplicação capaz de monitorar em tempo real o uso de EPIs por trabalhadores da construção civil, utilizando redes neurais convolucionais e técnicas de visão computacional. O sistema emite alertas automáticos em caso de falhas no uso dos equipamentos, além de registrar infrações para posterior análise, promovendo maior segurança e controle no ambiente de trabalho. A metodologia utilizada inclui uma abordagem quantitativa e qualitativa. Inicialmente, foi realizada uma revisão sistemática sobre o uso de IA na segurança do trabalho. Em seguida, desenvolveu-se e treinou-se um modelo YOLOv11 com 1378 imagens rotuladas. O sistema foi projetado para funcionar com câmeras fixas ou móveis, reconhecendo EPIs como capacetes e coletes, e armazenando infrações com data, horário, função e imagem, possibilitando a geração de relatórios diários aos supervisores. Os testes indicaram que o sistema identificou corretamente capacetes em mais de 85 dos casos, com acerto de 78 na identificação da cor. Houve falhas pontuais, como confusão entre máscara e capacete ou não detecção de coletes, sendo esses aspectos aprimorados por meio de ajustes nos recortes das regiões de interesse e faixas de cor. Conclui-se que a solução proposta é funcional e tem potencial de aplicação real. Espera-se ainda aumentar a precisão e melhorar os resultados, contribuindo para a prevenção de acidentes e modernização da segurança no setor da construção civil. | |
| Aluno | VICTOR HIROSHI UEMURA | 2025 |
| Orientador(es) | Francisco Assis da Silva | |
| Mario Augusto Pazoti | ||
| Área | 1.03.03.05-7 - Processamento Gráfico (Graphics) | |
| Título | Geração de Modelo Digital de Terreno a partir de imagens aéreas de VANTs usando deep learning | |
| Resumo | A obtenção de Modelos Digitais de Terreno (MDT) de é fundamental para aplicações em engenharia, planejamento urbano e monitoramento ambiental. Contudo, métodos tradicionais de levantamento topográfico demandam equipamentos sofisticados e alto custo operacional. Este trabalho busca alternativas mais acessíveis, explorando o potencial de imagens aéreas obtidas por Veículos Aéreos Não Tripulados (VANT), com o intuito de simplificar a geração de MDT em áreas de difícil acesso. O objetivo é o desenvolvimento de uma solução baseada em redes neurais profundas para a geração de MDT a partir de imagens capturadas por VANT, visando reduzir custos operacionais, dependência de equipamentos especializados e requisitos técnicos avançados. As imagens utilizadas foram obtidas com um drone Mavic Pro em duas regiões da cidade de Presidente Prudente – SP. A geração dos mapas de profundidade utilizados como base para o treinamento, foi feita utilizando o software Agisoft. Foi observado que algumas imagens apresentaram problemas de sobreposição, estas, foram retiradas mantendo apenas aquelas que continham no mínimo 70 dos pixels válidos. A rede neural utilizada para a produção dos mapas de profundidade é baseada na arquitetura Pix2Pix, utilizando U-net como codificador-decodificador e uma cGAN como discriminador. A partir disso, foi aplicado uma suavização gaussiana nas predições para que se pudesse obter uma melhora no resultado. Foi desenvolvida uma aplicação para a predição de mapas de profundidade. A análise indicou que o uso de técnicas de suavização contribuiu para a melhoria da qualidade dos resultados. Especificamente, o erro médio absoluto (MAE) reduziu de 0,0474 (sem suavização) para 0,0428 com suavização de 9×9, enquanto o erro quadrático médio (RMSE) reduziu de 0,0691 para 0,0637. Em termos de qualidade perceptual, o pico da relação sinal-ruído (PSNR) aumentou de 19,86 dB para 20,29 dB, e o índice de similaridade estrutural (SSIM) apresentou melhoria expressiva, passando de 0,6266 para 0,8879. A abordagem demonstrou viabilidade na geração automatizada de MDT com qualidade satisfatória, mesmo diante de limitações na padronização da coleta. A utilização de deep learning possibilitou a obtenção de modelos com boa fidelidade topográfica, dispensando etapas complexas e equipamentos especializados. Os resultados indicam que o método é promissor para aplicações práticas em levantamentos de terreno, especialmente em locais de difícil acesso ou com recursos limitados. | |
| Aluno | VITOR EYKI AKUTSU | 2025 |
| Orientador(es) | Mario Augusto Pazoti | |
| Área | 1.03.02.02-6 - Modelos Analíticos e de Simulação | |
| Título | Desenvolvimento de Algoritmos de Aprendizado de Máquina para Simulação Realista de Bots no Counter-Strike 2 | |
| Resumo | Introdução e Justificativa A evolução da Inteligência Artificial (IA) em jogos busca criar agentes capazes de reproduzir comportamentos humanos complexos, indo além de scripts previsíveis. Em jogos de tiro em primeira pessoa (FPS), como Counter-Strike 2, essa tarefa é desafiadora, exigindo decisões táticas, navegação em ambientes 3D dinâmicos e adaptação ao contexto da partida. Os bots atuais são previsíveis e limitados, comprometendo o realismo e o treinamento competitivo. Este projeto utiliza clonagem comportamental e redes neurais ConvLSTM para desenvolver um agente autônomo com comportamento humanizado, melhorando a experiência de jogo e criando uma base para aplicações em áreas como robótica e simulação. Objetivos O objetivo geral é criar e validar um modelo de IA para Counter-Strike 2 capaz de navegar e interagir de forma autônoma e humanizada. Os objetivos específicos incluem: * Capturar e processar dados de gameplay humano (visão e comandos). * Implementar e treinar uma rede ConvLSTM para mapear observações visuais sequenciais em ações. * Desenvolver módulos de percepção para localização e detecção de inimigos. * Avaliar a eficácia da abordagem e seu potencial de aplicação em cenários reais. Material e Métodos A pesquisa combina métodos qualitativos e quantitativos. Inicialmente, será feita uma revisão sistemática de trabalhos sobre IA em FPS. Em seguida, será construído um pipeline de coleta de dados com captura de frames, inputs de jogador e contexto do jogo via CNN (ResNet18) e YOLOv8. O modelo ConvLSTM processará sequências espaço-temporais para prever ações humanas. O treinamento usará datasets amplos, seguidos de testes no Counter-Strike 2, comparando desempenho com bots nativos e jogadores humanos. O sistema incluirá métricas de precisão, tempo de reação e adaptabilidade. Resultados Testes iniciais com módulos de percepção mostraram acurácia acima de 99 na classificação de locais no mapa e detecção confiável de inimigos em tempo real. O protótipo já consegue replicar padrões básicos de movimentação e reação humana, superando bots padrões em realismo de comportamento. Conclusões A abordagem demonstrou viabilidade para criar agentes com comportamento próximo ao humano, oferecendo melhor realismo e desafio. O método pode ser adaptado para outras aplicações que exijam navegação e tomada de decisão em ambientes complexos. Órgão de fomento financiador da pesquisa Pesquisa financiada com recursos próprios, sem apoio de órgão externo | |