- 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 | A obesidade é um problema global que afeta milhões de pessoas e está diretamente associada a diversas complicações de saúde, incluindo a esteatose hepática (EH). Essa condição, caracterizada pelo acúmulo excessivo de gordura no fígado, pode evoluir para doenças mais graves, como a esteato hepatite não alcoólica, cirrose e carcinoma hepatocelular. No entanto, devido à sua natureza frequentemente assintomática, a EH é diagnosticada, na maioria das vezes, em estágios avançados. Diante disso, este trabalho propõe o desenvolvimento de um sistema computacional baseado em visão computacional e inteligência artificial (IA) para auxiliar no diagnóstico precoce da EH, utilizando técnicas de processamento de imagens e redes neurais, o sistema será capaz de identificar padrões sutis em exames de ultrassonografia, aumentando a sensibilidade diagnóstica e reduzindo a variabilidade entre observadores. Com o protótipo concluído, este será exposto a testes formais para avaliar a precisão e a aplicabilidade do sistema em um ambiente clínico simulado, com vistas a validar sua eficácia como ferramenta de apoio à tomada de decisões médicas e à melhoria do cuidado em saúde. | |
| 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. Este trabalho tem como objetivo geral desenvolver um aplicativo computacional de realidade virtual fazendo uso de ambientes virtuais tridimensionais interativos, visando auxiliar no tratamento de transtornos de ansiedade social e fobias (TAS). Desta forma, será possível expor o paciente, de forma gradualmente, em ambiente controlado, facilitando o processo de dessensibilização e reestruturação cognitiva. Além de uma revisão sistemática da literatura e levantamento de requisitos com profissionais da área vinculados ao projeto, o aplicativo será testado pelos pesquisadores visando quantificar e qualificar os ambientes virtuais desenvolvidos por meio de heurística de usabilidade. 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 é uma doença viral transmitida pelo mosquito Aedes aegypti, cuja proliferação está associada a fatores ambientais urbanos, como água parada e falhas de saneamento. O controle da doença depende da identificação e eliminação de criadouros, mas os métodos tradicionais de inspeção enfrentam desafios, como limitações operacionais e altos custos. Nesse cenário, a visão computacional surge como uma solução inovadora para automatizar a detecção de focos do mosquito. Este projeto visa desenvolver um sistema que utiliza técnicas de processamento de imagens e aprendizado de máquina para identificar potenciais criadouros do Aedes aegypti em áreas urbanas. Serão analisadas imagens capturadas por drones, aplicando modelos de redes neurais convolucionais (CNNs) para segmentação e classificação dos dados visuais. O desempenho do sistema será avaliado por métricas como precisão, recall e F1-score, além de comparações com inspeções realizadas por profissionais da saúde. Espera-se que o protótipo contribua para aprimorar as estratégias de combate à dengue, fornecendo informações precisas e eficientes para gestores de saúde pública. O projeto também destaca a relevância da visão computacional em desafios sociais, evidenciando seu potencial na saúde pública e monitoramento ambiental. | |
| 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 mortalidade no mundo, e o eletrocardiograma (ECG) desempenha um papel essencial no diagnóstico e acompanhamento dessas condições. Contudo, o crescente volume de dados gerados diariamente pode prolongar o tempo de análise, atrasando a identificação de casos que exigem atenção prioritária, o que compromete a agilidade no diagnóstico. Este projeto tem como objetivo desenvolver um sistema automatizado que utiliza técnicas de Aprendizado de Máquina e Inteligência Artificial para identificar padrões em sinais de ECG, oferecendo suporte à análise médica e auxiliando na identificação de anomalias. A proposta se fundamenta no uso de bases públicas de ECG para treinar e validar o modelo. Com o desenvolvimento do protótipo, testes formais serão conduzidos para avaliar sua funcionalidade e usabilidade, visando aprimorar a triagem de condições críticas e otimizar o monitoramento cardiovascular, contribuindo para diagnósticos mais rápidos e precisos. | |
| 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 | |
| Área | 1.03.01.03-8 - Análise de Algoritmos e Complexidade de Computação | |
| Título | A definir | |
| 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 | Este projeto tem como objetivo desenvolver um aplicativo móvel acessível e preciso, utilizando técnicas de visão computacional e inteligência artificial, para monitorar e corrigir posturas em tempo real durante a prática de exercícios físicos. Destinado a adultos de faixa etária avançada – englobando desde a meia-idade até idades mais elevadas – o sistema visa prevenir lesões musculoesqueléticas, promovendo a segurança e a qualidade de vida dos usuários. A prática regular de exercícios é essencial para a manutenção da saúde e do bem-estar; contudo, a execução inadequada dos movimentos pode levar a lesões graves. O aplicativo proposto capturará e analisará os movimentos do usuário por meio da câmera do dispositivo móvel, identificando posturas inadequadas e fornecendo feedback imediato e personalizado. Espera-se que, com a disponibilização deste aplicativo, os usuários possam melhorar a execução dos exercícios físicos, aumentando a segurança durante a prática e potencialmente reduzindo o risco de lesões. Os resultados esperados incluem a entrega de um aplicativo funcional, cuja eficácia será avaliada por meio de testes formais de precisão e usabilidade, com os dados coletados sendo apresentados de forma clara e objetiva, reforçando a eficácia dos algoritmos desenvolvidos e contribuindo para a promoção da saúde e do bem-estar. | |
| 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 | |