Navegando por Autor "Ferreira, Felipe Alberto Barbosa Simão"

Agora exibindo 1 - 7 de 7

Análise de sistemas de visão computacional para inspeção automática de linhas de produção
(2024-10-02) Menezes, Daíres Macedo Félix de; Ferreira, Felipe Alberto Barbosa Simão; http://lattes.cnpq.br/9939255113143786; http://lattes.cnpq.br/8485755067358122
O uso de sensores inteligentes se aplica em diversas áreas, como o controle de nível, para evitar transbordamentos de líquidos, e no monitoramento de vibrações, para indicar quando máquinas precisam de manutenção. Na visão computacional, os problemas da indústria que são solucionados giram em torno da inspeção de qualidade e classificação. Por exemplo, a indústria de embalagens precisa garantir uniformidade de tamanhos e formatos, a indústria automotiva busca garantir a uniformidade de pneus, enquanto a eletrônica enfrenta desafios com soldas, que podem ser inspecionadas com sistemas de visão. No setor logístico, a leitura de códigos de barras permite uma separação de itens mais rápida e automática. Este trabalho aborda o uso de sistemas de visão computacional para a inspeção automática de linhas de produção, com foco na aplicação no ramo alimentício. Foi explorado um vasto material bibliográfico sobre os conceitos fundamentais de processamento de imagem, destacando as diferenças entre análise de imagem e visão computacional. Elementos como cores, texturas, iluminação, contraste e brilho foram analisados por sua importância na qualidade das imagens digitais. Foram discutidas também as principais técnicas de análise de imagem, operações lógicas e aritméticas, além da presença de ruídos e métodos eficazes para sua remoção ou redução por meio de filtros. O estudo comparou as tecnologias 2D e 3D existentes, explicando seus princípios ópticos e funcionais. Além disso, foi apresentado o software da SICK Sensor Intelligence, utilizado no estudo de caso de inspeção 3D de caixas empacotadoras de 50 pacotes do produto lámen. O sistema foi aplicado para garantir a conformidade na quantidade e organização dos pacotes na linha de produção, com o objetivo de automatizar o processo e reduzir as reclamações dos clientes, que impactavam negativamente tanto a credibilidade da empresa quanto suas métricas de satisfação. Nesse estudo, o uso da triangulação a laser foi aplicado, devido à sua baixa interferência causada por diferentes cores (refletividade) do material inspecionado e pela necessidade de analisar as discrepâncias em três dimensões, já que as ocorrências de erro no empacotamento exigiam uma análise precisa. O estudo demonstrou que o uso da tecnologia 3D para inspeção foi extremamente eficaz, atingindo uma eficiência superior a 95%, mostrando-se uma solução bem-sucedida para o controle de qualidade e automação industrial.
Avaliação de algoritmo de clusterização para segmentação de nuvens de pontos 3D
(2022-10-05) Melo, Davi de Almeida; Ferreira, Felipe Alberto Barbosa Simão; http://lattes.cnpq.br/9939255113143786; http://lattes.cnpq.br/3528552393951602
As tecnologias 3D têm sido exploradas nas diversas áreas da indústria. Com essas tecnologias são executadas funções como visualização, instrumentação, controle, simulação, treinamento, planejamento, documentação, entre outros. A partir disso, novos tipos de mídia foram introduzidos a esse contexto industrial. Como exemplo, existem as nuvens de pontos, que trata-se de um conjunto de pontos distribuídos num modelo tridimensional da realidade. Elas, geralmente, são construídas através da atuação de um scanner e podem conter em cada um de seus pontos as características de um objeto como localização, cor, reflectância e entre outros aspectos. Dado que as nuvens de pontos irão representar peças, equipamentos, tubulações, máquinas, áreas, e estruturas no contexto industrial, conseguir segmentar as nuvens de pontos e possibilitar uma melhor visualização das partes separadas da mesma estrutura é uma ferramenta proveitosa. Além disso, dentre as funções das tecnologias 3D apresentadas, a segmentação de nuvens de pontos perpassa de forma direta e indireta as áreas de visualização, instrumentação e controle. Portanto, verificada a importância da segmentação de nuvens de pontos, o objetivo desta monografia é avaliar dois algoritmos de clusterização para segmentação de nuvens de pontos 3D. São eles, o DBSCAN e o K-means. Ambos estão categorizados como algoritmos de clusterização por meio aprendizagem de máquina não supervisionada. Após a avaliação, foram constatadas as diferenças entre cada algoritmo. Verificou-se um melhor desempenho por parte do K- means quando se trata de dados dispersos e o equivalente para o DBSCAN quando se referem a distribuição de dados com certa distância entre os clusters.
Filtragem de sinais sobre grafos aplicada à classificação de dados ruidosos definidos em estruturas irregulares
(2023-10-03) Medeiros, Jorge Barros; Ferreira, Felipe Alberto Barbosa Simão; http://lattes.cnpq.br/9939255113143786; http://lattes.cnpq.br/9517722947492097
As redes convolucionais baseadas em grafos (Graph Convolutional Networks, GCN) permitem que modelos de redes neurais profundas aprendam a partir de dados definidos em estruturas irregulares representados por meio de um grafo. Essa abordagem tem atraído cada vez mais atenção nos últimos anos. Tais algoritmos geralmente aprendem com base na informação associada aos vértices e arestas do grafo, sendo possível utilizá-las para melhorar o desempenho de diversas tarefas como classificação de vértices, de um sinal definido sobre o grafo ou do próprio grafo. O objetivo deste trabalho é avaliar a classificação de dados ruidosos dispostos em uma estrutura irregular a partir do treinamento de filtros passa-baixas realizado pelas camadas convolucionais de uma GCN. Os filtros são projetados e aplicados baseando-se em ferramentas de processamento de sinais sobre grafos como a transformada de Fourier sobre grafos. A rede neural convolucional baseada em grafos realizará o aprendizado de parâmetros para diferentes escalas de ruídos no domínio da transformada de Fourier sobre grafos que sejam capazes de extrair informação relevante para classificação do conjunto de dados ruidosos.
Implementação em VHDL e análise comparativa da Transformada Discreta do Cosseno e a aproximação de Lengwehasatit-Ortega
(2024-08-27) Silva, Leonardo Nogueira Lindolfo da; Ferreira, Felipe Alberto Barbosa Simão; http://lattes.cnpq.br/9939255113143786; http://lattes.cnpq.br/3309281833356970
O alto volume de imagens transmitidas diariamente pela internet consome grande parte da largura de banda e da capacidade de processamento. Para otimizar a compressão e manter a qualidade, são utilizadas ferramentas de processamento digital de sinais como a Transformada Discreta do Cosseno (DCT do inglês, Discrete Cosine Transform). A DCT é uma operação matemática que concentra a maior parte da energia do sinal em baixas frequências, sendo muito utilizada em algoritmos de compressão de imagens. O cálculo da Transformada Discreta do Cosseno é realizado utilizando multiplicação de matrizes, onde os elementos da matriz de transformação são números de ponto flutuante. Para simplificar esses cálculos, são encontradas na literatura diversas aproximações para a Transformada Discreta do Cosseno que utilizam o máximo possível de simplificações em suas matrizes de transformação. Devido à recorrência do cálculo de matrizes nos sistemas computacionais modernos especialmente para processamento de imagens e inteligência artificial, diversos sistemas apresentam ASICs (Application Specific Integrated Circuit) ou parte de SoCs (System on Chip) dedicados a essa tarefa. Nesse trabalho, foram avaliadas algumas das aproximações da DCT no contexto de compressão de imagens. A aproximação de Lengwehasatit- Ortega que apresentou o melhor desempenho, além da DCT exata foram implementadas em VHDL e sintetizadas em FPGA. Foi possível observar que seguindo a mesma filosofia de design a aproximação consumiu uma quantidade muito menor de recursos de hardware assim como era esperado.
Previsão de consumo de energia elétrica no brasil: uma comparação entre métodos
(2023-09-22) Fortes, Bruna Lavínia Santos; Ferreira, Felipe Alberto Barbosa Simão; http://lattes.cnpq.br/9939255113143786; https://lattes.cnpq.br/9302922458814221
A previsão do consumo de energia elétrica desempenha um papel importante no gerenciamento eficaz dos recursos energéticos. Este estudo investiga métodos de previsão de consumo de energia elétrica aplicados no contexto brasileiro. Quatro técnicas de previsão amplamente reconhecidas foram exploradas: Suavização Exponencial, ARIMA (do inglês, Autoregressive Integrated Moving Average), Máquinas de vetores de suporte (MVS) e Redes Neurais Artificiais (RNA). A análise teve início com a decomposição da série temporal, permitindo a identificação de tendências, sazonalidades e variações aleatórias nos dados. A Suavização Exponencial de Holt-Winters e o modelo ARIMA foram utilizados para modelar os aspectos temporais subjacentes. A técnica das Máquinas de Vetores de Suporte (MVS) foi aprimorada por meio da otimização de parâmetros, resultando em previsões de alta precisão e confiabilidade. Embora exigisse esforços computacionais significativos, o MVS demonstrou notável capacidade na captura de relações complexas. As RNA foram investigadas e emergiram como a abordagem mais eficaz, fornecendo previsões excepcionalmente precisas e robustas. O método se destacou na captura de padrões complexos e sequenciais, sendo a escolha preferencial para prever o consumo de energia elétrica no Brasil. No entanto, a escolha final do modelo deve considerar não apenas métricas de avaliação, como MSE (do inglês, Mean Squared Error), MAE (do inglês, Mean Absolute Error), e RMSE (do inglês, Root Mean- Squared Error), mas também a adaptação aos dados específicos e as demandas computacionais.
Projeto de marca d’água digital do tipo frágil para nuvens de pontos 3D baseado em processamento de sinais sobre grafos
(2023-09-20) Silva, João Victor da; Ferreira, Felipe Alberto Barbosa Simão; http://lattes.cnpq.br/9939255113143786; https://lattes.cnpq.br/1535688689643312
As aplicações baseadas em modelos 3D vêm se destacando constantemente devido à sua maior fidelidade e aplicação em objetos do mundo real, para isso, é preciso buscar alternativas mais adequadas para efetuar a obtenção, codificação, representação, visualização e proteção dos dados estudados. Em vista da importância do processamento de sinais para preservar a integridade e autenticidade de nuvens de pontos, surge a necessidade de abordagens avançadas que assegurem a segurança e proteção desses dados. Nesse contexto, surge a pesquisa e o desenvolvimento de um projeto de marca d'água digital baseado em processamento de sinais sobre grafos. Essa abordagem visa não apenas aprimorar a proteção desses dados, mas também identificar quaisquer modificações indesejadas e maliciosas que possam ocorrer. Para tanto, este trabalho apresenta a criação de um método de geração de marca d'água do tipo frágil para nuvens de pontos 3D com o intuito de avaliar tanto a robustez contra ataques quanto a eficácia desse método. Além disso, busca-se implementar uma solução prática que permita a aplicação dessa marca d'água digital diretamente nas nuvens de pontos 3D, com o propósito de preservar sua integridade e autenticidade, protegendo-as contra possíveis modificações indesejadas ou maliciosas. Dessa forma, é realizada revisão da literatura e logo em seguida simulações utilizando bancos de dados de modelos reais, utilizando ferramentas de processamento de sinais sobre grafos (GSP, em inglês graph signal processing), aplicando a técnica de transformada de Fourier sobre grafos (GFT, em inglês graph Fourier transform). As bases de dados utilizadas para as simulações foram extraídas de diversas fontes de pesquisas, sendo alguns deles: Oxford RobotCar, KITTI, NuScenes, entre outros. As métricas responsáveis por avaliar o desempenho da técnica proposta são: Peak Signal-to-Noise Ratio (PSNR), Root Mean Squared Error (RMSE) e Bit Error Ratio (BER). Diante disso, verifica-se que o método de marca d'água digital proposto apresenta resultados satisfatórios em termos de robustez contra ataques e preservação da qualidade dos dados 3D. Os experimentos demonstraram a viabilidade e a eficiência da implementação da marca d'água digital em nuvens de pontos 3D. Portanto, conclui-se que a utilização de marca d'água digital baseada em processamento de sinais sobre grafos é uma solução promissora para garantir a segurança e a autenticidade de dados 3D em diversas aplicações.
Um estudo sobre ocultação de dados para imagens digitais
(2023-04-26) Mendonça, Thatyta de Sousa Silva; Ferreira, Felipe Alberto Barbosa Simão; http://lattes.cnpq.br/9939255113143786; http://lattes.cnpq.br/2783767585088280
A segurança digital é um campo de estudo em expansão em diversas áreas da ciência, que inclui a esteganografia - a arte de escrever de forma oculta - como uma das novas áreas de pesquisa. Neste trabalho de conclusão de curso, é apresentada a implementação de uma técnica esteganográfica LSB (Least Significant Bit) para inserir mensagens de texto em arquivos de imagem. O estudo é fundamentado em pesquisas bibliográficas sobre as técnicas de ocultação de dados em imagens digitais e a importância da utilização de marca d’água como medida de proteção contra a pirataria e a falsificação de imagens. O trabalho apresenta os conceitos teóricos envolvidos na técnica LSB, bem como os métodos e ferramentas utilizadas para a inserção da marca d’água digital. Os resultados obtidos a partir de testes realizados comprovam a eficácia da técnica LSB na inserção de marca d’água digital em imagens digitais de forma segura e eficiente.