Ciência da Computação
URI Permanente para esta coleçãohttps://repositorio.uricer.edu.br/handle/35974/196
Navegar
- Geopoint: aplicativo para gerenciamento de ponto digital para agências(2021) Feranti, Murilo; Tortelli, Daniel MeninO gerenciamento de registros de horário ponto é fundamental para o controle do tempo de trabalho dos funcionários de uma empresa. Com a utilização de um sistema anoso, os funcionários acabam perdendo um tempo relevante, além de possíveis esquecimentos ou falhas em seus registros. O presente trabalho consiste no desenvolvimento de um aplicativo por meio da utilização do framework Ionic, banco de dados PostgreSQL e API desenvolvida em PHP, que é focado em todo o sistema de registros executados pelos funcionários da empresa. Como resultado, o aplicativo suscitou um meio mais prático utilizando a geolocalização, para verificar se o funcionário encontra-se dentro do seu ambiente de trabalho para efetuar o registro automaticamente e, assim, sanando o problema de custo de tempo e de possíveis esquecimentos. Consequentemente, tornando-se uma opção para substituir métodos antigos de registros ainda utilizados na maioria dos locais de trabalho.
- Projeção de design de interiores de uma planta baixa com realidade aumentada permitindo alterações em tempo real utilizando marcadores(2020) Abramchuk, Cristian; Tortelli, Daniel MeninModelar o design de interiores de imóveis é algo trabalhoso, tendo em vista que a possível insatisfação do cliente com o resultado mal sucedido pode acarretar em trabalho constante de remodelagem e, em casos extremos, a perda de interesse do cliente. Aplicativos com realidade aumentada tem sido desenvolvidos para facilitar o trabalho dos designers e proporcionar uma experiência mais interativa e atrativa para o cliente, através da projeção 3D da planta baixa. O principal objetivo deste trabalho foi a confecção de um aplicativo mobile em Android, capaz de criar uma projeção 3D de uma planta baixa para que seja possível inserir, visualizar e reposicionar os móveis no ambiente através de marcadores, auxiliando no design de interiores.
- Treinamento de rede neural com YOLOV8 para reconhecimento de placas de trânsito(2023) Kolassa, Caroline Paula; Tortelli, Daniel MeninCom o crescimento constante da frota de veículos em todo o mundo, a segurança no trânsito tem se tornado uma preocupação cada vez mais recorrente. Dentre as causas de acidentes nesse meio, destaca-se a falta de atenção dos motoristas às sinalizações nas vias públicas, que podem levar a graves acidentes. Neste contexto, o presente trabalho propõe-se a treinar uma rede neural com o algoritmo de detecção de objetos YOLO na versão 8 para identificação de 15 placas de regulamentação e 2 de advertência. Para a rotulagem das imagens foi utilizado o framework Roboflow e para o treinamento do modelo a linguagem de programação Python. O treinamento e estudo realizado acerca do tema contribuiu para o crescimento do conhecimento da área que é tão importante para o desenvolvimento de tecnologias que podem salvar vidas no meio viário. A precisão média da rede treinada alcançou 69,9%, o mAP atingiu 65,3%, e o Recall ficou em 58,8%, cumprindo o objetivo de identificação proposto.
- Vision detect: sistema para detecção e contagem de objetos(2021) Meneguel, Giovani André; Tortelli, Daniel MeninO uso de tecnologias inovadoras está ganhando cada vez mais destaque em sistemas e utilitários do dia a dia. Os algoritmos de visão computacional se encaixam nesse cenário possibilitando sua usabilidade na automatização e simplificação de diversas atividades nas mais variadas áreas. Vinculada à estrutura de um sistema embarcado, essa tecnologia pode ser inovadora e útil tra- zendo mais acuracidade e rapidez para tarefas repetitivas, como por exemplo, a contagem de objetos de pequena escala. O objetivo deste trabalho foi construir um sistema embarcado que utiliza algoritmos de visão computacional com o intuito de reconhecer e realizar a contagem de objetos. O desenvolvimento das funcionalidades do sistema fez uso da linguagem Python. Fo- ram utilizados os frameworks Django e TensorFlow para o desenvolvimento web e treinamento do modelo de detecção, respectivamente. O dataset, bem como as imagens utilizadas para a de- tecção, foram capturadas por meio do sistema embarcado. A estrutura de hardware do sistema embarcado foi desenvolvida utilizando os produtos advindos do Raspberry Pi.