Ciência da Computação

URI permanente para esta coleçãohttps://repositorio.uricer.edu.br/handle/35974/196

Navegar

Agora exibindo 1 - 4 de 4

Geopoint: aplicativo para gerenciamento de ponto digital para agências
(2021) Feranti, Murilo; Tortelli, Daniel Menin
O 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 Menin
Modelar 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 Menin
Com 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 Menin
O 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.