Mestrado em Computação Aplicada

Atenção! O edital referente ao processo seletivo e arquivos pertinentes ao curso estão disponíveis no site do curso.
Os resultados dos processos seletivos serão divulgados no site do curso.

Trabalhos

Buscar Trabalhos

Trabalhos Disponíveis

TRABALHO Ações
Plataforma para gerenciamento e visualização de dados agropecuários: um estudo de caso sobre a ferramenta Cria Certo
Curso Mestrado em Computação Aplicada
Tipo Dissertação
Data 14/03/2023
Área CIÊNCIA DA COMPUTAÇÃO
Orientador(es)
  • Dionisio Machado Leite Filho
Orientando(s)
  • Wagner Vieira Freiria
Banca
  • Camilo Carromeu
  • Dionisio Machado Leite Filho
  • EDVARD MARTINS DE OLIVEIRA
Resumo Com o crescimento da pecuária de corte, novas estratégias reprodutivas na bovinocultura surgiram para otimizar a reprodução animal. Em pouco tempo, o gerenciamento dessas técnicas tornou-se complexo de realizar sem o auxílio de algum sistema específico. Com base nesse cenário, foi desenvolvido, pela Embrapa em parceria com a Universidade Federal do Mato Grosso do Sul (UFMS), o aplicativo Cria Certo para auxiliar os técnicos e produtores rurais a simular custos e benefícios dos sistemas de reprodução existentes. Apesar das suas diversas contribuições, o aplicativo apresenta a necessidade de ferramentas para complementá-lo. Assim, o presente trabalho propõe o desenvolvimento da plataforma Cria Certo Manager, que dentre outras funcionalidades, propõe o uso de dashboards possibilitando aos pesquisadores visualizarem, de forma mais clara e acessível, padrões nas simulações realizadas pelos usuários do aplicativo. Além disso, o Cria Certo Manager contribui para o gerenciamento, sem modificação de código, de parâmetros que antes eram fixos no aplicativo Cria Certo.
Download
Integração de Módulos Utilizando Micro Frontends na Plataforma +Precoce
Curso Mestrado em Computação Aplicada
Tipo Dissertação
Data 13/03/2023
Área CIÊNCIA DA COMPUTAÇÃO
Orientador(es)
  • Evandro Mazina Martins
Orientando(s)
  • Alan Balen Schio
Banca
  • Camilo Carromeu
  • Evandro Mazina Martins
  • Fernando Rodrigues Teixeira Dias
  • Gedson Faria
  • Milton Ernesto Romero Romero
  • Renato Porfirio Ishii
Resumo Resumo
A Plataforma +Precoce vem sendo desenvolvida ao longo dos últimos anos em parceria
entre Embrapa e a Universidade Federal do Mato Grosso do Sul, de maneira modularizada,
onde cada novo desenvolvimento é realizado fora da base de código principal, evitando
conflitos e efeitos colaterais com demais códigos do sistema que se encontra em uso. Ao fim
de cada desenvolvimento, estes módulos não se incorporavam ao código final, seja por causa
das versões de dependências conflitantes ou por alta demanda operacional de reavaliar os
códigos. A falta de entendimento de uma técnica eficiente de unificação de código também
estava presente. A técnica de micro serviços é amplamente difundida e utilizada para se
fazer o gerenciamento e conexão dos módulos de um sistema sem que necessite estar dentro
do mesmo código. Derivada desta, nasceu a abordagem Micro Frontends, que permite no
desenvolvimento de plataformas web a integração dos módulos em tempo de execução. Se
valendo da técnica de Micro Frontends, da maneira modular com que a plataforma foi
desenvolvida e da necessidade de disponibilizar as novas funcionalidades ao usuários, este
trabalho provê a integração entre os módulos da plataforma utilizando a técnica Module
Federation para realizar a integração entre os módulos com a plataforma principal, e
fornecendo maneiras de validar a disponibilidade dos módulos e garantir que seu uso seja
possível mesmo em modo offline.
Download
    Sistema Automatizado para Identificação de Fenótipo Relacionado a Precocidade e Fertilidade de Fêmea Bovina
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 15/12/2022
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Edson Antonio Batista
    Orientando(s)
    • Brenda Medina de Oliveira
    Banca
    • Edson Antonio Batista
    • Jonathan de Andrade Silva
    • Wesley Nunes Goncalves
    Resumo A identificação da precocidade bovina, características reprodutivas, do mesmo são de extrema importância, pois com o diagnóstico correto é possível atingir um aumento de produtividade e consequentemente a lucratividade do setor. Porém, este processo é realizado subjetivamente, o que pode acarretar inexatidão, e diferentes resultados de acordo com o avaliador. Com intuito de apresentar uma solução automatizada e com maior objetividade, neste trabalho desenvolveu-se uma metodologia baseada em escores visuais para identificar a precocidade de fêmeas bovinas. A metodologia consiste na captura de imagens do animal, quando transita pelo mangueiro e através de algoritmos de inteligência artificial permite-se identificar sua precocidade a fertilidade. Os algoritmos desenvolvidos permitem a entrada da imagem do bovino e retorna a probabilidade de acurácia e fertilidade na primeira estação reprodutiva. Para realização deste trabalho foram coletadas imagens dos animais na Fazenda Sete Estrelas, que serviram de base para desenvolver o algoritmo. Foram testados o desempenho de 5 algoritmos, que realizam a identificação e classificação de cada imagem de fêmea bovina com intuito de indicar qual técnica é mais indicada para finalidade. Os resultados obtidos através dos algoritmos foram: CNN em conjunto com U-Net, obtiveram uma porcentagem de acertos de 71.42\%; O algoritmo Efficientnet obteve 70.46\%; Assim como o anterior o algoritmo Twins obteve 70.46\%; E o melhor resultado obtido se deu por meio do algoritmo Resnet com 74.92\%. Os resultados obtidos são promissores, contudo pode-se melhorar, com a adequada captação das imagens dos animais e aumentando o banco de imagens, apresentando um grande potencial para a resolução do problema.

    Palavras-chaves: Identificação de fertilidade bovina. Precocidade de bovinos fêmeas. Algoritmo CNN. Algoritmo U-Net. Algoritmo Resnet. Algoritmo Twins. Algoritmo Efficientnet.
    Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 30/11/2022
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Milton Ernesto Romero Romero
    Orientando(s)
    • Rafael Gonçalves de Oliveira Viana
    Banca
    • Andrea Teresa Riccio Barbosa
    • Evandro Mazina Martins
    • Marco Aurelio Stefanes
    • Milton Ernesto Romero Romero
    • Renato Porfirio Ishii
    • Vera Regina Fernandes da Silva Marães
    Resumo O Sistema Nervoso Autônomo é um dos responsáveis pelos ajustes cardiovasculares e seu realce pode ser aferido, utilizando a Variabilidade de Frequência Cardíaca(VFC) pelas ondas R, presente no Eletrocardiograma.
    Atualmente a hipertensão é altamente prevalente em todos os países. Graças a equipamentos inteligentes vestíveis, uma aglomerado de dados começou a ser coletado e armazenado, entretanto pouco explorados. Novos métodos de aferição da hipertensão utilizando os dados armazenados ajudaria no controle cardiovascular de uma grande quantidade de pessoas. Nesta pesquisa, os dados de VFC coletados por equipamentos vestíveis de baixo custo e de fácil aquisição, foram processados e obteve-se um resultado de 75\% de acurácia ao utilizar inteligência artificial na classificação de pacientes hipertensos medicados e não hipertensos (saudáveis). Este resultado provavelmente esta relacionado a eficácia do medicamento utilizado pelos pacientes. Novas pesquisas visando candidatos que possuem pressão alterada (não hipertensos), deve ser realizada, a fim de extrair características destes, ao não utilizar medicamento de controle de pressão arterial.
    Download
    Plataforma Eletrônica para Aquisição de Sinais Fisiológicos de Bovinos a Pasto
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 02/09/2022
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Ricardo Ribeiro dos Santos
    Orientando(s)
    • Ricardo Espindola de Aguiar
    Banca
    • Camilo Carromeu
    • Davi Jose Bungenstab
    • Fabio Iaione
    • Ricardo Ribeiro dos Santos
    • Victor Leonardo Yoshimura
    Resumo O mercado global de produção animal está cada vez mais exigente, inclusive com requisitos de sustentabilidade e bem-estar animal. Alterações fisiológicas como o aumento da frequência cardíaca ou temperatura corporal podem evidenciar um bem-estar precário ou até mesmo um estado pré-patológico e, como consequência, afetar a produção animal. A partir de um protótipo de dispositivo para monitoramento de sinais fisiológicos de bovinos, este trabalho desenvolveu uma plataforma de monitoramento animal que utiliza o dispositivo automatizado e não invasivo para coleta de sinais fotopletismográficos e dados de temperatura cutânea e radiação ultravioleta. Essa plataforma captura sinais fisiológicos periodicamente, aplica técnicas de filtragem de ruídos sobre esses sinais e os envia para uma estação base. Esta, por sua vez, envia os dados para a plataforma em nuvem, onde algoritmos para cálculos de parâmetros fisiológicos como frequência cardíaca e respiratória são executados e os dados resultantes podem ser visualizados por sistema WEB. Experimentos com animais em diferentes condições foram realizados onde pode-se observar a melhoria da qualidade do sinal coletado dos animais, após aplicar os algoritmos de filtragem de ruídos. Os experimentos também revelaram que a região da nuca do animal apresenta-se como um local válido para utilização de equipamentos de monitoramento que possibilitam a utilização contínua e não-invasiva nos animais.
    Uso de rede neural convolucional na identificação de hipertensão arterial
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 01/09/2022
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Milton Ernesto Romero Romero
    Orientando(s)
    • JEFFERSON XAVIER NOBREGA
    Banca
    • Evandro Mazina Martins
    • Fabio Iaione
    • Marco Aurelio Stefanes
    • Milton Ernesto Romero Romero
    • Renato Porfirio Ishii
    • Vera Regina Fernandes da Silva Marães
    Resumo A hipertensão arterial ou pressão arterial alta sustentada é uma doença crônica com
    grande ocorrência no Brasil e no mundo. É um dos principais indicadores para a ocorrência de acidente vascular cerebral (AVC), enfarte, aneurisma arterial e insuficiência
    renal e cardíaca. Impacta diretamente na frequência cardíaca e na sua variabilidade:
    pacientes hipertensos costumam apresentar uma menor variação na frequência cardíaca
    se comparados a normotensos. Porém, ainda existe controversia se é possível determinar a hipertensão arterial somente pela Variabilidade da Frequência Cardíaca (VFC).
    Esta dissertação tem como objetivo estudar a questão ainda aberta se a Variabilidade
    da Frequência Cardíaca tem informação suficiente para definir a hipertensão, baseada no
    treinamento de uma Rede Neural Convolucional capaz de classificar um paciente entre
    saudável ou hipertenso e todos os desafios inerentes a este processo. Este treinamento
    é feito com base nos valores do intervalo RR do eletrocardiograma. Os intervalos RR
    podem apresentar outliers - amostras inválidas/incorretas - que devem ser devidamente
    tratados e não devem ser levados em consideração para o treinamento. Devido a baixa
    quantidade de arquivos para treinamento da Rede Neural Convolucional, foi utilizada a
    técnica data augmentation para oferecer uma maior fonte de aprendizagem. Através da
    Transformada Wavelet Contínua, estes arquivos de texto contendo o intervalo RR em milissegundos são convertidos em uma matriz com informações no domínio do tempo e da
    frequência. Por fim, é definido um modelo de Rede Neural Convolucional que é treinada
    para realizar a classificação dos pacientes. Os resultados são promissores mas dependem
    da quantidade de exames de pacientes que neste caso devem ser aumentada. O trabalho
    faz recomendações de como deve ser continuado este estudo, mas o sistema implementado
    na linguagem Python mostra utilidade para aprofundar o problema.
    Detecção e rastreamento de múltiplos objetos utilizando redes profundas no contexto de mapeamento de formigueiros em plantação de Eucaliptos
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 01/09/2022
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Jonathan de Andrade Silva
    Orientando(s)
    • GIAN LUCAS DA SILVA RAMALHO
    Banca
    • Ana Paula Marques Ramos
    • Jonathan de Andrade Silva
    • Jose Marcato Junior
    • Wesley Nunes Goncalves
    Resumo O setor da silvicultura possibilita o desenvolvimento econômico e ambiental, oferecendo emprego e renda para a população e auxiliando com a redução das mudanças climáticas. Segundo IBGE, no ano de 2020, a área de florestas cultivadas em todo o território nacional alcançara um total de 9,98 milhões de hectares. O cultivo de eucalipto representa aproximadamente 76%, equivalente a 7,61 milhões de hectares. Nas plantações florestais presentes no Brasil, uma das principais pragas e que afetam intensamente a produção, são as formigas cortadeiras. Esses insetos consomem muita vegetação, atacando diferentes as espécies de plantas e causando a desfolha até a morte da planta, independendo do tamanho dela, de mudas até árvores. Para combater às formigas, são utilizados produtos químicos, juntamente com o monitoramento da plantação. É possível aplicar a detecção e o rastreamento de objetos em imagens das plantações, com o intuito de auxiliar no monitoramento
    da plantação e dos formigueiros. A detecção e o rastreamento dos objetos nesse estudo se encaixam no contexto do rastreamento de múltiplos objetos, Multiple Object Tracking (MOT). A tarefa do MOT refere-se na localização de múltiplos objetos, na sua identificação e no cálculo de suas trajetórias individuais, em uma sequência de imagens. Neste estudo foram avaliados três detectores de objetos, Faster R-CNN , RetinaNet e VFNet, juntamente com os métodos de rastreamento Tracktor, Byte Tracker Deep Sort, além da proposta de um método baseado no Método SORT, para rastreamento de formigueiros. As avaliações dos métodos de detecção e rastreamento de objetos foram realizadas, e o melhores resultados de rastreamento obtidos foram utilizando o detector RetinaNet que atingiu 0.817 de Average Precision (AP), 53.004 de Higher Order Tracking Accuracy (HOTA) com o método de rastreamento Byte
    Tracker, 47.120 de HOTA com o Método Proposto e 43.426 de HOTA com o Deep Sort. Apesar do Byte Tracker indicar resultado HOTA superior, o Método Proposto se destaca na contagem dos objetos, superando os outros métodos de rastreamento.
    Download
    SISUNAPI: FERRAMENTA COMPUTACIONAL DE INTEGRAÇÃO DOS DADOS DA UNAPI/UFMS
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 30/08/2022
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Andrea Teresa Riccio Barbosa
    Orientando(s)
    • RENATO LEMES PEIXOTO
    Banca
    • Andrea Teresa Riccio Barbosa
    • Debora Maria Barroso Paiva
    • Ramon Moraes Penha
    • Suzi Rosa Miziara Barbosa
    Resumo O Instituto Integrado de Saúde (INISA) é uma unidade setorial da UFMS com diretrizes para a integração ensino-serviço-comunidade e através de diversas atividades diferenciadas oferecem atenção à saúde nos diferentes níveis de complexidade. Verifica-se que no Instituto, apesar de diversos projetos de pesquisa e extensão estarem em andamento, não há um sistema centralizado que armazenasse os dados e que possibilite o acompanhamento de informações. Um desses projetos de extensão intitulado Avaliação Multidisciplinar de Saúde dos Idosos e frequentadores da UNAPI/UFMS (Universidade Aberta à Pessoa Idosa/UFMS) tem por objetivo a análise global e multiprofissional da saúde dos idosos acima de 60 anos. Para o projeto em questão, algumas dificuldades foram observadas tais como: a descentralização dos dados referentes aos projetos de extensão de cultura e esporte no qual participam; a falta de centralização das informações fisiológicas e psicossociais do idoso, entre outras. Salienta-se que muitos dados estão distribuídos por diversos setores do Instituto e com pesquisadores diferentes, tanto em formato de planilhas eletrônicas, como em formulários de papel. Esse trabalho apresenta um estudo para a estruturação e levantamento de requisitos de um sistema (SISUNAPI) capaz de atender a demanda da UNAPI, apresentando os principais recursos e funções necessárias. Como método foi utilizado um framework e criado um Banco de Dados que atendeu aos requisitos mínimos para obtenção de informações básicas dos participantes dos projetos de pesquisa, ensino e extensão. Foi desenvolvido um protótipo capaz de realizar o armazenamento dos dados de pesquisa e sua ligação entre os pesquisadores e pesquisados.

    Palavras chaves: pessoa idosa; sistema acadêmico; banco de dados; framework; inclusão digital
    JurisBERT: Transformer-based model for embedding legal texts
    Curso Mestrado em Computação Aplicada
    Tipo Artigo Científico
    Data 24/08/2022
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Renato Porfirio Ishii
    Orientando(s)
    • Charles Felipe Oliveira Viegas
    Banca
    • Amaury Antonio de Castro Junior
    • Bruno Magalhaes Nogueira
    • Deiviston da Silva Aguena
    • Dionisio Machado Leite Filho
    • Nadia Felix Felipe da Silva
    • Omar Andres Carmona Cortes
    • Renato Porfirio Ishii
    Resumo Neste trabalho é proposta uma nova extensão do BERT (Bidirectional Encoder Representations from Transformers), denominada JurisBERT, aplicada na tarefa de Similaridade Semântica Textual (SST) com melhorias consideráveis de rapidez, de precisão e de necessidade reduzida de recursos computacionais em relação a outras abordagens. O JurisBERT foi treinado do zero com textos de domínio específicos para lidar com leis, doutrinas e precedentes, e tem melhor precisão em relação a outros modelos BERT, que foi a principal contribuição deste trabalho. Além disso, nossa abordagem considera o conceito de sub-línguagem, ou seja, um modelo pré-treinado em um idioma (Português Brasileiro) passa por um refinamento (fine-tuning) para melhor atender a um domínio específico, no nosso caso, o jurídico. A fim de validar a abordagem com dados reais, o JurisBERT cria e emprega 24 mil pares de ementas com grau de similaridade variando entre 0 e 3, extraídas de mecanismos de busca disponíveis nos sites dos tribunais brasileiros. Nossos experimentos demonstraram que o JurisBERT é melhor do que outros modelos em quatro cenários: BERT multi-lingual e BERTimbau sem ajuste fino em cerca de 22% e 12% de F1, respectivamente; e com refinamento em torno de 20% e 4%. Além disso, nossa abordagem reduziu em 5 vezes a etapa de pré-treinamento, além de usar hardware acessível, ou seja, arquiteturas GPGPU de baixo custo. Esse resultado demonstra que nem sempre modelos pré-treinados, como BERT multi-lingual e BERTimbau, são a melhor solução. Assim, provamos que treinar o BERT do zero com textos específicos de domínio tem maior precisão e menor tempo de treinamento do que modelos pré-treinados de domínio geral. O código fonte está disponível em https://github.com/juridics/brazilian-legal-text-dataset.
    Uma Abordagem Baseado em Ranking para a Predição de Evasão Escolar: Um Estudo de Caso na Universidade Federal de Mato Grosso do Sul
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 24/08/2022
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Rafael Geraldeli Rossi
    Orientando(s)
    • Gregório Takashi Higashikawa
    Banca
    • Amaury Antonio de Castro Junior
    • Anderson Correa de Lima
    • Bruno Magalhaes Nogueira
    • Luciano Gonda
    • Rafael Geraldeli Rossi
    • Ricardo Marcondes Marcacini
    Resumo A evasão acadêmica é um problema discutido em várias instituições de ensino, pois acarreta um dispêndio para a instituição e um grande prejuízo educacional para o aluno. Além disso, causas definidas por meio de percepções humanas podem estar incorretas e consequentemente levar à ações preventivas incorretas. Por outro lado, observa-se o emprego com sucesso de técnicas de mineração de dados em diversas instituições de ensino no Brasil e no mundo para a extração automática de hipóteses, e a geração de modelos para classificar se um aluno tem propensão para evadir ou não. O uso da classificação neste cenário pode gerar resultados não satisfatórios, principalmente quando a confiança de classificação entre as classes evasão e não evasão são próximas. Outro ponto a considerar é quando existe um desbalanceamento entre as classes, conhecido por gerar modelos de classificação inacurado na classe minoritária. Ademais, as causas de evasão podem variar de acordo com a localidade e curso. Como alternativa, classificar instâncias de testes baseada em sua propensão à pertencer à uma determinada classe significativa e ranqueando-as, direcionaria esforço de forma mais precisa aos alunos com maior chance de evasão. Dado isso, este trabalho apresenta um método para detecção de evasão baseado em ranking e tem como conjunto de treinamento os dados dos históricos escolares dos alunos. É então avaliado se a evasão ocorre nos top alunos ranqueados com potencial de evasão. Ademais, o método foi empregado em diferentes cursos e diferentes áreas do conhecimento da Universidade Federal de Mato Grosso do Sul (UFMS) para avaliar o seu comportamento em diferentes cenários. Os resultados mostram uma precisão de 0, 97, 0, 99 e 0, 98 para os 50 primeiros alunos ranqueados das áreas de ciências Exatas, Biológicas e Humanas. E para os 10 primeiros a precisão foi de 0, 99 à 1, 0. Por outro lado, com o uso de modelos de classificação, os resultados obtidos foram de 0,72, 0,79, 0,78 na acurácia e 0,68, 0,65, 0,64 para a precisão. Vale ressaltar que apesar da avaliação do ranking englobar apenas os top-k alunos da classe de evasão, a assertividade na classificação faz com que os esforços sejam mais bem direcionados e esperançosamente mais efetivos. Com isso, dada a previsão assertiva do método proposto para os alunos com maior potencial de evasão, os interessados poderão aplicar estratégias mais eficientes no contensão à evasão.
    MoscaDosChifresApp: Aplicativo para Contagem de Moscas-dos-Chifres em Bovinos da Raça Nelore
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 10/03/2022
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Victor Leonardo Yoshimura
    Orientando(s)
    • Ricardo Vinicius Nascimento Soares
    Banca
    • Amaury Antonio de Castro Junior
    • Anderson Vicoso de Araujo
    • Antonio Thadeu Medeiros de Barros
    • Bruno Magalhaes Nogueira
    • Fabio Iaione
    • Hudson Silva Borges
    • Victor Leonardo Yoshimura
    Resumo A pecuária brasileira é uma das mais produtivas do mundo e o desenvolvimento de soluções tecnológicas pode intensificar ainda mais o crescimento
    dessa área. A evolução da tecnologia da informação tem fornecido diversas
    ferramentas e dispositivos que oferecem novas soluções para gestão e tomada
    de decisões. Para isso, cada vez mais métodos, utilizando técnicas e ferramentas de visão computacional, estão sendo estudados e propostos na literatura.
    Esse tipo de tecnologia tenta reproduzir, de forma rápida e confiável, as mesmas tarefas do sistema de visão humano. Nos últimos anos, com o expressivo
    avanço no poder de processamento e armazenamento dos dispositivos móveis e smartphones, se tornou possível a criação de softwares que consigam
    implementar algoritmos que façam este tipo de reconhecimento.
    Este estudo foca em desenvolver uma aplicação mobile para sistema Android, a qual utiliza um método computacional existente para avaliar infestações de moscas-dos-chifres em rebanhos Nelore, através de imagens originadas pela câmera do dispositivo. Devido à contagem individual de moscasdos-chifres, este aplicativo permite uma rápida estimativa de infestação de
    moscas-dos-chifres no rebanho. Por fim, este software pode ser uma ferramenta útil na tomada de decisão sobre o controle desta praga no rebanho.
    PREDIÇÃO DO PREÇO DA ARROBA DO BOI UTILIZANDO REDES NEURAIS ARTIFICIAIS
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 09/12/2021
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Andrea Teresa Riccio Barbosa
    Orientando(s)
    • Felipe Ferraz de Souza
    Banca
    • Andrea Teresa Riccio Barbosa
    • Fabio Iaione
    • Francisco Eloi Soares de Araujo
    • Hana Karina Salles Rubinsztejn
    • Pedro Paulo Pires
    • Valguima Victoria Viana Aguiar Odakura
    Resumo Nessa dissertação é proposto um modelo para predição do preço da arroba do boi gordo com referência no preço disponibilizado pelo CEPEA. Essa predição é feita com base na combinação de variáveis que interferem na composição do indicador, como por exemplo, o valor do dólar e o valor do milho. Após a identificação das variáveis que têm maior influência na composição do preço da arroba, para implementação do modelo, foi utilizada Redes Neurais Artificiais do tipo MLP (Multilayer Perceptron). Para realizar simulações com a rede MLP foi utilizado o software gratuito Weka (Waikato Environment for Knowledge Analysis) e várias configurações diferentes foram implementadas, tanto no número de variáveis, quanto na configuração do modelo de rede. Durante a execução dos testes, optou-se por adotar o modelo que apresentou o melhor resultado e com a configuração de rede possuindo o menor número de variáveis possível. A rede em alguns testes apresentou taxa de erro abaixo de 4%. Sendo assim, definiu-se a arquitetura, as variáveis de entrada e os parâmetros da rede mais indicada na predição do preço da arroba do boi para um futuro de noventa dias.
    Download
    Conjunto Universal de Circuitos Lógicos Quaternários Reversíveis
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 02/12/2021
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Milton Ernesto Romero Romero
    Orientando(s)
    • Diogo Anache de Souza
    Banca
    • Evandro Mazina Martins
    • Fabio Iaione
    • Luciano Gonda
    • Marco Aurelio Stefanes
    • Milton Ernesto Romero Romero
    • Renato Porfirio Ishii
    Resumo A síntese de circuitos digitais em lógica binária utiliza técnicas de minimização, como os mapas de Karnaugh e os algoritmos Quine-McCluskey, Petrick e Espresso, para obter uma expressão equivalente, porém com menos termos e operações, o que implica em um uso reduzido de portas lógicas. É possível utilizar a lógica de múltiplos valores (MVL) para transmitir mais informação por interconexão. Seguindo a ideia de otimização pode-se também reduzir a dissipação de energia desses circuitos através de portas lógicas reversíveis, que permitem um mapeamento bijetivo entre entrada e saída. Tal conceito apoia-se no princípio de Landauer, que enuncia que a cada bit perdido de informação, K*T*ln2 Joules de energia são dissipados. Neste trabalho foi abordada a álgebra quaternária, sendo proposta uma metodologia de minimização para esse domínio, bem como o projeto de portas lógicas reversíveis.
    Download
    Um retrato do entendimento dos professores dos Institutos Federais sobre Pensamento Computacional
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 06/10/2021
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Anderson Correa de Lima
    Orientando(s)
    • Edilson Kazuo Kubota
    Banca
    • Amaury Antonio de Castro Junior
    • Anderson Correa de Lima
    • Claudio Zarate Sanavria
    • Dionisio Machado Leite Filho
    • Rodrigo Silva Duran
    • Rozelma Soares de França
    Resumo Embora o Pensamento Computacional (PC) seja cada vez mais pesquisado no contexto da educação, ainda são poucos os estudos que investigam a visão do docente sobre o assunto. Além disso, os poucos estudos abordando o tema se limitam a abordagens qualitativas com pequenos grupos de professores. No intuito de enfrentar esse desafio e identificar a percepção docente sobre o PC, conduzimos um estudo quantitativo envolvendo docentes de todas regiões do Brasil. Por meio do estudo, mapeamos os softwares e as práticas pedagógicas que promovem habilidades associadas ao tema e identificamos que apenas 36% dos entrevistados conhecem os conceitos relacionados ao PC, sugerindo que o tema e as habilidades relacionadas ainda são pouco conhecidas.
    Download
    Desenvolvimento de leitora RFID para pecuária de precisão
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 30/06/2021
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Fabio Iaione
    Orientando(s)
    • Cleiton Anderson Profilio dos Santos
    Banca
    • Fabio Iaione
    • Hana Karina Salles Rubinsztejn
    • Irineu Sotoma
    • Luciano Gonda
    • Pedro Paulo Pires
    • Quintino Izidio dos Santos Neto
    • Victor Leonardo Yoshimura
    Resumo O monitoramento do rebanho bovino vai além de sua simples identificação. Utilizando a tecnologia Radio Frequency IDentification (RFID) é possível medir parâmetros fisiológicos, como a temperatura corporal, que permite inferir sobre o estado de
    saúde do animal. Isso torna-se mais delicado com a retirada gradativa da vacinação contra a febre aftosa, que no estado de Mato Grosso do Sul será em 2021 (IAGRO, 2019). Sendo assim, é necessário adotar alguma técnica que permita identificar o
    estado febril do animal em tempo hábil, separá-lo dos demais e adotar os devidos procedimentos. A Faculdade de Computação (FACOM) e a Embrapa Gado de Corte desenvolveram transponders para medição de temperatura corporal, e uma dificuldade constante é a falta de leitoras que funcionem adequadamente. O objetivo deste
    trabalho é desenvolver uma leitora RFID compatível com as normas ISO 11784 e ISO 11785 que possa ser instalada no local de passagem dos animais, fazendo a leitura das tags (brincos, bolus e implante subcutâneo, entre outros) e enviando os dados via LoRaWAN, GSM/GPRS ou Wi-FI à plataforma TagoIO, servidor FTP, banco de dados MySQL ou planilha do Google Drive. Através de uma interface web é possível realizar todas as configurações do equipamento. Isso permitirá o uso do equipamento nas mais diversas localidades. Além disso, foi desenvolvido um produto de baixo custo que seja acessível aos pequenos e médios produtores.

    Palavras-chave: pecuária de precisão; leitora RFID; sistemas embarcados; multiconectividade.
    Download
    Barramento de Comunicação IoT para Plataforma de Pecuária de Precisão
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 11/06/2021
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Hana Karina Salles Rubinsztejn
    Orientando(s)
    • Willyan Candido Silva
    Banca
    • Camilo Carromeu
    • Fabio Iaione
    • Hana Karina Salles Rubinsztejn
    • Irineu Sotoma
    • Luciano Gonda
    • Renato Porfirio Ishii
    Resumo A pecuária brasileira vem demonstrando ao longo dos anos sua primazia no mercado mundial de carne bovina. Em decorrência dessa conjuntura e sua importância para o setor econômico do país, desenvolver e aprimorar os meios empregados na cadeia de criação de gado de corte é crucial para aumentar a produção, reduzir os custos e assegurar o constante progresso exigido pelo mercado. Nesse contexto, a utilização de uma infraestrutura pautada na Internet das Coisas (Internet of Things – IoT) contribui para um monitoramento de baixo custo e confere a oportunidade de automatizar as propriedades produtoras de carne bovina. A FACOM/UFMS e a Embrapa Gado de Corte possuem várias pesquisas e projetos voltados para a pecuária de precisão, dentre eles a plataforma e-Cattle. O objetivo desse trabalho é fornecer um barramento de comunicação com protocolos IoT para integração de uma maior variedade de sensores e a persistência das informações coletadas na plataforma. Dessa forma, o uso de protocolos de comunicação IoT, como por exemplo LoRA e MQTT, aumentarão a heterogeneidade de sensores aceitos, contribuindo para uma solução de baixo custo de implantação e monitoramento.
    Integração do Modelo AMPL a Plataforma Computacional de Pecuária +Precoce
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 22/03/2021
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Marcelo Augusto Santos Turine
    Orientando(s)
    • Jacons de Souza Morais
    Banca
    • Camilo Carromeu
    • Edson Norberto Caceres
    • Fernando Rodrigues Teixeira Dias
    • Marcelo Augusto Santos Turine
    Resumo Os sistemas de produção têm se tornado cada vez mais eficientes para atender à crescente demanda por alimentos no mundo. Esse ganho de eficiência tem sido propiciado pelos investimentos realizados em novas tecnologias, ferramentas e métodos de produção. Dentre as ferramentas que podem contribuir para a tomada de decisão do produtor estão as ferramentas de simulação como a Plataforma +Precoce (P+P), no entanto, a P+P carece de recursos que possibilitem ao produtor otimizar um determinado indicador técnico de seu sistema de produção. O módulo desenvolvido neste trabalho de mestrado visa permitir ao usuário da P+P obter um arquivo otimizável em uma linguagem de programação matemática para que seja possível obter o melhor valor para determinado indicador, oportunizando uma melhor tomada de decisão pelos gestores.
    Análise de Sensibilidade na Plataforma + Precoce
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 05/03/2021
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Milton Ernesto Romero Romero
    Orientando(s)
    • Éric Maciel Cardoso
    Banca
    • Camilo Carromeu
    • Evandro Mazina Martins
    • Fernando Rodrigues Teixeira Dias
    • Marco Aurelio Stefanes
    • Milton Ernesto Romero Romero
    • Renato Porfirio Ishii
    • Rodrigo da Costa Gomes
    Resumo A Plataforma +Precoce (P+P) é uma ferramenta que permite modelar e simular sistemas melhorados de produção de gado de corte auxiliando o produtor na tomada de decisões e disponibilizando informações a respeito de sistemas de cria, recria e engorda para a produção de bovinos. Atualmente, a P+P permite a um usuário simular resultados de sistemas de produção de gado de corte apenas “ponto a ponto”, isto é, só é possível realizar a simulação de um determinado sistema a partir da seleção de valores específicos para cada parâmetro, mas sem entender diretamente o quanto a variação destes parâmetros pode influenciar o resultado final dos indicadores do sistema. Este trabalho teve como objetivo desenvolver uma ferramenta web para análise de sensibilidade por meio de gráficos em sistemas de produção modelados na P+P, de forma que o usuário seja capaz de identificar parâmetros relevantes para o resultado de um indicador em um determinado sistema.
    Um dos principais pontos no desenvolvimento da ferramenta foi utilizar métodos que pudessem ser executados no browser do cliente, com o mínimo de solicitações possíveis ao servidor. Pensando nisso, optou-se pela utilização de métodos de análise por triagem e análise local devido, principalmente à sua baixa complexidade na execução do método. Os métodos de análise por triagem fazem uso de um "cenário de controle" onde cada parâmetro possui um valor mínimo e um valor máximo e os parâmetros são variados individualmente e analisados em todo este intervalo. Isto é bem interessante pelo fato dos parâmetros da P+P já serem definidos previamente com um valor default, mínimo e máximo, o que facilita a implementação do método. Já os métodos de análise local, trabalham sob a variação dos parâmetros individualmente somente nas proximidades de um valor padrão.
    Desta forma, foi verificado que os valores relativos aos parâmetros de um sistema raramente mudam, de forma que a análise de sensibilidade para estes parâmetros pode futuramente ser persistida no servidor, sem a necessidade de ser calculada em tempo real pelo cliente. Já uma simulação possui os valores dos parâmetros calibrados em tempo real pelo usuário, o que demanda a análise de sensibilidade também em tempo real. Por este motivo, optou-se pela análise de uma faixa maior de valores dos parâmetros (análise por triagem) para análise de sistemas e a utilização de análise local para análise de simulações.
    Para analisar todas as variações de um parâmetro nos intervalos estabelecidos, todos os demais parâmetros são mantidos em seus valores padrão, enquanto que para cada ponto variado de um parâmetro, o Simulador da P+P é invocado. A apresentação dos resultados é feita por meio de gráficos para facilitar a leitura e entendimento pelos usuários da P+P. Na ferramenta desenvolvida é possível visualizar quatro tipos de gráficos, sendo três relacionados ao sistema e um relacionado à uma simulação. Os gráficos relacionados ao sistema são, respectivamente, gráfico de tornado, gráfico indicador X parâmetro e histograma de probabilidade. Já o gráfico relacionado à uma simulação é representada por meio de um gráfico de tornado da simulação.
    Para evitar recálculo e chamadas ao Simulador com os mesmos valores de parâmetros, o que produziria o mesmo resultado para os indicadores, foi utilizado uma técnica de "memoize", que consiste em armazenar os valores já calculados em uma "tabela de pesquisa", de forma a sempre consultá-la quando um novo cálculo precisar ser executado. Desta forma, se um cálculo já estiver sido realizado para um conjunto de valores de parâmetros e indicador, este é apenas resgatado da tabela, com a chamada do Simulador realizada apenas nos casos em que a combinação não for encontrada na tabela de pesquisa.
    Uma limitação encontrada no decorrer do desenvolvimento é que, neste momento, o Simulador da P+P passa por uma atualização e mudança de tecnologia que ainda está em andamento, o que impossibilitou a integração da ferramenta desenvolvida à P+P. Para solucionar este problema e realizar os devidos testes de chamada ao Simulador, foi desenvolvido um "pseudo-simulador", que será substituído assim que o Simulador real da P+P estiver atualizado. Espera-se que a construção desta ferramenta auxilie produtores rurais e/ou técnicos na tomada de decisões ainda mais eficientes, elevando assim a produtividade e qualidade da bovinocultura de corte.
    Download
    Exploração de arquiteturas de redes neurais convolucionais para identificação de forrageiras do gênero Bachiaria e Panicum
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 17/12/2020
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Edson Takashi Matsubara
    Orientando(s)
    • Luciana Gomes Fazan
    Banca
    • Anderson Vicoso de Araujo
    • Bruno Magalhaes Nogueira
    • Edson Takashi Matsubara
    • Eraldo Luis Rezende Fernandes
    • Jose Marcato Junior
    • Rafael Geraldeli Rossi
    • Sanzio Carvalho Lima Barrios
    Resumo O Brasil é um dos maiores exportadores mundiais de carne devido ao baixo custo de produção e principalmente à exploração predominante em pastagens, fato este, que torna o país competitivo no mercado internacional. Estima-se que, no Brasil, a área total de cobertura com pastagens cultivadas seja de 100 milhões de hectares. No país, elas são consideradas a mais barata e principal fonte de alimentos na criação de bovinos. As cultivares de dois gêneros tropicais ganham destaque no mercado brasileiro de sementes: Brachiaria e Panicum. A Brachiaria é a mais utilizada, adapta-se às várias condições de solo e clima e possui grande tolerância aos solos fracos e ácidos. Ela divide espaço com a Panicum, que, ao contrário das Brachiaria, são recomendadas para solos de maior fertilidade. Esses dois gêneros são a base de estudos de vários programas da Embrapa, que têm o objetivo de lançar cada vez mais novas cultivares. Outros programas, envolvem mapear as áreas de pastagens. Identificar as cultivares plantadas em diversas regiões do Brasil. Porém, existem dificuldades, até mesmo por técnicos especializados, de identificar o nome, espécie e gênero da planta. Durante o período de seca e chuva, as plantas sofrem alterações morfológicas, que podem dificultar ainda mais. A classificação hierárquica de cada forrageira, segue normas da biotaxonomia, técnica responsável por dar nomes às plantas. Essa hierarquia, deve classificar a planta, primeiro por nome da cultivar, depois por espécie e, por último, por gênero. Neste contexto, este trabalho tem como objetivo explorar a capacidade de arquiteturas de redes neurais convolucionais de identificar dezesseis forrageiras por imagem, ao nível de classificação por Cultivar, Espécie e Gênero. Considerando as mudanças físicas das plantas, no período de seca e chuva. Outra questão importante, foi contribuir para formar um banco de imagens desses dois gêneros de forrageiras. A coleta das imagens foi realizada na Embrapa Gado de Corte, em Campo Grande - MS. Diante disso, as imagens que foram tiradas, de junho a novembro de 2019, compuseram o dataset do período de seca, enquanto as imagens que foram tiradas entre dezembro de 2019 e fevereiro de 2020, compuseram o dataset do período de chuva. As redes neurais convolucionais são aplicadas com muito sucesso no reconhecimento de imagens. Prova disso, é o surgimento constante, de novas arquiteturas do estado da arte. O projeto explora quatro arquiteturas de redes convolucionais, duas do estado da arte, MobileNet e ResNet50 e outras duas montadas de acordo com a literatura, chamadas de CNN I e CNN II. As acurácias de classificação por Cultivar, foram as mais baixas. Já as por Espécie e Gênero, foram as melhores, demonstrando que as redes convolucionais possuem potencial para distinguir as forrageiras por espécie e gênero. As arquiteturas do estado da arte, obtiveram as melhores resultados. Por fim, as diferenças de desempenhos das redes, em ambos os períodos, foram pequenas, não permitindo afirmar que, classificar as forrageiras no período de chuva é mais fácil do que no de seca e vice-versa.
    Download
    Interface gráfica para a Plataforma +Precoce: uma visão em Gantt Chart
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 15/12/2020
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Debora Maria Barroso Paiva
    Orientando(s)
    • Roberto Antonio Ferreira de Abreu
    Banca
    • Awdren de Lima Fontao
    • Camilo Carromeu
    • Debora Maria Barroso Paiva
    • Fernando Rodrigues Teixeira Dias
    • Maria Istela Cagnin Machado
    • Rodrigo da Costa Gomes
    Resumo A plataforma +Precoce é um sistema desenvolvido em parceria entre a Universidade Federal de Mato Grosso do Sul e a Embrapa Gado de Corte e provê acesso aos técnicos rurais e produtores de gado de corte aos sistemas melhorados de produção pesquisados pela Embrapa. Durante seu desenvolvimento notou-se que um dos principais problemas da plataforma era a experiência de uso já que sua interface atual mostra as informações em tabelas e texto e poderia ser melhorada através de uma interface gráfica mais intuitiva. Dessa forma, o objetivo deste trabalho foi analisar as principais características (elementos) de interfaces gráficas amigáveis ao usuário, desenvolver uma nova interface (modelagem e implementação) mais cognitiva, baseada em Gantt Chart, para representação dos dados das simulações da Plataforma +Precoce, avaliar e validar a nova interface gerada considerando especialistas e usuários finais. Diante disso, considerando a literatura da área, observou-se que o uso do Gráfico de Gantt para representar a simulação do ciclo de reprodução de gado de corte se mostrou uma metáfora adequada. Assim, foi desenvolvida uma nova interface com base no Gantt Chart para representação dos dados das simulações da Plataforma +Precoce, cujas principais características são: permitir a entrada de dados por meio de um JSON gerado pela plataforma, fazer a interpretação dos dados da simulação utilizando Javascript, desenhar e apresentar o cronograma baseado em Gantt Chart que representa os dados das simulações.
    Download
    Página 1 de 4 (20 de 69 registros).