Graduações em Engenharias e Ciência da Computação
URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3249
Navegar
4 resultados
Resultados da Pesquisa
Trabalho de Conclusão de Curso Solução Full-Stack de machine learning para Visão Computacional em Ambientes Industriais: Classificação, Versionamento e Treinamento Local de Modelos(2025) Machado, Diego Baptista Daurea; Celestino, Douglas Pablo Braçal; Silva, Gustavo Mendes da; Rizzo, Pedro Ivo deEste projeto dedica-se a estabelecer uma solução full-stack de machine learning para algoritmos de visão computacional, com versionamento, reclassificação e retreinamento de modelos, operando integralmente via Intranet para facilitar seu uso em plantas industriais. Tal abordagem visa atender qualquer processo, permitindo ao usuário realizar o upload de mídias, escolher as Labels que deseja classificar e anotar manualmente bounding boxes para rotulagem supervisionada e depois treinamento e retreinamento de modelos de visão computacional com as mídias rotuladas. Para isso, empregou-se Python e o modelo de detecção de objetos YOLO, associadas a um fluxo de versionamento (DVC/Git) que permite realimentar o modelo conforme surgem correções manuais de classificação. O frontend foi desenvolvido utilizando Next.js e Node.js, proporcionando uma interface interativa e eficiente para interação com os modelos. Além disso, toda a arquitetura foi dockerizada utilizando Docker, garantindo portabilidade, escalabilidade e facilidade de implantação em ambientes industriais. O resultado é um sistema robusto que permite evolução dos modelos e datasets sem depender de soluções em nuvem, garantindo escalabilidade e adequação às necessidades industriais locais.Trabalho de Conclusão de Curso Uso de Câmeras de Segurança para detecção de armas de fogo(2024) Possato, Eric Andrei Lima; Jesus, Matheus Aguiar de; Pinto, Pedro Altobelli Teixeira; Silva, Pedro AntonioNeste projeto desenvolvemos um “middleware” que funciona em conjunto com o software Defense IA da Intelbras, uma empresa brasileira especializada em produtos e soluções para segurança, comunicação, redes e energia, com forte atuação em iniciativas como cidades inteligentes. O Defense IA é um sistema avançado de vigilância que utiliza inteligência artificial para monitoramento e controle de acesso, oferecendo funcionalidades como reconhecimento facial, leitura de placas de veículos e detecção de comportamentos suspeitos. O “middleware” que desenvolvemos visa adicionar uma funcionalidade ao Defense IA. Especificamente, ele é responsável por capturar, analisar e processar fluxos de vídeo de câmeras RTSP (Real Time Streaming Protocol) , com o foco na identificação de armas nas imagens. O objetivo foi criar um serviço intermediário que opera de forma autônoma, realizando a análise das imagens em tempo real e enviando alertas após um processo de triagem. Isso permite uma integração eficiente com o software da Intelbras, adicionando uma nova função ao Defense IA.Trabalho de Conclusão de Curso Uso de IA para sistema de orientação e guiagem para pouso de sistemas autônomos de um VANT(2024) Ogawa, Alessandra Yumi Carvalho; Zamberlan, Enzo Dadier Lacks; Oliveira, Mateus Ruggero de; Gallo, ViniciusEste projeto visa o desenvolvimento de um sistema de guiagem autônomo para pouso de um VANT (Veículo Aéreo Não Tripulado) cargueiro, utilizando inteligência artificial e visão computacional. O software Unreal Engine 5 será empregado como ambiente de simulação e desenvolvimento, permitindo tanto o treinamento quanto a visualização dos resultados do algoritmo criado. A metodologia ágil Scrum foi adotada para definir entregáveis periódicos, enquanto a abordagem V&V (Verificação e Validação) é utilizada para organizar as etapas e assegurar a conformidade com os requisitos. Atualmente, o projeto encontra-se na fase de definição e validação de requisitos, caminhando para a etapa de Test Readiness Review (TRR). Ao final do desenvolvimento, o algoritmo de inteligência artificial, criado a partir da YOLOv3, foi capaz de identificar áreas possíveis para pouso levando em conta diversos requisitos com ótima precisão. Além disso, as rotinas de waypoints, fail-safe, detecção de obstáculos e movimentação para locais alternativos de pouso, simula adequadamente condições reais propostas.- Detecção Automática de Motoristas Cansados(2023) Rameh, Guilherme; Pinto, Luiza Valezim Augusto; Barros, Raphael Lahiry C. M. de; Griner, Rodrigo NigriEste projeto tem como objetivo o desenvolvimento de uma solução, no modelo prova de conceito para a plataforma Jetson Nano da Nvidia que identifique se o motorista está cansado e proponha outras possíveis formas de mitigar os riscos de condução do motorista, como disparar alarmes ou outras formas de evitar que acidentes aconteçam. Para enfrentar o desafio da detecção de um motorista cansado, o projeto conta com o ferramental prático e computacionalmente integrado da Nvidia para o desenvolvimento de soluções com AI e DeepLearning otimizadas em GPU, como a própria plataforma Jetson Nano e os softwares DeepStream, TAO Toolkit e TensorRT. Os resultados deste projeto demonstram a viabilidade de um produto feito integralmente com ferramentas da Nvidia, assim como o desenvolvimento de um modelo customizado usando o TAO Toolkit, a criação de uma pipeline capaz de usar tal modelo pela DeepStream e identificam gargalos na parte de capacidade computacional da Jetson Nano.