Bacharelado em Engenharia da Computação

URI Permanente desta comunidade

https://repositorio.ifmg.edu.br/handle/20.500.14387/663

Navegar

Navegando Bacharelado em Engenharia da Computação por Autor "Mestre Calebe Giaculi Júnior"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Aplicação de técnicas de mineração de dados para predição do consumo de energia elétrica em ambiente doméstico
    (2024-05-10) Carvalho, Ana Caroline Coutinho; Mestre Felipe Lopes de Melo Faria; Mestre Calebe Giaculi Júnior
    A presente monografia tem como objetivo a aplicação de técnicas de Mineração de Dados, como RNA, KNN e Random Forests, para a predição e análise de resultados, a fim de possíveis tomadas de decisão, na área de energia elétrica no ambiente doméstico. A base de dados utilizada engloba informações como: consumo de energia elétrica em ambientes domésticos e dados meteorológicos, sendo que a residência, que é o objeto de estudo, está localizada na Bélgica. Os registros foram coletados e anotados por Candanedo, Feldheim e Deramaix (2017). Métodos matemáticos foram aplicados, como: análise de correlação para compreender as relações entre atributos/variáveis, e normalização para melhorar a visualização da base, padronizando a escala dos dados. A avaliação e validação dos resultados obtidos deram-se por meio de métricas como, MAE, MAPE e RMSE. Destaca-se que os resultados deste estudo superaram os obtidos na pesquisa base, apresentando resultados de 22,83 para MAE, 22,14% para MAPE e 54,52 para RMSE. E a pesquisa base apresentou resultados de 31,36 para MAE, 29,76% para MAPE e 70,74 para RMSE. Para trabalhos futuros, diversas oportunidades destacam-se para aprimorar e expandir os resultados obtidos. Verificar se o WEKA trata Overfitting. Aplicação de novas técnicas de predição e novos métodos de validação. Outra possível abordagem: análise dos tipos de eletrodomésticos utilizados e os horários de maior demanda de energia, podendo analisar em períodos e intervalos diferentes, como em semanas ou em meses, com foco na identificação de economias na energia e fazer comparações nacionais, se todas as residências economizassem. Por fim, replicar o estudo no contexto brasileiro.
  • Imagem de Miniatura
    Item
    Desenvolvimento de um sistema para o posicionamento automático de bulbilhos de alho utilizando visão computacional
    (2025-02-05) Dias Neto, André; Mestre Calebe Giaculi Júnior; Mestre Francisco Heider Willy dos Santos
    O alho está entre os condimentos mais populares do mundo, e, no Brasil, a maior parte do plantio é realizada de forma manual, exigindo uma grande demanda de mão de obra, elevando os custos de produção. Uma solução para reduzir os custos e aumentar a competitividade com o mercado internacional é utilizar a mecanização no plantio. Para atingir uma maior produtividade, o plantio da semente deve ser feito na posição correta, porém a maior parte das máquinas para o plantio de alho não atende ao requisito de posicionar a semente no solo. Nesse contexto, este trabalho apresenta o desenvolvimento de um sistema para o posicionamento automático de bulbilhos de alho, utilizando visão computacional. O objetivo é criar um protótipo que consiga identificar a posição em que a semente está e, através de imagens de vídeo em tempo real, fazer a correção da posição da semente antes do plantio. O trabalho aborda a importância de um plantio correto, com a raiz para baixo, e, se devidamente mecanizado, pode ajudar a reduzir os custos do plantio e maximizar a produção. O trabalho apresenta o desenvolvimento de um protótipo para o posicionamento das sementes de alho, que consiste na implementação de um mecanismo físico, eletrônico e de um software que utiliza processamento digital de imagens e redes neurais convolucionais para realizar a classificação dos bulbilhos de alho. Um conjunto de dados foi criado com imagens reais dos bulbilhos, sendo utilizado, para treinar, um modelo de rede neural convolucional (MobileNetV2) para identificar a região radicular e o ápice das sementes. O trabalho apresenta resultados com acurácia média de 90% na classificação das posições e demonstra a capacidade de realizar a detecção em tempo real no dispositivo, validando o projeto como uma solução promissora.