DSpace Coleção:

Mapeamento de trajetória com robô seguidor de linha utilizando sensores de velocidade, giroscópios e acelerômetros.

Thu, 01 Jan 2026 00:00:00 GMT

Título: Mapeamento de trajetória com robô seguidor de linha utilizando sensores de velocidade, giroscópios e acelerômetros. Autor(es): Fagundes, Laryssa Aparecida Gomes Resumo: A estimativa precisa de localização representa um dos principais desafios na robótica móvel, especialmente em ambientes internos, onde sistemas de posicionamento global não estão disponíveis. Métodos de navegação relativa, como a odometria e os Sistemas de Navegação Inercial (INS), são amplamente utilizados, porém apresentam limitações decorrentes do acúmulo progressivo de erros ao longo do tempo. Nesse contexto, este trabalho tem como objetivo investigar e implementar métodos de reconstrução de trajetória em um robô seguidor de linha, utilizando dados de sensores de velocidade, giroscópios e acelerômetros. A estimativa da trajetória foi processada e analisada sob três abordagens distintas: odometria, INS e a combinação de ambas por meio de um Filtro de Kalman Estendido (EKF). Os resultados experimentais demonstraram que a odometria isolada apresenta deslocamento lateral e rotação do eixo principal em decorrência de erros angulares cumulativos. Já a INS pura diverge significativamente da trajetória real devido ao erro crescente associado à dupla integração de ruídos. Em contrapartida, a combinação das técnicas via EKF apresentou desempenho superior, reduzindo as deficiências individuais de cada método e proporcionando uma representação geométrica mais consistente com o percurso efetivamente realizado.

Monitoramento do crescimento de planta utilizando visão computacional.

Thu, 01 Jan 2026 00:00:00 GMT

Título: Monitoramento do crescimento de planta utilizando visão computacional. Autor(es): Batista, Gustavo Antunes Resumo: O presente trabalho tem como objetivo desenvolver e implementar um sistema automatizado para o monitoramento do crescimento vegetal por meio de técnicas de visão computacional, utilizando a cultura da alface (Lactuca sativa L.) como estudo de caso, escolhida em razão de seu ciclo curto de cultivo, crescimento pre- dominantemente lateral e elevado contraste no canal verde, características que favorecem a mensuração da área foliar por imagens aéreas. O sistema integra um módulo ESP32-CAM para aquisição periódica das imagens e um algoritmo desen- volvido em Python para processamento digital posterior, incluindo extração do canal verde do espaço de cores BGR e aplicação do método de limiarização auto- mática de Otsu para segmentação da planta. A calibração da escala métrica foi realizada por meio de uma moeda de R$ 1,00, com área aproximada de 5.73 cm², permitindo a conversão da área segmentada de pixels para centímetros quadrados. O banco de dados foi composto por 56 imagens capturadas diariamente ao longo do ciclo experimental, possibilitando a análise temporal do crescimento de uma planta utilizada para validação da metodologia. Os resultados permitiram identificar três fases distintas de crescimento, bem como analisar a taxa de crescimento diário e o comportamento do limiar ao longo do tempo, demonstrando que a metodologia proposta é adequada para o monitoramento automatizado e não destrutivo da área foliar em condições experimentais reais.

VISION : Robô móvel com visão computacional aplicado à detecção de placas de segurança.

Thu, 01 Jan 2026 00:00:00 GMT

Título: VISION : Robô móvel com visão computacional aplicado à detecção de placas de segurança. Autor(es): Marins, Karine Isabelle Resumo: A evolução tecnológica tem impactado significativamente a robótica e os sistemas autônomos, especialmente o desenvolvimento de robôs móveis equipados com visão computacional. Nesse contexto, o uso de Redes Neurais Convolucionais (CNNs) tem se destacado por sua elevada eficiência em tarefas de detecção e classificação de imagens, permitindo que esses sistemas interpretem o ambiente e tomem decisões com maior precisão. Entretanto, um dos principais desafios dessa aplicação consiste em garantir acurácia e desempenho em tempo real em dispositivos embarcados de baixo custo. Diante disso, objetiva-se com esse trabalho desenvolver um protótipo de robô móvel equipado com visão computacional para a detecção automática de placas de segurança, como saída de emergência, risco de choque elétrico e uso obrigatório de EPI. A motivação deste trabalho está relacionada ao aumento da segurança em ambientes industriais, propondo um sistema capaz de realizar a identificação rápida e eficiente de placas de sinalização durante atividades de inspeção. A metodologia foi estruturada em quatro etapas principais: construção da base de dados, treinamento e validação do modelo na plataforma Edge Impulse, desenvolvimento e integração do hardware do robô e realização de testes experimentais para validação do sistema. O modelo foi implementado na plataforma Edge Impulse e a inferência foi realizada por meio de um dispositivo móvel. O sistema foi avaliado em um robô com chassi 4WD, equipado com motores DC, módulo Bluetooth e câmera para aquisição das imagens. Os resultados experimentais demonstraram desempenho satisfatório do sistema proposto. Em testes simulados, o modelo alcançou acurácia de 97,33% e F1 Score próximo de 99%. Nos testes de inferência em dispositivo móvel, as médias de confiança das classes foram 0,91 para EPI, 0,98 para Saída de Emergência e 0,89 para Choque. Nos testes dinâmicos com o robô em movimento, as médias foram 0,93 para EPI, 0,96 para Saída de Emergência e 0,93 para Choque, evidenciando robustez e consistência do sistema em diferentes condições de aquisição de imagem.

Sensor virtual para classificação da sílica no produto de um processo de flotação de minério de ferro.

Thu, 01 Jan 2026 00:00:00 GMT

Título: Sensor virtual para classificação da sílica no produto de um processo de flotação de minério de ferro. Autor(es): Reis, Júlia Silva Resumo: A flotação reversa de minério de ferro visa reduzir o teor de sílica no concentrado. Porém, o controle eficaz é limitado pela disponibilidade descontínua dos resultados laboratoriais, obtidos apenas a cada duas horas. Propõe-se neste trabalho um sensor virtual baseado em aprendizado de máquina para classificar em tempo real o teor de sílica no concentrado da planta de flotação da Mina de Timbopeba da Vale S.A., utilizando dados históricos de processo. A metodologia seguiu etapas de inspeção, pré-processamento, análise estatística e modelagem. Após análise exploratória, selecionaram-se 21 variáveis como entradas do modelo. Para ser possível utilizar as variáveis de laboratório como entradas do modelo, aplicou-se uma estratégia de médias móveis. O modelo utilizado foi o Random Forest, avaliado em classificação binária, cujos rótulos escolhidos foram “Normal” (≤ 2,5%), para porcentagens de sílica no concentrado dentro da faixa de especificação, e “Alta” (> 2,5%), para porcentagens acima do especificado; e multiclasse, para os teores de sílica no concentrado considerados baixos (< 1,5%), moderados (entre 1,5% e 2,5%) ou altos (> 2,5%). Os dados apresentaram desbalanceamento acentuado. Para mitigá-lo, utilizaram-se duas estratégias: ponderação por classe e balanceamento híbrido combinando oversampling sintético (SMOTE) com limpeza (Tomek Links). Conclui-se que o sensor virtual desenvolvido, em especial com balanceamento híbrido, é viável para fornecer estimativas categóricas em tempo real do teor de sílica. Assim, sua saída pode ser integrada a sistemas de controle avançado para ajustes ágeis na dosagem de reagentes e no nível das células, otimizando o processo, reduzindo custos e melhorando a qualidade do concentrado final.