Lista Pública de Trabalhos Acadêmicos

Curso:

Pesquisar: Ano:

Permite filtrar a lista de TCCs com o curso, o termo e o ano
escolhidos. O termo pode ser, por exemplo:

Autor ou orientador;
Nome do TCC;
Palavra-chave;
Conteúdo dos resumos.

Resumo Os jogos do gênero 4X (eXplorar, eXpandir, eXplotar e eXterminar) exigem que os jogadores realizem decisões estratégicas complexas envolvendo desenvolvimento econômico, avanço tecnológico, expansão territorial e combate. Entre esses jogos, The Battle of Polytopia destaca-se por oferecer mecânicas simplificadas em relação a títulos tradicionais do gênero, mantendo desafios significativos de planejamento e otimização de recursos. Este trabalho propõe o desenvolvimento de um modelo heurístico de apoio à tomada de decisão estratégica, tática e operacional em The Battle of Polytopia, com foco na avaliação de escolhas tecnológicas e econômicas ao longo da partida. “Na camada estratégica, o modelo utiliza uma função de valor baseada em características do estado do jogo, como tipo de mapa, recursos disponíveis, custo das tecnologias, potencial de crescimento econômico e retorno esperado das ações ao longo do tempo e emprega um sistema de inferência nebulosa para selecionar o comportamento a ser adotado. A partir dessa função, combinações de tecnologias e ações econômicas serão avaliadas e classificadas por meio de uma pontuação estratégica, permitindo identificar alternativas com maior potencial de desenvolvimento. Dessa forma, a camada tática pode então gerar objetivos intermediários a serem atingidos, bem como definir parâmetros mínimos a serem alcançados em cada turno. Com isso, o nível operacional poderá analisar a situação de combate e avaliar quais objetivos intermediários são possíveis de cumprir e determinar qual a melhor escolha em termos de uma pontuação operacional. Espera-se que os resultados contribuam para a compreensão de processos de tomada de decisão em jogos 4X e demonstrem a aplicabilidade de métodos heurísticos na análise de estratégias em ambientes complexos.

Ano 2026

Orientador RAUL FONSECA NETO Co-Orientador Palavras-chave Jogos 4X, Inteligência artificial em jogos, Heurísticas, Tomada de decisão, Polytopia

Resumo A contagem de eosinófilos (células do sistema imunológico) em imagens histológicas é fundamental para pesquisas biomédicas que estudam respostas inflamatórias, alérgicas e imunológicas do organismo. Porém, a demarcação dessas células nas imagens para contagem é, em grande parte, realizada manualmente, demandando muitas horas de trabalho dos pesquisadores - tempo que poderia ser direcionado a atividades intelectuais, analíticas e interpretativas. Diante desse cenário, torna-se relevante o desenvolvimento de soluções automatizadas que auxiliem na identificação e quantificação dessas células. Assim, com o objetivo de automatizar a segmentação e contagem de eosinófilos e aumentar a produtividade das pesquisas biomédicas, este trabalho propõe o desenvolvimento de um modelo computacional baseado em técnicas de aprendizado de máquina com redes neurais convolucionais para a detecção e contagem de eosinófilos em imagens microscópicas. Para isso, foi treinado um modelo utilizando o algoritmo YOLO11 em sua variante nano, que foi avaliado qualitativamente por pesquisadores especialistas de ciências biológicas e quantitativamente por métricas utilizadas na visão computacional. Assim, este projeto contribui para a redução do esforço manual e maior eficiência na análise de imagens histológicas, reduzindo o tempo de contagem de células de horas para segundos.

Ano 2026

Orientador BARBARA DE MELO QUINTELA Co-Orientador Palavras-chave Machine Learning, Deep Learning, Redes Neurais Convolucionais, Eosinófilo, Célula, Granuloma, Whole Slide Imaging

Resumo A mortalidade infantil constitui um importante indicador das condições de saúde de uma população. No Brasil, os dados sobre nascimentos e óbitos são registrados de forma independente em dois sistemas de informação do SUS: o Sistema de Informações sobre Nascidos Vivos (SINASC) e o Sistema de Informações sobre Mortalidade (SIM). A ausência de um identificador único comum entre essas bases, contudo, dificulta a análise integrada dos fatores associados ao óbito infantil, tornando necessária a aplicação de técnicas de vinculação de registros. Diante disso, este trabalho teve como objetivo identificar fatores associados ao óbito infantil na região Sudeste do Brasil por meio de técnicas computacionais. Para isso, realizou-se o linkage probabilístico entre o SIM e o SINASC, organizado em três rodadas sucessivas com flexibilização progressiva dos critérios de similaridade. O procedimento vinculou aproximadamente 82,6% dos óbitos infantis registrados no SIM (30.220 pares). Sobre a base integrada, realizou-se uma análise exploratória que caracterizou o perfil dos registros e revelou gradientes de mortalidade coerentes com o conhecimento epidemiológico. Em seguida, foram aplicados e comparados três modelos de aprendizado de máquina — Random Forest, Regressão Logística e XGBoost — para prever a ocorrência de óbito infantil em um cenário de forte desbalanceamento de classes (0,68% de óbitos). O XGBoost apresentou o melhor desempenho, com AUC-PR de 0,3561, F2-score de 0,5039 e sensibilidade de 0,5746. A análise da importância das variáveis, conduzida por meio da importância por ganho, dos valores SHAP e dos coeficientes da Regressão Logística, revelou convergência entre os modelos: o peso ao nascer, a duração da gestação, os índices de Apgar e a presença de anomalia congênita destacaram-se como os fatores mais associados ao óbito infantil, em consonância com o conhecimento clínico da área. Os resultados evidenciam o potencial das técnicas de aprendizado de máquina como ferramentas de apoio à análise da mortalidade infantil e à identificação de grupos de maior risco em saúde pública.

Ano 2026

Orientador HEDER SOARES BERNARDINO Co-Orientador Palavras-chave Mortalidade infantil. Linkage probabilístico. Aprendizado de máquina. SIM. SINASC.

Resumo A indústria da construção civil é uma grande consumidora de recursos naturais, sendo a produção de cimento Portland um dos processos mais impactantes ambientalmente devido às suas elevadas emissões de dióxido de carbono. Os geopolímeros surgem como uma alternativa promissora, pois sua produção dispensa etapas de combustão, resultando em menor emissão de carbono. Esta pesquisa explora a síntese de geopolímeros com foco em ativadores ácidos e propõe o uso de aprendizado de máquina e algoritmos genéticos como ferramentas de otimização. Enquanto os geopolímeros de ativação básica já estão bem consolidados, os geopolímeros ácidos ainda representam um campo emergente, com potencial inexplorado, especialmente em ambientes agressivos. Este estudo propõe uma abordagem preditiva para otimizar a formulação de geopolímeros ácidos, reduzindo a necessidade de testes empíricos e o consumo de materiais. Modelos de aprendizado de máquina predizem propriedades mecânicas com alta precisão, enquanto algoritmos genéticos otimizam as composições. A sinergia entre essas técnicas é especialmente vantajosa para geopolímeros ácidos, que carecem de dados históricos extensos. Assim, os experimentos laboratoriais tornam-se mais focados e eficientes, guiados pelas previsões dos modelos. Essa abordagem inovadora pode acelerar o desenvolvimento de geopolímeros e contribuir para uma construção mais sustentável ao reduzir a pegada ambiental de materiais cimentícios.

Ano 2026

Orientador LUCIANA CONCEICAO DIAS CAMPOS Co-Orientador JULIA CASTRO MENDES Palavras-chave Concreto Geopolimérico Ácido. Aprendizado de Máquina. Dosagem. Otimização Multiobjetivo

Resumo Estudos estão sendo feitos sobre a futura sexta geração de redes sem fio (6G), prevista para chegar a partir de 2030. Nisso surgem as antenas inteligentes com suas capacidades únicas de transmissão, demonstrando resultados promissores no desempenho e utilidade a sistemas de comunicação sem fios. É previsto que estas antenas inteligentes possam vir a ser implementadas para ocupar edifícios, janelas e até veículos móveis, com isso, maximizar a qualidade do sinal transmitido através de suas técnicas de reconfiguração com superfícies refletoras inteligentes. Motivado pelo potencial da tecnologia, o trabalho propõe fornecer uma visão das diferentes técnicas de reconfiguração de antenas inteligentes. O objetivo é comparar essas técnicas, destacando suas principais diferenças e o impacto que elas têm na implementação das antenas em diversas aplicações. Espera-se que a análise contribua para um entendimento mais profundo sobre como cada abordagem afeta o desempenho e a flexibilidade das antenas inteligentes.

Ano 2026

Orientador EDELBERTO FRANCO SILVA Co-Orientador Palavras-chave Superfícies Inteligentes Reconfiguráveis (IRS) , 6G, Antenas Reconfiguráveis, Técnicas de Reconfiguração.

Resumo O crescimento de dispositivos conectados à Internet das Coisas tem ampliado a coleta e o processamento de dados sensíveis, especialmente em aplicações de saúde digital e monitoramento contínuo. Modelos tradicionais de aprendizado de máquina, baseados em processamento centralizado na nuvem, apresentam limitações relacionadas à privacidade, à latência e ao custo de comunicação. Nesse contexto, o Aprendizado Federado surge como uma abordagem capaz de treinar modelos de forma distribuída, mantendo os dados brutos nos dispositivos de origem. Entretanto, a comunicação direta entre múltiplos clientes e um servidor central ainda pode gerar gargalos e manter elevada dependência da camada Cloud. Este trabalho propõe, implementa e avalia uma arquitetura de Aprendizado Federado Hierárquico baseada no paradigma Edge–Fog–Cloud, na qual a camada Fog realiza agregação parcial de modelos, mantém modelos regionais e reduz a comunicação direta entre os dispositivos Edge e a Cloud. O protótipo foi desenvolvido com Python, PyTorch, FastAPI e Docker, considerando cenários centralizado, federado plano e federado hierárquico. Os experimentos avaliaram acurácia, perda, tempo de execução, rounds até convergência e volume de comunicação entre as camadas. Os resultados indicaram que a arquitetura hierárquica preservou desempenho preditivo comparável ao do Aprendizado Federado plano, com acurácia final de 0,9000 no cenário hierárquico, 0,8800 no plano e 0,8800 no centralizado, valores próximos entre si em um conjunto de teste temporalmente disjunto do treino, ao mesmo tempo em que reduziu em 75% o tráfego direto com a Cloud. Como o rótulo de estresse foi derivado de uma das variáveis de entrada e a avaliação não contou com anotação clínica, a acurácia reflete a recuperação dessa regra pelo modelo e não a detecção clínica de estresse, de modo que a comparação entre cenários sustenta a viabilidade arquitetural, e não uma medida de capacidade diagnóstica. Assim, os resultados demonstram que a camada Fog pode atuar como componente ativo no treinamento federado, contribuindo para maior eficiência de comunicação e para a preservação dos dados brutos nos dispositivos de origem.

Ano 2026

Orientador VICTOR STROELE DE ANDRADE MENEZES Co-Orientador Palavras-chave Aprendizado Federado; Camada Fog; Arquitetura Edge-Fog-Cloud

Resumo O aumento de eventos climáticos extremos exige análises integradas para a gestão de riscos. A Ciência da Computação contribui significativamente nesse contexto por meio da integração de dados e extração de conhecimento. No Brasil, bases governamentais como o Atlas Digital de Desastres e a plataforma AdaptaBrasil MCTI (Ministério da Ciência, Tecnologia e Inovação) são fundamentais nessa área, porém heterogêneas e desintegradas. Esta pesquisa propõe a aplicação do processo de Descoberta de Conhecimento em Bases de Dados (KDD) para integrar e analisar essas fontes. Utilizando mineração de dados, processos de ETL (Extração, Transformação e carga), análise de correlação estatística e algoritmos de agrupamento não supervisionado, o objetivo principal é descobrir padrões que relacionem o histórico de extremos hídricos, como secas e inundações, com a vulnerabilidade climática, focando especificamente no risco de incidência de arboviroses. Como resultado, a pesquisa produziu análises gráficas integradas, destacando-se diagramas de dispersão, mapas de calor (heatmaps) de cruzamento de riscos e a segmentação dos municípios brasileiros em cinco perfis de risco composto. Os padrões quantitativos evidenciados nessas visualizações, a exemplo da correlação positiva entre o histórico de secas e a suscetibilidade a dengue, zika e chikungunya, validam os modelos de vulnerabilidade atuais e condizem com a literatura científica recente sobre a influência direta dos extremos climáticos nas crises de saúde pública.

Ano 2026

Orientador FABRICIO MARTINS MENDONCA Co-Orientador Palavras-chave Mineração de Dados, Risco Climático, Desastres Naturais, Arboviroses, KDD

Resumo Este trabalho investiga o uso de modelos de aprendizado de máquina para a classificação de fluxos de rede associados a ataques de negação de serviço (DoS). Para isso, utiliza-se a base CICIDS2017, considerando apenas o tráfego benigno e as variações de DoS presentes no conjunto de dados. A metodologia inclui etapas de pré-processamento, remoção e seleção de atributos, divisão estratificada dos dados, avaliação do impacto do balanceamento por undersampling e comparação entre os modelos Random Forest e XGBoost. Além da avaliação offline, foi desenvolvida uma ferramenta de monitoramento e classificação contínua, responsável por capturar pacotes, extrair fluxos com o CICFlowMeter, aplicar o modelo treinado e emitir alertas para fluxos classificados como maliciosos. Os resultados na base de teste indicaram alto desempenho, com valores, por exemplo, de F1 > 0,9921, levando à seleção do Random Forest sem balanceamento. Entretanto, a avaliação em ambiente controlado evidenciou uma queda significativa na detecção de ataques gerados fora da base original, associada a diferenças nas distribuições dos atributos mais relevantes. Assim, o trabalho demonstra o potencial da abordagem, mas também ressalta limitações quanto à generalização em cenários práticos.

Ano 2026

Orientador EDELBERTO FRANCO SILVA Co-Orientador Palavras-chave Detecção de intrusão, aprendizado de máquina, DoS, CICIDS2017

Resumo Com a contínua evolução das redes sem fio e a consolidação do padrão Wi-Fi 6, a segurança da informação em ambientes de acesso público tornou-se um desafio crítico. O método Opportunistic Wireless Encryption (OWE), padronizado pela RFC 8110, apresenta-se como uma solução capaz de fornecer criptografia individualizada nessas redes, eliminando a dependência de senhas pré-compartilhadas. Este trabalho propõe um estudo aprofundado e a avaliação prática do desempenho e da segurança do OWE dentro dessa nova arquitetura de conectividade. A pesquisa traça a evolução dos protocolos desde o WPA2 até o advento do WPA3, detalhando o mecanismo matemático de troca de chaves Diffie-Hellman e seu impacto na latência inicial da camada de enlace. Além da fundamentação teórica, foram conduzidos testes práticos focados na camada de aplicação para comprovar a eficácia da ocultação dos dados de navegação do usuário. A metodologia baseia-se na construção de um ambiente de testes rigorosamente controlado, simulando um roteador de acesso via Linux com adaptadores Wi-Fi 6, aliado a ferramentas de auditoria forense. Os resultados obtidos confirmam a viabilidade do OWE como sucessor definitivo das redes abertas tradicionais, atestando a blindagem robusta do tráfego web com um custo computacional tolerável frente ao expressivo ganho em privacidade.

Ano 2026

Orientador EDELBERTO FRANCO SILVA Co-Orientador Palavras-chave Wi-Fi 6, OWE, Criptografia Sem Fio, Segurança de Redes, WPA3, Wireshark

Resumo Este trabalho apresenta o desenvolvimento de um sistema web voltado à padronização e ao registro digital das evoluções ambulatoriais nas subespecialidades de Pneumologia do Hospital Universitário da UFJF (HU-UFJF). Atualmente, os registros clínicos nesse ambulatório são realizados de forma heterogênea e não padronizada, o que dificulta a organização dos dados, o acompanhamento longitudinal dos pacientes e a integração com o prontuário eletrônico institucional (AGHU). O sistema proposto oferece formulários digitais adaptados inicialmente às subespecialidades de Pneumologia Geral e Pneumopatias Intersticiais, com estrutura padronizada e geração de documento padronizado em PDF, adequado à transcrição no prontuário eletrônico institucional (AGHU). O projeto foi conduzido segundo uma abordagem iterativa e incremental, com ciclos de levantamento de requisitos, modelagem e implementação realizados de forma progressiva em articulação com o médico responsável pelo ambulatório. A validação do protótipo foi conduzida junto a esse profissional, verificando a adequação do sistema às demandas de registro e documentação clínica.

Ano 2026

Orientador CIRO DE BARROS BARBOSA Co-Orientador Palavras-chave Sistemas de informação em saúde; documentação clínica; evolução am bulatorial; Pneumologia; Engenharia de Software.

Resumo A crescente adoção de classificadores de Machine Learning (ML) em sistemas de segurança crítica demanda transferir a avaliação de confiabilidade (dependability) e segurança cibernética do tempo de projeto — técnicas como Fault Tree Analysis (FTA) — para o monitoramento em tempo de execução (runtime). Ataques adversariais — ameaças que comprometem a confidencialidade, a integridade ou a disponibilidade do sistema — representam risco significativo: a violação de uma propriedade de segurança cibernética pode provocar uma falha de safety (definida como freedom from unacceptable risk), com consequências catastróficas a pessoas, ao ambiente ou à propriedade. O objetivo deste trabalho foi avaliar a efetividade de classificadores de ML na detecção de ataques adversariais na indústria, utilizando o método SafeML — abordagem de Explainable AI baseada em medidas de dissimilaridade estatística (SDD) sobre Funções de Distribuição Empírica Acumulada (ECDF), que monitora a confiança em tempo de execução de forma model-agnostic. Como resultado, desenvolveu-se um software de monitoramento sob Clean Architecture e princípios SOLID. Avaliaram-se quatro classificadores — LeNet5-BN (MNIST, 99,14%), SmallResNet (CIFAR-10, 89,54%), ResNet-18 (GTSRB, 99,07%) e Random Forest (CICIDS2017, 89,77%) — sob os ataques FGSM, PGD, C&W, DeepFool e Ruído Gaussiano, medindo o desvio padrão das previsões por cinco distâncias estatísticas: Kolmogorov-Smirnov, Wasserstein, Anderson-Darling, Kuiper e Cramér-von Mises. As medidas SDD demonstraram correlações positivas com a queda de acurácia: para o LeNet5-BN (MNIST) e o SmallResNet (CIFAR-10), todas exceto a Anderson-Darling atingiram AUC-ROC = 1,000 (detecção perfeita); para o Random Forest (CICIDS2017), as correlações foram significativas (KS r = 0,973***; Kuiper r = 0,974***). Para a ResNet-18 (GTSRB) sobre pixels brutos, o desempenho foi inferior (AUC-ROC de até 0,833), elevando-se ao adotar features CNN de 512 dimensões. O SafeML mostrou-se uma alternativa model-agnostic viável e eficaz para o monitoramento de segurança de ML industrial. Palavras-chave: SafeML; Machine Learning; Safety; Cybersecurity; Ataques Adversariais; ECDF; Monitoramento em Tempo de Execução.

Ano 2026

Orientador ANDRE LUIZ DE OLIVEIRA Co-Orientador ALEX BORGES VIEIRA Palavras-chave SafeML; Safety; Cybersecurity; Machine Learning; Classificadores; Medidas de distância estatística; Kolmogorov-Smirnov; Wasserstein Distance; ECDF; Human-in-the-loop; Monitoramento em tempo real; Indústria de desenvolvimento de software; Detecção de ano

Resumo Contextualização/Motivação: A expansão acelerada dos sistemas conversacionais no contexto tecnológico contemporâneo tornou evidente um problema estrutural recorrente: a maioria dos chatbots é desenvolvida de forma ad-hoc, sem apoio de modelos arquiteturais consolidados, o que resulta em sistemas frágeis, monolíticos, de difícil manutenção e com baixa interoperabilidade. Objetivo: Neste trabalho é apresentada a proposta de uma Arquitetura de Referência (AR) para o desenvolvimento de aplicações baseadas em chatbots. Metodologia: A arquitetura foi desenvolvida seguindo o processo ProSA-RA (Process for Software Architectures - Reference Architectures). Primeiramente, durante a investigação de fontes de informação, foi conduzida uma revisão sistemática de literatura e análise de sistemas existentes em sete domínios distintos. Posteriormente, na fase de análise arquitetural, os requisitos foram elicitados e categorizados em requisitos funcionais e não funcionais essenciais. Por fim, durante a síntese arquitetural, foram especificadas visões arquiteturais documentadas segundo o modelo "4+1" utilizando diagramas UML. A arquitetura de referência proposta poderá ser utilizada como base (blueprint) conceitual para o desenvolvimento de aplicações baseadas em chatbots. Para avaliar a viabilidade arquitetura proposta, a mesma foi instanciada na especificação do projeto arquitetural de um chatbot para o domínio educacional.

Ano 2026

Orientador ANDRE LUIZ DE OLIVEIRA Co-Orientador PEDRO HENRIQUE DIAS VALLE Palavras-chave Arquitetura de Referência, Chatbots, ProSA-RA

Resumo Este trabalho apresenta o desenvolvimento e a avaliação de um jogo de tabuleiro educacional, intitulado "GobDash", voltado para o ensino de conceitos de Computação como algoritmos, sequenciamento lógico e depuração de código, por meio da abordagem de Computação Desplugada. O material foi desenvolvido a partir de um mapeamento sistemático da literatura, que evidenciou a carência de fundamentação teórica e de avaliação empírica documentada na maioria dos jogos analógicos voltados à Educação em Computação. O jogo foi projetado com base em habilidades específicas da Base Nacional Comum Curricular (BNCC) de Computação e concebido como um material de baixo custo e fácil reprodução. Sua avaliação foi realizada por meio de uma oficina aplicada a 44 estudantes de duas turmas do 9º ano do Ensino Fundamental II de uma escola pública de Juiz de Fora (MG), combinando dois instrumentos: um par de pré-teste e pós-teste, baseado em questões do Desafio Bebras, para mensurar variações nas habilidades de Pensamento Computacional (PC) dos participantes; e o questionário MEEGA+Kids, para avaliar a aceitação e o engajamento dos estudantes com o material. Os resultados indicaram uma boa aceitação do jogo, com destaque para as dimensões de Estética (média 4,08) e Aspecto Social (média 4,02), enquanto a dimensão de Facilidade de Aprender e Jogar obteve a menor média (3,56), sinalizando a necessidade de aprimoramento na apresentação das regras. Quanto ao desenvolvimento do PC, a comparação não indicou diferença estatisticamente significativa, resultado atribuído principalmente ao curto tempo de aplicação e à divergência de dificuldade entre as questões utilizadas nos dois instrumentos, e não necessariamente à ineficácia do material como ferramenta pedagógica. Conclui-se que "GobDash" constitui um material acessível e bem avaliado do ponto de vista de engajamento e usabilidade, ainda que sejam necessários estudos futuros, com amostras maiores e aplicações mais longas, para confirmar seu impacto direto no desenvolvimento do PC.

Ano 2026

Orientador BARBARA DE MELO QUINTELA Co-Orientador IGOR DE OLIVEIRA KNOP Palavras-chave Computação Desplugada; Jogo de Tabuleiro; Ensino de Computação; Pensamento Computacional; Lógica e Algoritmos; Jogo Analógico; Jogo Educacional;

Resumo A simulação computacional da eletrofisiologia cardíaca permite estudar a propagação elétrica no tecido cardíaco e os cerários de formação de arritmias, mas seu custo computacional cresce rapidamente com o refinamento da malha, o número de passos temporais e a complexidade dos modelos utilizados. Este trabalho avalia o uso de JAX como alternativa para acelerar simulações baseadas no modelo do monodomínio e em diferenças finitas. Inicialmente, uma implementação em NumPy em CPU foi usada como referência para verificar a consistência numérica da implementação em JAX em casos controlados. Em seguida, os experimentos passaram a concentrar-se no desempenho da execução em JAX, especialmente em GPU, no estudo de convergência de malha e na extensão do simulador para um caso tridimensional com máscara anatômica. Foram avaliados os modelos biestável, FitzHugh-Nagumo, Mitchell-Schaeffer e Bueno-Orovio. Os resultados indicaram equivalência prática entre NumPy e JAX nas verificações iniciais em dupla precisão, ganhos expressivos de desempenho com JAX nas malhas maiores e viabilidade da execução do monodomínio 3D mascarado em GPU.

Ano 2026

Orientador JOVENTINO DE OLIVEIRA CAMPOS Co-Orientador BERNARDO MARTINS ROCHA Palavras-chave Eletrofisiologia cardíaca, JAX, GPU, monodomínio

Resumo A avaliação do Escore de Condição Corporal (ECC) é uma prática essencial na pecuária, mas o método tradicional apresenta limitações inerentes à subjetividade. Este trabalho objetivou construir um conjunto de dados original e investigar a aplicação de modelos de redes neurais convolucionais (CNNs) para a predição automatizada do ECC. A metodologia envolveu a aquisição de imagens da região dorsal em ambiente produtivo não controlado, anotação por avaliadores treinados e o pré-processamento dos dados. Foram implementadas e comparadas estratégias de classificação de imagens (VGG-16, ResNet-18, ResNet-50 e DenseNet-121) e de detecção de objetos (YOLO11n e YOLO26n) utilizando a técnica de transferência de aprendizado. Os experimentos evidenciaram a elevada complexidade do problema em condições reais, uma vez que o tamanho reduzido e o desbalanceamento do conjunto de dados limitaram a capacidade de generalização dos modelos. Constatou-se que a redução da granularidade da escala de escores contribuiu significativamente para o aumento da acurácia, com a arquitetura VGG-16 atingindo o melhor desempenho, com 50,76\% de acerto para três classes. Por fim, espera-se que os resultados contribuam para o avanço de soluções na pecuária de precisão.

Ano 2026

Orientador LUIZ MAURILIO DA SILVA MACIEL Co-Orientador FRANK ANGELO TOMITA BRUNELI Palavras-chave Escore de Condição Corporal, Pecuária de Precisão, Redes Neurais Convolucionais, Classificação de Imagens

Trabalho	Autor	PDF	Extras
Um sistema hierárquico para o apoio à tomada de decisões em jogos 4X	DAVI LARANJO VILLA
Desenvolvimento de Modelo de Aprendizado de Máquina para Segmentação de Eosinófilos em Imagens Histológicas	JULIANA HANSEN BASDÃO FAM
Linkage Probabilístico e Análise Computacional de Fatores Associados à Mortalidade Infantil na Região Sudeste do Brasil	RAQUEL LARRAT LOPES
Otimização da Dosagem de Concretos Geopoliméricos Ácidos Utilizando Aprendizado de Máquina e Algoritmos Genéticos	LUCAS PAIVA DOS SANTOS
Estudo, Proposta e Avaliação de Superfícies Refletoras Inteligentes em Redes 6G	WILIAM ROCHA DOS SANTOS
Aprendizado Federado Hierárquico na Camada Fog	RODRIGO CAMPOS FIGUEIREDO
Descoberta de Padrões e Análise de Correlação entre Eventos Climáticos Extremos e Arboviroses no Brasil utilizando Técnicas de Mineração de Dados	ÍTALO DE ALMEIDA RIBEIRO
Classificação de Fluxos de Rede Associados a Ataques DoS com Aprendizado de Máquina e Avaliação em Cenário Experimental	ALFREDO LUCAS DA SILVA NETO
Estudo e Avaliação do Método de Criptografia Sem Fio Oportunista OWE	GIOVANE MACHADO AGUIAR
Sistema para Padronização e Apoio ao Registro de Evoluções Ambulatoriais em Pneumologia no HU-UFJF	KAYAN MARTINS DE FREITAS
Avaliação de Safety e Cybersecurity de Classificadores de Machine Learning na Indústria Utilizando SafeML	VITÓRIA ISABELA DE OLIVEIRA
Análise e Síntese de uma Arquitetura de Referência para Chatbots	TICIANO DE OLIVEIRA FRACETTE
Desenvolvimento de um Jogo Analógico Educacional para Ensino de Computação Voltado a Crianças e Adolescentes	ISADORA GONÇALVES FERREIRA
Aceleração de Simulações da Eletrofisiologia Cardíaca com JAX	JONATAS DIAS MACHADO COSTA
Predição de Escore de Condição Corporal em Bovinos Guzerá Utilizando Redes Neurais Convolucionais	ENZO FACEROLI MARQUES MOREIRA

<< Anterior
1
2
3
4
5
6
7
Próximo >>