Projetos de pesquisa

DeepFashion

DeepFashion é uma idéia de produto que, dada uma imagem de uma pessoa e uma imagem de uma peça de roupa, o sistema inteligente faz a transfêrencia automática da roupa. Um provador virtual que auxiliaria nas compras de clientes tanto em lojas físicas como virtuais.

Esse sistema se baseia em diversas redes neurais, cada uma resolvendo um tipo diferente de problema, que unidas podem realizar a tarefa desejada.

Os resultados ainda precisam ser aprimorados para utilização comercial, porém resultados preliminares como os observados na imagem ao lado se mostram promissores.

Acadêmicos alocados:

  1. Rozimeri Ferreira (graduação)

  2. Juliano Rinaldi (mestrado)

Resultados esperados:

Artigo, Patente, Produto

Acadêmicos alocados:


Resultados esperados:

Artigo, Patente, Produto

Alimentador automático de pássaros com identificação de espécies em tempo real

Esse projeto via criar um alimentador de pássaros inteligente que o notifica sobre passarinhos visitantes, tira suas fotos, identifica automaticamente sua espécie e as organiza em um album.

Apesar de ter um viés divertido e decorativo, a identificação automática das espécies, se conectado em rede, pode auxiliar no levantamento e acompanhamento da fauna.

Estimating and tuning adaptive action plans for the control of smart interconnected poultry houses

Discrete Event Systems DESs are classically modeled as Finite State Machines (FSMs), and controlled in a maximally permissive, controllable, and nonblocking way using Supervisory Control Theory (SCT).

While SCT is powerful to orchestrate events of DESs, it fails to process events whose control is based on probabilistic assumptions. In this research, we show that some events can be approached as usual in CT, while others can be processed apart using Artificial Intelligence.

We first present a tool to convert SCT controllers into Reinforcement Learning (RL) simulation environments, from where they become suitable for intelligent processing. Then, we propose a RL-based approach that recognizes the context under which a selected set of stochastic events occur, and treats them accordingly, aiming to find suitable decision making as complement to deterministic outcomes of the SCT.

The result is an efficient combination of safe and flexible control, which tends to maximize performance for a class of DES that evolves probabilistically. Two \RL algorithms are tested, State-Action-Reward-State-Action (SARSA) and N-step SARSA, over a flexible automotive plant control. Results suggest a performance improvement 9 times higher when using the proposed combination in comparison with non-intelligent decisions

Acadêmicos alocados:

  1. Kallil Zielinski

  2. Lucas Volkmer

Resultados esperados:

Artigo, Patente, Produto

Acadêmicos alocados:

  1. Lucas Caldeira

Resultados esperados:

Artigo

Previsão da dinâmica espaço tempora da covid-19 no Brasil com redes neurais convolucionais em grafos

Um dos grandes desafios impostos pela pandemia de Covid19 no mundo é a variabilidade nos padrões de alastramento do vírus, o que dificulta a criação de políticas globalmente efetivas para prevenção e combate à pandemia.

No âmbito da ciência, várias abordagens têm sido propostas para antecipar as curvas de contágio e óbitos aos entes federados, tentando assim subsidiar medidas de contenção adequadas.

Entretanto, o perfil pouco previsível da trajetória do vírus, associado às dimensões continentais de países como o Brasil, resulta em estimativas que servem a propósitos mais gerais e que não contribuem com políticas locais, como em estados e municípios, fazendo com que as medidas restritivas acabem sendo aplicadas cedo ou tarde demais. Este artigo expõe uma abordagem escalável, baseada em redes convolucionais em grafos e redes recorrentes, como alternativa aos modelos existentes.

Inicialmente, se estabelece um mapeamento das principais vias de acesso aos municípios do Brasil, que, então, é processado via abordagens em redes neurais. Os resultados são capazes de detectar padrões de fluxos de contágio e óbito ponderando-se os cenários da pandemia nas vizinhanças, tendo alta acurácia em previsões com horizonte de até 14 dias.

Desenvolvimento e validação de um tracker de código aberto para facilitar a análise do comportamento do peixe zebrafish

O desenvolvimento da ciência biomédica depende de animais de laboratório e modelos animais. Na década de 1980, foi proposto o uso do peixe-zebra (Danio rerio) como organismo de estudo. O peixe-zebra tem demonstrado diversas vantagens sobre outras espécies, que podem funcionar como alternativa ao uso de roedores ou fornecer informações adicionais quando utilizado como modelo para estudos toxicológicos e farmacológicos e prospecção de novos fármacos (Cully, 2019; MacRae & Peterson 2015; Zon e Peterson, 2005).

Uma vez inoculado com algum farmaco, as alterações no comportamento do peixe-zebra é uma ótimo biomarcador, indicando diversos problemas que esse novo fármaco pode gerar, incluindo alterações no sistema cardíaco, respoiratório e neurológico.

Todavia é necessário acompanhar seu comportamento por um longo período de tempo, de 1 até 12 horas. O que torna essa tarefa custosa de ser realizada manualmente. Nesse sentido o objetivo aqui é desenvolver um método computacional que, conectado a uma câmera posicionada em cima do aquario, pode realiar o tracking do peixe e retornar ao pesquisador informações estatísticas resumidas, sem a necessidade de interferencia manual.

Acadêmicos alocados:

  1. Bruno Wustro (Graduação)

Resultados esperados:

Artigo, Patente, Produto

Acadêmicos alocados:

  1. Eliane Fávero (doutorado)

Resultados esperados:

Artigo, Patente, Produto

SE3M: A Model for Software Effort Estimation UsingPre-trained Embedding Models

Fazer um correto orçamento de software é um dos maiores desafios na indústria atualmente. Estimações erradas podem causar prejuízos para a empresa ou perda de clientes. Nesse sentido ferramentas automatizadas poderiam auxiliar nessa tomada de decisão, diminuindo os riscos de erros e consequente prejuízo.

Esse projeto tem por objetivo criar tal ferramenta que, avaliando de forma automática as histórias de usuário adquiridas, tenta estimar o esforço. Para tal técnicas moderdas de processamento de linguagem natural (PLN) serão utilizadas.

Análise automática de matéria orgânica de solos

O teor de matéria organica é um dos mais importantes indicadores da fertilidade de um solo sendo, portanto, muito importante medir essa quantidade para fins de correção durante o plantio de qualquer cultura.

Essa medição, todavia, é realizada de forma manual com agentes quimicos em laboratório, o que torna o método além de demorado também extremamente caro.

O objetivo aqui é criar um estimador, baseado em visão computaciona, que através de imagens esse possa estimar a quantidade de matéria orgânica. Por sem um método simples o próprio produtor poderia realizar essa medida de forma eficiente e realizar a intervenção no solo no melhor momento possível.

Acadêmicos alocados:


Resultados esperados:

Artigo, Patente, Produto

Acadêmicos alocados:

  1. Muriel Mazzetto (mestrado)

  2. Joceleide Mumbelli (mestrado)

Resultados esperados:

Artigo, Patente, Produto

Identificação de defeitos em linha de produção automotiva

As tarefas de montagem da manufatura automotiva são construídas sobre inspeções visuais, como identificação de riscos em superfícies usinadas, identificação e seleção de peças, etc., que garantem a qualidade do produto e do processo. Essas tarefas podem estar relacionadas a mais de um tipo de veículo produzido na mesma linha de manufatura. A inspeção visual foi essencialmente conduzida por humanos, mas recentemente foi complementada pela percepção artificial fornecida por sistemas de visão computacional.

Apesar de sua relevância, a precisão dos sistemas de visão varia de acordo com as configurações ambientais, como iluminação e qualidade de aquisição de imagem. Nesse sentido, este projeto propõe o uso de metodologias baseadas em aprendizado profundo para auxiliar nas tarefas de inspeção visual.