Mestrado

Neste projeto de mestrado foi desenvolvido um método que pode ser usado tanto de maneira automática, como semiautomática para a segmentação de canais ósseos e osteócitos. Concluiu-se que o método desenvolvido foi capaz de segmentar de maneira satisfatória as regiões de interesse.

O projeto "Avaliação da Capacidade de Retenção de Água em Amostras de Carne Suína" teve como objetivo desenvolver um método eficiente para calcular a Capacidade de Retenção de Água (CRA) nessas amostras. A CRA é um indicador crucial de qualidade da carne, relacionado à suculência e textura. Através da segmentação de imagens e cálculos precisos, o método proposto demonstrou-se satisfatório na quantificação da CRA. Essa abordagem pode auxiliar profissionais da área a realizar avaliações mais eficientes, práticas e econômicas, contribuindo para garantir a qualidade da carne suína oferecida aos consumidores.

Neste trabalho, desenvolvemos um framework inovador para o processo de alinhamento banda-a-banda em imagens obtidas por VANTs (Veículos Aéreos Não Tripulados). Nosso método obteve resultados superiores em comparação a outros frameworks avaliados. Além disso, criamos dois datasets de imagens multiespectrais de VANTs devidamente alinhadas por um especialista, que serviram para medir o desempenho dos métodos de alinhamento. Os resultados obtidos são relevantes e demonstram a eficácia do framework proposto para alinhar as bandas de imagens multiespectrais adquiridas por VANTs.

Este projeto de mestrado apresenta uma metodologia inovadora para segmentar linhas de cultivo a partir de imagens capturadas por VANTs (Veículos Aéreos Não Tripulados). Utilizando uma combinação do Algoritmo Genético com o método de Otsu, juntamente com a abordagem do LinkNet SSN para a etapa de segmentação, e a reconstrução de linhas baseada na transformada de Radon, os resultados indicam que essa abordagem é uma solução viável para o problema. As principais contribuições do projeto incluem a disseminação do uso de geolocalização e veículos autônomos em cultivos, abrindo possibilidades para uma aplicação mais eficiente de insumos, melhor eficiência da área de terra, redução nos custos de produção, aumento dos lucros com colheitas não perenes e uma considerável redução da agressão ao meio ambiente.

O objetivo geral deste trabalho é investigar a capacidade das redes neurais convolucionais em identificar e corrigir deformações lineares e não lineares em imagens obtidas por VANTs (Veículos Aéreos Não Tripulados) em agricultura de precisão.