Logo do repositório
  • Página Inicial(current)
  • Buscar
    Por Data de PublicaçãoPor AutorPor TítuloPor Assunto
  • Tutoriais
  • Documentos
  • Sobre o RI
  • Eventos
    Repositório Institucional da UFRN: 15 anos de conexão com o conhecimento
  • Padrão
  • Amarelo
  • Azul
  • Verde
  • English
  • Português do Brasil
Entrar

SIGAA

  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Peixoto, Helton Maia"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 13 de 13
  • Resultados por página
  • Opções de Ordenação
  • Nenhuma Miniatura disponível
    TCC
    Alfabetização assistida por visão computacional: detecção de cartões e reconhecimento de letras
    (Universidade Federal do Rio Grande do Norte, 2024-08-08) Cordeiro, Michelle Sousa; Peixoto, Helton Maia; http://lattes.cnpq.br/2031816952626144; Santana Junior, Orivaldo Vieira de; Menezes, Richardson Santiago Teles de
    Com a tecnologia cada dia mais presente em nossas vidas, na educação não seria diferente. Devido ao surgimento de tantas inovações tecnológicas, os métodos tradicionais de ensino têm se tornado menos interessantes para os estudantes. Para contornar isso, tecnologias digitais vêm sendo adotadas como instrumentos educacionais, ajudando a tornar o aprendizado mais envolvente e atraente. Atualmente, é cada vez mais comum escolas e universidades adotarem algum recurso tecnológico para modernizar o ensino. Tecnologias avançadas, como Inteligência Artificial (IA), aprendizado de máquina, realidade aumentada, Internet das Coisas (Internet of Things - IoT ) e robótica vêm sendo incorporadas no processo de ensino. Nesse contexto, surgiu a inspiração para uma ferramenta tecnológica assistiva com o objetivo de auxiliar no processo de alfabetização. A aplicação será capaz de reconhecer as sílabas ordenadas pelo usuário e projetar o objeto formado com elas. O objetivo deste trabalho consistiu no desenvolvimento da primeira etapa dessa aplicação, que compreende a detecção dos cartões e o reconhecimento das letras neles contidas, em tempo real. Para isso, técnicas avançadas de visão computacional foram utilizadas, como os modelos de aprendizado de máquina para detecção de objetos do You Only Look Once (YOLO) e o reconhecimento óptico de caracteres do EasyOCR. Os bons resultados obtidos mostram que a metodologia adotada é viável para a tarefa proposta.
  • Nenhuma Miniatura disponível
    TCC
    Análise da efetividade de um sistema anti-spoofing para reconhecimento facial com a classificação de imagens estéreo através de uma rede neural convolucional
    (Universidade Federal do Rio Grande do Norte, 2023-07-07) Marcone, Marcos Henrique Fernandes; Silva, Bruno Marques Ferreira da; http://lattes.cnpq.br/7878437620254155; 0000-0002-3467-472X; http://lattes.cnpq.br/4434241322790069; Santana, Fabiana Tristão de; 3232330829280658; Peixoto, Helton Maia; 8709900833456787
    O aumento no uso de tecnologias de reconhecimento facial para autenticação e segurança tem acelerado a necessidade de desenvolver métodos eficazes para combater a falsificação facial, conhecida como Ataques de Apresentação Facial. Este trabalho aborda o desafio do Face Anti Spoofing (FAS) e propõe uma abordagem baseada na visão estéreo para melhorar a detecção de ataques de spoofing facial 2D. A pesquisa detalha a implementação de uma Convolutional Neural Network (CNN) construída a partir da técnica de Transfer Learning, que usa imagens de disparidade para adicionar uma dimensão de profundidade à análise. Ao longo do trabalho também comparamos o desempenho do modelo proposto com um modelo de código aberto existente, o Silent-Face-Anti-Spoofing, e oferecemos insights sobre possíveis melhorias. Os resultados mostraram que a exploração de imagens de disparidade pode aumentar a robustez e a generalização em relação às abordagens tradicionais baseadas apenas em imagens RGB, atingindo uma acurácia de 100% em um ambiente controlado.
  • Nenhuma Miniatura disponível
    TCC
    Avaliação Antecipada do Risco de Desistência em Disciplinas de Programação da ECT/UFRN: uma abordagem de aprendizado de máquina supervisionado e não supervisionado
    (Universidade Federal do Rio Grande do Norte, 2024-08-01) Alves, Lucas Figueredo Varela; Santana Júnior, Orivaldo Vieira de Santana; http://lattes.cnpq.br/5050555219716698; http://lattes.cnpq.br/8489646155143460; Peixoto, Helton Maia; http://lattes.cnpq.br/8709900833456787; Oliveira, Luiz Affonso Henderson Guedes de; http://lattes.cnpq.br/7987212907837941
    Este trabalho visa aplicar técnicas de aprendizado de máquina para prever o desempenho acadêmico dos alunos em disciplinas de programação da Escola de Ciências e Tecnologia da Universidade Federal do Rio Grande do Norte (ECT/UFRN). Utilizando dados coletados da plataforma LOP, foram empregadas abordagens supervisionadas e não supervisionadas para analisar o comportamento dos alunos. A ferramenta Azure Machine Learning foi utilizada para identificar o melhor modelo de classificação, enquanto o Google Collaboratory foi utilizado para descobrir padrões naturais nos dados através do algoritmo K-Means. As análises proporcionam insights valiosos que podem orientar intervenções pedagógicas para melhorar o desempenho acadêmico dos discentes. Futuras pesquisas poderão explorar técnicas mais avançadas e a integração de dados adicionais para aprimorar as previsões.
  • Nenhuma Miniatura disponível
    TCC
    ChessPy: ferramenta para detecção inteligente de peças de xadrez
    (Universidade Federal do Rio Grande do Norte, 2022-07-22) Menezes, Richardson Santiago Teles de; Peixoto, Helton Maia; http://lattes.cnpq.br/8709900833456787; http://lattes.cnpq.br/6008562495410718; Magalhães, Rafael Marrocos; Silva, Bruno Marques Ferreira da; Vidal, Francisco José Targino
    O xadrez é um dos domínios mais pesquisados na história da inteligência artificial. Os programas mais poderosos são construídos com base em técnicas de pesquisa sofisticadas, adaptações específicas de domínio e funções de avaliação artesanais refinadas por especialistas humanos ao longo de várias décadas. O principal objetivo deste trabalho consiste na construção de uma plataforma robusta para detecção de posições durante jogos de xadrez, para tanto lançou-se mão de técnicas clássicas de processamento digital de imagens, bem como de algoritmos do estado-da-arte de detecção de objetos. As imagens capturadas durante um jogo do tabuleiro de xadrez são analisadas para determinar a localização de cada quadrado que compõem o tabuleiro bem como a localização de cada peça em jogo, isso então é feito para cada turno, de modo que o sistema é capaz de acompanhar o jogo em sua totalidade.
  • Nenhuma Miniatura disponível
    Dissertação
    Deep Q-Managed: a new framework fror Multi-Objective Deep Reinforcement Learning
    (Universidade Federal do Rio Grande do Norte, 2024-05-31) Menezes, Richardson Santiago Teles de; Dória Neto, Adrião Duarte; https://orcid.org/0000-0002-5445-7327; http://lattes.cnpq.br/1987295209521433; http://lattes.cnpq.br/6008562495410718; Peixoto, Helton Maia; Santana Júnior, Orivaldo Vieira de; Melo, Jorge Dantas de; Oliveira, Thiago Henrique Freire de
    O algoritmo Deep Q-Managed, proposto neste trabalho, representa um avanço significativo no campo da aprendizagem por reforço multiobjetivo (MORL, acrônimo em inglês para multi-objective reinforcement learning). Esta nova estratégia emprega uma técnica atualizada de otimização multiobjetivo híbrida, que oferece uma garantia matemática de que todas as políticas pertencentes ao Pareto Front podem ser encontradas, destacando-se na aquisição de políticas multiobjetivo não dominadas em ambientes caracterizados por funções de transição determinísticas. Sua flexibilidade se estende a cenários onde o Pareto Front apresenta complexidades geométricas convexas, côncavas ou mistas, tornando-o em uma solução versátil para uma ampla gama de aplicações. A proposta foi validada utilizando os tradicionais benchmarks MORL e diferentes configurações da frente de Pareto. A qualidade das políticas encontradas pelo algoritmo foi comparada com abordagens proeminentes na literatura. Os resultados da estratégia proposta estabelecem o algoritmo Deep Q-Managed como um candidato digno para lidar com problemas multiobjetivos desafiadores.
  • Carregando...
    Imagem de Miniatura
    Tese
    Modelagem dos efeitos da irradiação luminosa no cérebro de camundongos e rastreamento de neurônios durante experimentos de microscopia de fluorescência
    (Universidade Federal do Rio Grande do Norte, 2015-07-31) Peixoto, Helton Maia; Guerreiro, Ana Maria Guimarães; ; http://lattes.cnpq.br/8556144121380013; ; http://lattes.cnpq.br/8709900833456787; Dória Neto, Adrião Duarte; ; http://lattes.cnpq.br/1987295209521433; Leite, Cicilia Raquel Maia; ; http://lattes.cnpq.br/9378258073324535; Soares, Heliana Bezerra; ; http://lattes.cnpq.br/5057165446370629; Leão, Richardson Naves; ; http://lattes.cnpq.br/0683942077872227; Figuerola, Wilfredo Blanco; ; http://lattes.cnpq.br/9912829629195282
    As proteínas fluorescentes constituem uma ferramenta fundamental em vários campos da biologia, pois permitem enxergar o desenvolvimento de estruturas e processos dinâmicos de células em tecido vivo, com o auxílio da microscopia de fluorescência. A Optogenética é outra técnica que atualmente ganha destaque na Neurociências e que, de forma geral, permite ativar/desativar neurônios a partir da irradiação luminosa de certos comprimentos de onda sobre as células que possuem canais iônicos sensíveis à luz, e ainda pode ser utilizada concomitantemente com as proteínas fluorescentes. Esta tese possui dois objetivos principais. Inicialmente, são estudados os efeitos da interação da luz e o cérebro de camundongos para aplicações em experimentos de Optogenética. Nesta etapa, são modelados, a partir de características do cérebro de camundongos e utilizando a teoria de Kulbelka-Munk, os efeitos de absorção e espalhamento da luz, em comprimentos de onda específicos, em função da distância de penetração no tecido cerebral. Além disso, são modeladas as variações de temperatura utilizando o método dos elementos finitos na resolução da equação de bioaquecimento de Pennes, com o auxílio do COMSOL Multiphysics Modeling Software 4.4, onde são simulados protocolos de estimulação luminosa, tipicamente utilizados em Optogenética. Posteriormente, são desenvolvidos algoritmos computacionais capazes de reduzir a exposição das células nervosas à irradiação luminosa necessária à visualização da fluorescência emitida por elas. Nesta etapa, são descritas as técnicas de processamento digital de imagens desenvolvidas para uso em microscopia de fluorescência, com o intuito de reduzir a exposição das amostras de cérebro à luz contínua, responsável pela excitação dos fluorocromos. As técnicas de processamento de imagens desenvolvidas e utilizadas são capazes de rastrear, em tempo real, uma região de interesse (ROI) e substituir a fluorescência emitida pelas células por uma máscara virtual, como resultado da sobreposição da ROI que está sendo rastreada e a informação de fluorescência previamente armazenada, mantendo a localização das células independentemente do tempo de exposição à luz fluorescente. Em resumo, esta tese pretende entender os efeitos da irradiação luminosa no cérebro, no contexto da Optogenética, além de fornecer uma ferramenta computacional que possa auxiliar certos experimentos em microscopia de fluorescência na redução do desvanecimento (bleaching) das amostras e dos danos (photodamage) causados ao tecido devido à intensa exposição das estruturas fluorescentes à luz.
  • Carregando...
    Imagem de Miniatura
    Artigo
    Modeling the effect of temperature on membrane response of light stimulation in optogenetically-targeted neurons
    (Frontiers Media, 2020-02-04) Peixoto, Helton Maia; Cruz, Rossana M. S.; Moulin, Thiago C.; Leão, Richardson Naves
    Optogenetics is revolutionizing Neuroscience, but an often neglected effect of light stimulation of the brain is the generation of heat. In extreme cases, light-generated heat kills neurons, but mild temperature changes alter neuronal function. To date, most in vivo experiments rely on light stimulation of neural tissue using fiber-coupled lasers of various wavelengths. Brain tissue is irradiated with high light power that can be deleterious to neuronal function. Furthermore, absorbed light generates heat that can lead to permanent tissue damage and affect neuronal excitability. Thus, light alone can generate effects in neuronal function that are unrelated to the genuine “optogenetic effect.” In this work, we perform a theoretical analysis to investigate the effects of heat transfer in rodent brain tissue for standard optogenetic protocols. More precisely, we first use the Kubelka-Munk model for light propagation in brain tissue to observe the absorption phenomenon. Then, we model the optothermal effect considering the common laser wavelengths (473 and 593 nm) used in optogenetic experiments approaching the time/space numerical solution of Pennes' bio-heat equation with the Finite Element Method. Finally, we then modeled channelrhodopsin-2 in a single and spontaneous-firing neuron to explore the effect of heat in light stimulated neurons. We found that, at commonly used light intensities, laser radiation considerably increases the temperature in the surrounding tissue. This effect alters action potential size and shape and causes an increase in spontaneous firing frequency in a neuron model. However, the shortening of activation time constants generated by heat in the single firing neuron model produces action potential failures in response to light stimulation. We also found changes in the power spectrum density and a reduction in the time required for synchronization in an interneuron network model of gamma oscillations. Our findings indicate that light stimulation with intensities used in optogenetic experiments may affect neuronal function not only by direct excitation of light sensitive ion channels and/or pumps but also by generating heat. This approach serves as a guide to design optogenetic experiments that minimize the role of tissue heating in the experimental outcome
  • Carregando...
    Imagem de Miniatura
    Artigo
    On the photovoltaic effect in local field potential recordings
    (Society of Photo-optical Instrumentation Engineers, 2016-01-19) Mikulovic, Sanja; Pupe, Stefano; Peixoto, Helton Maia; Nascimento, George Carlos; Kulander, Klas; Tort, Adriano Bretanha Lopes; Leão, Richardson Naves
    Optogenetics allows light activation of genetically defined cell populations and the study of their link to specific brain functions. While it is a powerful method that has revolutionized neuroscience in the last decade, the shortcomings of directly stimulating electrodes and living tissue with light have been poorly characterized. Here, we assessed the photovoltaic effects in local field potential (LFP) recordings of the mouse hippocampus. We found that light leads to several artifacts that resemble genuine LFP features in animals with no opsin expression, such as stereotyped peaks at the power spectrum, phase shifts across different recording channels, coupling between low and high oscillation frequencies, and sharp signal deflections that are detected as spikes. Further, we tested how light stimulation affected hippocampal LFP recordings in mice expressing channelrhodopsin 2 in parvalbumin neurons (PV/ChR2 mice). Genuine oscillatory activity at the frequency of light stimulation could not be separated from light-induced artifacts. In addition, light stimulation in PV/ChR2 mice led to an overall decrease in LFP power. Thus, genuine LFP changes caused by the stimulation of specific cell populations may be intermingled with spurious changes caused by photovoltaic effects. Our data suggest that care should be taken in the interpretation of electrophysiology experiments involving light stimulation
  • Nenhuma Miniatura disponível
    TCC
    Prognóstico de internação para fraturas em idosos utilizando o Algoritmo XGBoost
    (Universidade Federal do Rio Grande do Norte, 2025-01-13) Ribeiro, Matheus Trindade; Vidal, Francisco José Targino; http://lattes.cnpq.br/7452687215068186; Peixoto, Helton Maia; http://lattes.cnpq.br/8709900833456787; Mata, Matheus de Sousa; http://lattes.cnpq.br/3923692125757582
    O envelhecimento populacional e o aumento das fraturas em idosos representam um desafio para os sistemas de saúde. Internações em idosos podem ser agravadas por diversos fatores, como a própria idade avançada ou doenças crônicas dos pacientes. A predição de internações e a identificação de fatores de riscos são fundamentais para otimizar a gestão de recursos. O presente trabalho tem como objetivo desenvolver e avaliar um modelo de predição, utilizando o algoritmo XGBoost, capaz de identificar com precisão o desfecho da internação de idosos com fraturas, determinando se resultará em alta hospitalar ou óbito. Para tanto, será utilizada uma base de dados do Sistema Único de Saúde referente a internações causadas por fraturas em idosos em um período de 2014 a 2023, abrangendo mais de 530 mil internações. A análise exploratória dos dados foi realizada para identificar as principais características associadas ao óbito. Variáveis como idade, sexo, tipo de fratura, raça/cor, lugar onde mora, o tipo de hospital (se filantrópico, se privado/conveniado, se próprio do SUS), dias de internação, valores gastos com a internação, foram consideradas. Após o pré-processamento dos dados, o algoritmo XGBoost foi treinado para classificar os pacientes em duas classes: pacientes que possuem maior probabilidade de ir a óbito e pacientes que irão receber alta. A performance do modelo foi avaliada utilizando métricas como acurácia, recall, F1-score e a curva ROC.
  • Nenhuma Miniatura disponível
    TCC
    Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprova
    (Universidade Federal do Rio Grande do Norte, 2022-07-22) Silva Filho, Darlan de Castro; Peixoto, Helton Maia; http://lattes.cnpq.br/8709900833456787; http://lattes.cnpq.br/7784696971048666; Santana Junior, Orivaldo Vieira de; http://lattes.cnpq.br/5050555219716698; Medeiros, Rex Antonio da Costa; http://lattes.cnpq.br/2840084735974670
    O software Multiprova foi muito utilizado durante os períodos de ensino remoto na Universidade Federal do Rio Grande do Norte (UFRN), com a volta presencial das aulas o processo de correção de provas precisou ser melhorado para facilitar a adaptação do sistema às aulas presenciais, uma dessas melhorias foi a correção automática de cartões respostas dos alunos. O reconhecimento ótico de caracteres é uma técnica recente muito utilizada para máquinas realizarem a leitura de textos escrito por humanos. O objetivo central do trabalho é desenvolver um processo de reconhecimento de caracteres manuscritos a fim de melhorar e facilitar a correção de provas no software Multiprova. Para essa finalidade foram utilizadas redes neurais convolucionais para realizar essa tarefa. Com a coleta de imagens feitas pelos próprios alunos da UFRN, foram analisados e comparados cenários diferentes com o incremento das configurações das redes com o intuito de gerar redes neurais com as melhores taxas de precisão. Com isso foram obtidos ótimos níveis de acurácia, permitindo alta confiabilidade no software e mais segurança e facilidade na correção das provas.
  • Carregando...
    Imagem de Miniatura
    Dissertação
    Sistema não-Intrusivo para Estimação da Direção do olhar utilizando redes neurais artificiais
    (Universidade Federal do Rio Grande do Norte, 2010-11-26) Peixoto, Helton Maia; Guerreiro, Ana Maria Guimarães; Dória Neto, Adrião Duarte; ; http://lattes.cnpq.br/1987295209521433; ; http://lattes.cnpq.br/8556144121380013; ; http://lattes.cnpq.br/8709900833456787; Soares, Heliana Bezerra; ; Santos, Celso Alberto Saibel; ; http://lattes.cnpq.br/7614206164174151
    Os sentidos fundamentais do corpo humano são: visão, audição, tato, gustação(ou paladar) e olfato. Estes constituem as funções que propiciam o nosso relacionamento com o ambiente. A visão funciona como um receptor sensorial responsável pela captação de informações do mundo exterior que serão enviadas ao cérebro. O olhar reflete a sua atenção, intenção e interesse. Sendo assim, a estimação da direção do olhar, a partir de modelos computacionais, possibilita uma alternativa promissora para melhorar a capacidade de interação homem-máquina, inclusive dos portadores de deficiências motoras. O objetivo deste trabalho consiste em apresentar um sistema não-intrusivo que utiliza basicamente um computador pessoal e uma webcam de baixo custo que, quando aliados ao uso das técnicas de processamento digital de imagens, transformadas Wavelets e reconhecimento de padrões, com as redes neurais artificiais, resultam em um sistema completo que realiza desde a aquisição de imagens (passando pela detecção da face e rastreamento dos olhos) ate a estimação da direção do olhar. Os resultados apresentados mostram a viabilidade do sistema proposto assim como diversas vantagens em seu uso
  • Nenhuma Miniatura disponível
    TCC
    Utilizando LLM function calling para a construção de assistente virtual
    (Universidade Federal do Rio Grande do Norte, 2025-07-07) Andrade, Celine Helena Abrantes de; Santana Junior, Orivaldo Vieira de; Silva, Bruno Marques Ferreira da; Peixoto, Helton Maia; Freitas, André Lage
    Os modelos de linguagem grandes (LLMs) têm se destacado na resolução de diversos tipos de problemas, especialmente no contexto do processamento de linguagem natural (NLP). Essa capacidade tem sido amplamente explorada com o desenvolvimento da funcionalidade denominada Function Calling, que permite aos LLMs interagir com ferramentas externas, como APIs e funções, por meio de comandos em linguagem natural, atuando como uma ponte entre o entendimento textual e ações no mundo real. Diante desse cenário, este trabalho teve como objetivo estudar a construção de bots integrados a LLMs por meio do uso da funcionalidade Function Calling. Para isso, realizou-se uma revisão bibliográfica e documental sobre os fundamentos dos LLMs, os conceitos relacionados ao Function Calling, seus usos em contextos computacionais e sua relação com os princípios do Deep Learning aplicados ao NLP. Além disso, foram analisadas ferramentas como LangChain, que viabilizam a construção de bots inteligentes capazes de integrar LLMs com APIs externas. Como parte da investigação prática, foi desenvolvido um bot genérico utilizando o modelo Gemini, da Google, integrado a uma API REST simulada, com funcionalidades como marcação de presença e listagem de chamadas. Os testes demonstraram que a abordagem adotada foi eficaz para simular o funcionamento do recurso de chamada de função dos LLMs, evidenciando como esses modelos podem interagir com a API, interpretar comandos em linguagem natural e gerar respostas automatizadas com base nas informações retornadas.
  • Nenhuma Miniatura disponível
    TCC
    Visão computacional aplicada à pecuária: segmentação, rastreamento e interpretação comportamental de bovinos
    (Universidade Federal do Rio Grande do Norte, 2025-07-10) Dantas, Paulo Ricardo; Peixoto, Helton Maia; http://lattes.cnpq.br/0171034898475180; Santana Junior, Orivaldo Vieira de; Santos, Viviany Lucia Fernandes dos
    O avanço da inteligência artificial (IA) e suas aplicações em visão computacional têm viabilizado soluções inovadoras para o monitoramento automatizado na pecuária moderna. Este trabalho apresenta o desenvolvimento de um sistema computacional voltado para a detecção, segmentação, rastreamento e análise comportamental de bovinos em vídeos, com o objetivo de facilitar o acompanhamento dos animais em ambientes reais. A proposta contempla desde a criação de um dataset próprio com imagens anotadas manualmente até a implementação e avaliação de modelos baseados em redes neurais convolucionais. O modelo principal adotado foi o YOLOv11, escolhido por sua capacidade de integrar detecção e segmentação com alta precisão e eficiência. Para o treinamento, foram utilizadas três versões do dataset, sendo a versão final (V4) composta por 1755 imagens e submetida a técnicas de aumento de dados (data augmentation). A avaliação do modelo foi realizada com base em métricas como precisão, sensibilidade, mAP@50 e mAP@50-95, destacando-se valores superiores a 0,80 em algumas dessas métricas. Além da segmentação, o sistema incorporou o rastreamento dos animais por meio dos algoritmos BoT-SORT e ByteTrack, ambos integrados à biblioteca do YOLO. O BoT-SORT demonstrou melhor desempenho em tempo de inferência e persistência das identidades dos objetos rastreados, sendo selecionado para as análises subsequentes. Como etapa complementar, foi incorporada uma análise comportamental automatizada com uso de Modelos de Linguagem de Grande Escala (LLMs). Quadros representativos dos vídeos rastreados foram extraídos e enviados à API do modelo Gemini, que gerou legendas descritivas sincronizadas em formato .srt. Essas legendas forneceram interpretações contextuais e educativas sobre os comportamentos observados, contribuindo para uma compreensão semântica das atividades dos animais. Os resultados obtidos mostram que a combinação de segmentação, rastreamento e análise comportamental assistida por IA permite não apenas a identificação precisa dos bovinos, mas também o acompanhamento interpretativo de sua movimentação, o que abre possibilidades para aplicações práticas no monitoramento de saúde e bem-estar animal. O modelo final demonstrou ser robusto, apresentando boa generalização em vídeos com diferentes cenários e condições de iluminação. O trabalho representa um avanço significativo no uso de técnicas de IA para automação na pecuária, promovendo uma alternativa eficaz à observação manual.
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM