Navegando por Autor "Silva, Iaslan do Nascimento Paulo da"
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
Dissertação Arquitetura de microsserviços para processamento de imagens relevantes em evidências de crimes digitais(Universidade Federal do Rio Grande do Norte, 2020-12-21) Silva, Iaslan do Nascimento Paulo da; Carvalho, Bruno Motta de; Araújo, Daniel Sabino Amorim de; ; http://lattes.cnpq.br/4744754780165354; ; http://lattes.cnpq.br/0330924133337698; ; http://lattes.cnpq.br/7856195246084546; Medeiros Neto, Francisco Dantas de; ; http://lattes.cnpq.br/5525562330158282; Aquino Júnior, Gibeon Soares de; ; http://lattes.cnpq.br/1254338144161360Forense digital é um ramo da ciência da computação que se utiliza de técnicas computacionais para analisar evidências criminais com mais velocidade e precisão. No contexto do sistema de justiça brasileiro, durante uma investigação criminal, os especialistas forenses extraem, decodificam e analisam as evidências coletadas para permitir que promotores públicos façam exigências legais para uma acusação. Esses especialistas têm um tempo muito curto e a análise para encontrar evidências criminais pode levar muito tempo. Para resolver esse problema, este trabalho propõe ARTEMIS (A micRoservice archiTecturE for images in criMe evIdenceS ou Arquitetura de microsserviços para imagens em evidências criminais) uma arquitetura para classificação de grandes quantidades de arquivos de imagem presentes em evidências usando softwares de código aberto. O módulo de classificação de imagens contém alguns classificadores pré-treinados, considerando a necessidade de analistas forenses do MPRN (Ministério Público do Rio Grande do Norte).Foram construídos modelos para identificar tipos específicos de objetos com por exemplo: armas de fogo, munição, carteiras de identidade brasileiras, documentos de texto, capturas de tela de celular e nudez. Os resultados obtidos mostram que o sistema obteve boa precisão na maioria dos casos. Isso é extremamente importante no contexto desta pesquisa, onde os falsos positivos devem ser evitados, a fim de economizar tempo de trabalho dos analistas. Além disso a arquitetura proposta foi capaz de acelerar o processo de análise da evidência.TCC Associação entre características físicas da semente de soja com a qualidade da semente usando a análise da imagem e técnicas de aprendizado de máquina(Universidade Federal do Rio Grande do Norte, 2017-11-26) Silva, Iaslan do Nascimento Paulo da; Oliveira, Laura Emmanuella Alves Dos Santos Santana De; Perreira, Márcio Dias; Vale, Alessandra Mendes Pacheco Guerra; Alencar, Emerson Moura, deA soja (Glycine max) é uma das mais importantes culturas na economia mundial, porém o sucesso da lavoura de soja depende de diversos fatores, sendo o mais importante deles a utilização de sementes de elevada qualidade, capazes de gerar plantas de alto vigor. A avaliação da qualidade de sementes é feita por testes de germinação e de vigor que ajudam na identificação de lotes com melhor desempenho. Um dos desafios encontrados pelos produtores de soja é que essas análises para avaliação da qualidade da semente são destrutivas e demandam tempo, que é considerado longo e caro na cadeia que envolve a produção e comercialização das sementes. Uma das formas de se aprimorar e tornar rápido o processo de avaliação, é através da análise de imagens por computador. Alguns trabalhos têm sido desenvolvidos nesse sentido, utilizando a análise de imagens digitais para classificação da morfologia de sementes e avaliação fisiológica. O presente trabalho propõe a utilização de técnicas de aprendizado de máquina para predizer a germinação das sementes de soja a partir de características físicas da semente obtidas por meio da análise digital de imagens, bem como, identificar atributos físicos relevantes para a avaliação da qualidade da semente a partir da análise de correlação desses atributos com características fisiológicas que indicam a qualidade da semente de soja. Busca-se com isso maior agilidade e confiabilidade no processo de avaliação da qualidade de sementes de soja, além de caracterizar um processo de avaliação da semente não destrutivo. Os resultados iniciais indicam a necessidade de aumentar a quantidade de descritores de imagem para aumentar a acurácia do sistema de predição.