REVISTA JÚNIOR DE INICIAÇÃO CIENTÍFICA EM CIÊNCIAS EXATAS E ENGENHARIA

Almoxarifado: O gerenciamento de estoque e empréstimo automatizado

Allan Machado Gonçalves — 2025-01-30

Manter uma gestão de inventário eficiente é um desafio comum em ambientes com grande fluxo de pessoas e materiais. Uma gestão eficaz pode solucionar problemas como excesso ou falta de estoque, controle inadequado de bens patrimoniais, furto de materiais e monopolização de itens. Este artigo apresenta o desenvolvimento de uma aplicação web de um almoxarifado voltada a ambientes de pequena escala, a fim de melhorar a eficiência operacional e financeira. A aplicação será inicialmente implementada no PET Ciências Computacionais da FURG, para avaliar o impacto da adoção de um sistema de gestão de materiais. O sistema permitirá gerenciar o acesso de todos os membros do PET, priorizando a organização de bens patrimoniais e não-patrimoniais, com a aplicação dos conceitos do método 5S. Com isso, espera-se melhorar o controle e a eficiência na gestão de materiais, promovendo um ambiente mais organizado, funcional e produtivo para todos os usuários.

Uma abordagem de entrada mista para segmentação de grãos na indústria de fertilizantes usando redes neurais codificadoras-decodificadoras

Nelson de Faria Traversi — 2025-01-30

[19:33, 1/13/2025] +55 53 8117-2247: O equilíbrio de nutrientes no solo é essencial para a produção de alimentos em larga escala, e a qualidade dos fertilizantes, determinada pelo tamanho dos grãos, desempenha um papel crucial na penetração no solo. Métodos tradicionais de análise de tamanho de partículas, como o uso de peneiras, são ineficientes, o que levou ao desenvolvimento de sistemas automatizados de análise de qualidade. Abordagens baseadas em visão computacional têm mostrado potencial, mas os métodos existentes frequentemente dependem de fundos visíveis para criar contraste e carecem de generalização, exigindo recalibração constante. Este trabalho aborda essas limitações introduzindo uma rede neural U-Net com codificador duplo para segmentar grãos de fertilizantes em superfícies completamente cobertas, acomodando diferentes tamanhos de grãos sem depender de fundos visíveis. Além disso, a rede utiliza uma entrada de dados composta por uma imagem original e uma imagem pré-segmentada por um método determinístico para aumentar a precisão da segmentação.
Nome do autor: Nelson de Faria Traversi
E-mail do autor: 20kfurg@gmail.com
[19:34, 1/13/2025] +55 53 8117-2247: Título FGSet: Bridging Simulated, Controlled, and Real-World Datasets for Fertilizer Grain Analysis

Resumo
Os fertilizantes desempenham um papel crucial na agricultura moderna, sendo insumos essenciais para maximizar a produtividade das culturas e garantir a segurança alimentar. No entanto, a ausência de conjuntos de dados bem anotados tem dificultado significativamente os avanços na análise automatizada de fertilizantes. Este artigo apresenta três conjuntos de dados inovadores, desenvolvidos para criar e validar sistemas de detecção e classificação de fertilizantes, com foco no uso de ambientes simulados e controlados para melhorar o desempenho de modelos em dados reais limitados.

O primeiro conjunto de dados é sintético, gerado por um simulador que cria representações em visão superior de amostras de fertilizantes a partir da fusão de imagens individuais de grãos. Esse conjunto oferece uma fonte de dados altamente controlada e diversificada, ideal para o desenvolvimento e teste inicial de algoritmos. O segundo conjunto é coletado em um ambiente controlado, sob condições otimizadas e realistas, proporcionando um equilíbrio entre precisão experimental e relevância prática. Por fim, o terceiro conjunto captura as condições reais do campo agrícola, sendo coletado em ambientes desafiadores para refletir as complexidades inerentes à aquisição de dados agrícolas.

O treinamento de modelos de aprendizado de máquina nos conjuntos sintético e controlado, seguido de ajuste fino com o conjunto de dados reais limitados, demonstrou ser altamente eficaz para superar a escassez de dados. Essa abordagem melhora a precisão e a robustez dos modelos, permitindo avanços em cenários diversos. Esses conjuntos de dados fortalecem significativamente os processos de treinamento e avaliação de modelos, abrindo caminho para avanços na agricultura de precisão. Ao aprimorar a precisão e a eficiência na gestão de fertilizantes, esses recursos contribuem para o desenvolvimento de práticas agrícolas sustentáveis.

Este artigo detalha a criação, as características e as possíveis aplicações desses conjuntos de dados, destacando como sua natureza complementar promove o desenvolvimento robusto de modelos e inovações práticas.

Simulação de Sistema Solar Utilizando Ray-Tracing

Gustavo Gimenes — 2025-01-30

Este artigo explora a viabilidade de simular sistemas solares utili-
zando técnicas de ray tracing. A pesquisa foi motivada pela crescente demanda
por simulações realistas em astronomia e educação. Para isso, foi realizada
uma revisão sistemática da literatura, buscando identificar estudos relevantes
que aplicam ray tracing na simulação de corpos celestes.

Artigos PET - FURG SAP

gabriel ricoy de carvalho — 2025-01-30

Artigos PET - FURG SAP

Um dataset de imagens térmicas e nuvens de pontos para análise de sedimentação em tubulações industriais

Jovania Menezes Dias — 2025-01-30

A sedimentac¸ao em tubulações industriais é um desafio crítico, especialmente no setor de fertilizantes, pois pode afetar a eficiência operacional e aumentar os custos de manutenção. Este trabalho propõe a criação de um dataset inovador que utiliza imagens térmicas e reconstruções tridimensionais para a análise da sedimentação em tubulações. O dataset foi desenvolvido a partir de experimentos realizados com maquetes em escala, simulando condições industriais reais. A metodologia incluiu a coleta de dados termicos e geométricos, bem como a aplicação de técnicas de aumento de dados para garantir a robustez do conjunto. A análise dos dados foi realizada utilizando redes neurais convolucionais, com o objetivo de prever o acúmulo de sedimentos com precisão. Os resultados indicam que o uso de imagens em tons de cinza, em comparação com imagens RGB, proporciona melhores resultados na reconstrução tridimensional das áreas de sedimentação. Além disso, o estudo destaca a relevância do dataset proposto para a implementação de soluções de monitoramento não invasivas e para futuras pesquisas em visão computacional aplicadas a esses processos industriais. Este trabalho contribui significativamente para o avanc¸o das tecnologias de manutenção preditiva em tubulações industriais, especialmente na indústria de fertilizantes, e abre novas possibilidades para sua aplicação em outros setores.

FGSet: Conectando Conjuntos de Dados Simulados, Controlados e do Mundo Real para Analise de ´ Graos de Fertilizantes

Nelson de Faria Traversi — 2025-01-30

Os fertilizantes desempenham um papel crucial na agricultura moderna, sendo insumos essenciais para maximizar a produtividade das culturas e garantir a segurança alimentar. No entanto, a ausência de conjuntos de dados bem anotados tem dificultado significativamente os avanços na análise automatizada de fertilizantes. Este artigo apresenta três conjuntos de dados inovadores, desenvolvidos para criar e validar sistemas de detecção e classificação de fertilizantes, com foco no uso de ambientes simulados e controlados para melhorar o desempenho de modelos em dados reais limitados.