https://dspace.ifrs.edu.br/xmlui/handle/123456789/547 2026-06-04T14:43:20Z https://dspace.ifrs.edu.br/xmlui/handle/123456789/2640 Redes neurais convolucionais para a medição de nível de água em usinas hidrelétricas Hüther, Eduardo Cristiano Este trabalho explora a aplicação de visão computacional para me- dição do nível de água em usinas hidrelétricas, utilizando redes neurais con- volucionais. O objetivo principal é propor um método baseado no algoritmo YOLOv5s, capaz de detectar automaticamente as escalas de régua e um método para detectar os números de medição utilizando o Tesseract OCR em imagens capturadas em condições diversas de iluminação. A metodologia inclui a cria- ção de um dataset, treinamento e validação do modelo, e a implementação de técnicas de processamento de imagens para cálculo do nível de água. O método proposto visa reduzir erros operacionais, otimizar o monitoramento em tempo real e contribuir para a eficiência energética e segurança estrutural de usinas hidrelétricas. Os resultados obtidos demonstraram a eficácia do método, alcan- çando um erro médio de apenas 0,07 cm mesmo sob condições visuais adversas, o que evidencia seu potencial para aplicações práticas no monitoramento hidre- létrico.; This study investigates the application of computer vision techniques for measuring water levels in hydroelectric power plants using convolutional neural networks. The primary objective is to propose an method based on the YOLOv5s algorithm for the automatic detection of gauge scales, combined with the use of Tesseract OCR to identify measurement numbers in images captured under varying lighting conditions. The methodology includes dataset construc- tion, model training and validation, and the implementation of image proces- sing techniques for water level estimation. The proposed method aims to reduce operational errors, optimize real-time monitoring, and enhance both energy ef- ficiency and structural safety in hydroelectric facilities. The results demonstrate the effectiveness of the method, achieving a mean error of only 0.07 cm even under visually challenging conditions, highlighting its potential for practical deployment in hydrological monitoring systems. 2025-01-01T00:00:00Z https://dspace.ifrs.edu.br/xmlui/handle/123456789/2632 Identificação de doenças na soja utilizando redes neurais artificiais em dispositivos móveis Port, Fernando Augusto A cultura da soja, uma das mais importantes do agronegocio e para ́ a economia brasileira, enfrenta desafios decorrentes de doenc ̧as que podem ter um impacto direto em sua produtividade. No entanto, a aplicac ̧ao de tecnolo- ̃ gias digitais por agricultores e profissionais do campo oferece uma forma de mitigar os efeitos causados pelas pragas que afetam as plantas. O presente trabalho, apresenta um aplicativo para o sistema operacional Android capaz de auxiliar o produtor na identificac ̧ao das doenc ̧as Crestamento Bacteriano, ̃ Ferrugem Asiatica e Mildio, utilizando t ́ ecnicas de vis ́ ao computacional e um ̃ modelo de Rede Neural Artificial para realizar a classificac ̧ao das mesmas. Ao ̃ termino da pesquisa, o aplicativo demonstrou sua capacidade em identificar e ́ classificar, por meio de imagens, as folhas de soja afetadas por estas doenc ̧as, alcanc ̧ando uma acuracia de aproximadamente 99% nos testes conduzidos em ́ um Smartphone.; The soybean culture, one of the most crucial components of agribusi- ness and the Brazilian economy, faces challenges stemming from diseases that can directly impact its productivity. However, the application of digital tech- nologies by farmers and field professionals offers a way to mitigate the effects caused by pests affecting the plants. This study presents a mobile application for the Android operating system capable of assisting producers in identifying Bacterial Blight, Rust, and Downy Mildew diseases, using computer vision te- chniques and an Artificial Neural Network model for their classification. At the end of the research, the application demonstrated its ability to identify and classify soybean leaves affected by these diseases through images, achieving an accuracy of approximately 99% in tests conducted on a smartphone. 2025-01-01T00:00:00Z https://dspace.ifrs.edu.br/xmlui/handle/123456789/2565 SpII - Arquitetura computacional inteligente para manejo de irrigação Kunz, Iuri Crisnei Este trabalho propõe o uso de redes neurais artificiais (RNA), com destaque para o modelo LSTM (Long Short-Term Memory), para estimar a ETo diária a partir de um conjunto reduzido de variáveis climáticas, utilizando da- dos da estação meteorológica do IFRS – Campus Ibirubá. Foram testadas di- ferentes configurações e combinações de entrada, avaliando-se os modelos por métricas como RMSE, MAE e o índice c de desempenho. Os resultados mos- traram que, embora o modelo LSTM tenha apresentado desempenho promissor com dados reduzidos, ainda há margem significativa para melhorias. A inclu- são de variáveis adicionais, como radiação solar, é sugerida como caminho para aumentar a precisão das estimativas e viabilizar o uso prático em sistemas de irrigação. A abordagem adotada demonstrou ser uma alternativa viável em contextos de baixa disponibilidade de dados meteorológicos, contribuindo para um manejo mais eficiente e sustentável da irrigação.; Efficient water management in irrigated agriculture is essential for hydrological sustainability, especially in regions with limited resources. Refe- rence evapotranspiration (ETo) is a key variable in irrigation planning and is traditionally estimated using methods such as Penman-Monteith, which require several meteorological variables that are not always available. This study pro- poses the use of artificial neural networks (ANNs), particularly the Long Short- Term Memory (LSTM) model, to estimate daily ETo based on a reduced set of climatic variables, using data from the meteorological station at IFRS – Ibi- rubá Campus. Different configurations and input combinations were tested, and the models were evaluated using metrics such as RMSE, MAE, and the perfor- mance index “c”. The results showed that although the LSTM model performed well with reduced data, there is still significant room for improvement. The in- clusion of additional variables, such as solar radiation, is suggested as a way to improve estimation accuracy and enable practical application in irrigation systems. The approach adopted proved to be a viable alternative in contexts with limited meteorological data availability, contributing to more efficient and sustainable irrigation management. 2025-01-01T00:00:00Z https://dspace.ifrs.edu.br/xmlui/handle/123456789/2541 HydroAR: desenvolvimento de um aplicativo para estudo da hidrografia brasileira com realidade aumentada Comin, Henrique Schroder As tecnologias digitais e em rede têm se tornado uma presença crescente na educação, e nesse contexto, a Realidade Aumentada (RA), embora não seja uma novi- dade, ainda é subutilizada como recurso pedagógico, apesar de seu grande potencial educacional. Ela permite ilustrar de forma prática e clara funções e conceitos que antes eram ensinados apenas com lápis e papel. A presente investigação teve como objetivo desenvolver um aplicativo para dispositivos móveis que potencializa o estudo da hidrografia e a importância da conservação dos rios do Brasil, se apropriando da experiência interativa proporcionada pela Realidade Aumentada (RA).; Digital and networked technologies have become increasingly present in education, and in this context, Augmented Reality (AR), although not new, is still un- derutilized as a pedagogical resource, despite its great educational potential. It allows for the practical and clear illustration of functions and concepts that were previously taught only with pencil and paper. This investigation aimed to develop a mobile ap- plication that enhances the study of hydrography and the importance of conserving Brazilian rivers, leveraging the interactive experience provided by Augmented Reality (AR). 2025-01-01T00:00:00Z