IPT - ESTT - Escola Superior de Tecnologia de Tomar
Permanent URI for this community
Browse
Browsing IPT - ESTT - Escola Superior de Tecnologia de Tomar by advisor "Almeida, Luís"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Sistema de visão artificial para controlo de qualidade de uma linha de embalamento de notasPublication . Coelho, Nelson José da Silva; Almeida, Luís; Correia, PedroRESUMO No âmbito da dissertação de mestrado, por opção e possibilidade, foi realizado um estágio curricular na instituição Banco de Portugal (BdP), o Banco Central Nacional (BCN), onde uma das suas áreas de intervenção e regulamentação é a emissão e o saneamento de numerário. Este foi inserido no Departamento de Emissão e Tesouraria (DET) - Núcleo de Manutenção e Desenvolvimento Tecnológico (NMDT). Este estágio incidiu na resolução de um problema existente no sistema de embalamento automático de notas resultante da introdução em circulação da nova serie de notas Euro. Tradicionalmente, a verificação da quantidade correta de macetes (conjuntos de cem notas) num milheiro (conjunto de mil notas, dez macetes) é realizada controlando o peso de cada milheiro. Com a nova série de notas, essa verificação deixou de ser fiável devido à sua nova composição. A solução para o problema passa pela contagem dos respetivos macetes, pelo que é necessário apresentar soluções alternativas que executem o referido controlo. Neste contexto, o trabalho resultante do estágio curricular propõe uma solução para o controlo de qualidade da linha de embalamento, usando métodos de visão por computador para contagem de macetes num milheiro. O trabalho apresenta um protótipo para o sistema de controlo de qualidade que consiste num algoritmo implementado em MATLAB, que adquire as imagens da linha de embalamento em sequência, deteta a existência do mesmo, e conta com um elevado grau de fiabilidade o número de macetes em cada milheiro usando técnicas de processamento de imagem. Os resultados obtidos permitem afirmar que o algoritmo proposto apresenta-se como uma opção válida para uma futura implementação num sistema visão industrial.
- Specchio - espelho inteligentePublication . Escudeiro, Rafael Tomé Gonçalves; Oliveira, Luís; Almeida, LuísO atual mundo tecnológico disponibiliza uma grande quantidade de informação e de forma muito rápida, sendo fundamentais meios de interação simples, personalizados e eficientes. A evolução da Internet das Coisas (IoT), a computação na cloud, a massificação dos dispositivos móveis e a constante necessidade de estar on-line sugerem novos desafios tecnológicos. Este trabalho apresenta uma solução tecnológica capaz de disponibilizar informação de forma natural, atualizada e personalizada a um utilizador enquanto este executa tarefas do quotidiano em frente a um espelho. Trata-se de um dispositivo que além de refletir a cara do utilizador, fornece diverso conteúdo informativo, como notícias, horas, informação meteorológica, emails, sugestões, etc. Distingue-se pelo facto de adaptar o conteúdo informativo ao utilizador presente, recorrendo a técnicas de identificação de imagem facial por aprendizagem (machine learning). Na presença de vários utilizadores em frente ao espelho, a informação apresentada é limitada à autorizada, evitando divulgação de conteúdos informativos sensíveis e privados (ex: emails, mensagens). O trabalho demonstra como programadores sem conhecimentos avançados em aprendizagem podem ainda assim, desenvolver módulos baseados em Machine Learning recorrendo a ferramentas da Cloud e integrá-los nas suas aplicações como “caixa pretas”. Descreve-se em particular, como treinar e utilizar de forma eficaz modelos específicos utilizando ferramentas como o Firebase, ML Kit e Cloud AutoML da Google. Adicionalmente demonstra-se como aplicar tecnologias de aprendizagem em dispositivos móveis cujo poder de processamento é reduzido. O resultado é um protótipo de “espelho inteligente”, que integra tecnologias de reconhecimento baseada em machine learning para dispositivos móveis, com suporte numa plataforma de Internet das Coisas utilizando o sistema operativo, Android Things. A taxa de sucesso dos testes de reconhecimento facial ronda os 70%, e é considerada promissora, no entanto, sugere um treino com uma base de dados mais alargada e testes de usabilidade em trabalhos futuros.