Bacharelado em Ciência da Computação (Sede)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/6
Siglas das Coleções:
APP - Artigo Publicado em Periódico
TAE - Trabalho Apresentado em Evento
TCC - Trabalho de Conclusão de Curso
Navegar
2 resultados
Resultados da Pesquisa
Item Investigação e implementação de arquitetura IoT para mensurar o índice de turbidez da água em tempo real para ambientes de Carcinicultura Inteligente utilizando abordagem de calibração alternativa(2025-06-04) Almeida, Eduardo Felipe Lima Lins de; Nóbrega, Obionor de Oliveira; http://lattes.cnpq.br/8576087238071129; http://lattes.cnpq.br/1806657367650299A criação de organismos aquáticos (aquicultura) é de extrema relevância no campo da produção de alimentos no Brasil e no mundo. A manutenção de um ambiente adequado, por meio do controle da qualidade da água, é essencial para a viabilidade de todo o processo produtivo. Dentre os parâmetros que determinam a qualidade, a turbidez da água – medida do grau de diminuição da transparência do ambiente aquático – foi abordada neste trabalho. Realizou-se o desenvolvimento e a avaliação de uma arquitetura para um equipamento baseado no conceito de Internet das Coisas (IoT), utilizando uma abordagem alternativa para a calibração, voltada para o monitoramento da turbidez da água em ambientes de criação de camarões (carcinicultura) e concebida para atender às necessidades de baixo custo, automação e monitoramento remoto.Item Development of machine learning models for the prediction of dissolved oxygen in aquaculture 4.0(2021-02-24) Freitas, Fábio Alves de; Nóbrega, Obionor de Oliveira; Lins, Fernando Antonio Aires; http://lattes.cnpq.br/2475965771605110; http://lattes.cnpq.br/8576087238071129; http://lattes.cnpq.br/5725435192607619O mundo enfrenta o problema de alimentar uma população crescente, que chegará a mais de 9 bilhões de pessoas até 2050. Desta forma, existe a necessidade do desenvolvimento de atividades que promovam a produção de alimentos, nas dimensões da sustentabilidade (social, técnicoeconômica, e ambiental). Neste contexto destacam-se os sistemas de IoT voltados à aquicultura 4.0, que possibilitam o cultivo de altas produções por unidade de volume, com baixo impacto ambiental. Entretanto, esses sistemas precisam ser extremamente controlados, necessitando de sensores para realização de leituras em tempo real das métricas da água, com destaque para o sensor de oxigênio dissolvido (OD), que desempenha um papel essencial na determinação da qualidade e quantidade de “habitat” disponível para os organismos presentes no sistema. Mesmo com essa importância, esse sensor é muitas vezes não utilizado, devido a seu alto custo associado. Como solução alternativa para este problema, foram propostos modelos de aprendizagem de máquina para a predição do OD, e que utilizam as leituras da temperatura e do pH como entradas. Foram realizados experimentos comparando diferentes técnicas de escalonamento de dados e o desempenho da predição em diferentes estações do ano e foram utilizadas métricas de regressão para avaliação dos modelos implementados. Os resultados mostraram que o modelo LSTM proposto pode realizar predições OD e ser aplicado em sistemas de IoT e aqüicultura 4.0.