Repositório DSpace

Este repositório tem como objetivo receber, armazenar e disponibilizar
produções acadêmicas desenvolvidas no IFSC e/ou por autores do IFSC.

Comunidades no DSpace

Selecione uma comunidade para navegar por suas coleções

Agora exibindo 1 - 5 de 21

Submissões Recentes

Aplicação de machine learning em visão computacional para detecção de falhas em objetos
(Instituto Federal de Santa Catarina, 2026-07-27) Pavanati, Gabriel Furtado; Picinin Junior, Delcino; http://lattes.cnpq.br/9280672702167595; http://lattes.cnpq.br/9266553120978850; Stivanello, Maurício Edgar; https://orcid.org/0000-0002-2800-6477; http://lattes.cnpq.br/9883924718938623; Cunha, Raimundo Ricardo Matos da; https://orcid.org/0000-0001-8564-9500; http://lattes.cnpq.br/3523170418967565
Este trabalho propõe o desenvolvimento de um sistema de inspeção visual automa- tizada baseado em técnicas de machine learning aplicadas à visão computacional, com o objetivo de classificar em tempo real amostras de tampas como intactas ou violadas. A motivação para a adoção dessa abordagem reside na dificuldade de se de- senvolver algoritmos tradicionais suficientemente robustos para lidar com as variações presentes nas amostras, tais como reflexos metálicos, irregularidades superficiais e variações de ângulo de captura. O sistema foi desenvolvido utilizando o software NI Vision Builder AI (VBAI), no qual foram implementadas etapas de pré-processamento de imagem, binarização e classificação por aprendizado de máquina supervisionado. Para o treinamento do classificador, foram coletadas 200 imagens, igualmente distri- buídas entre as duas classes, e empregada a técnica de validação cruzada com 10 folds, garantindo maior confiabilidade na avaliação do desempenho do modelo. A fim de identificar a combinação mais eficiente, foram testadas todas as combinações possíveis entre os três algoritmos de classificação disponíveis, sendo eles o Nearest Neighbor, o K-Nearest Neighbor e o Minimum Mean Distance, e as três métricas de distância: euclidiana, máxima e de Manhattan. O melhor resultado obtido atingiu uma taxa média de acertos de 71%, valor que, embora indique a viabilidade da abordagem, não se mostrou suficiente para aplicação em ambiente produtivo real. A principal limitação identificada foi a impossibilidade de manipulação manual do vetor de características dentro do software utilizado, fator determinante para a precisão de classificadores baseados em machine learning. Como perspectivas futuras, sugere-se a utilização de ferramentas que permitam maior controle sobre o vetor de características, ou adoção de abordagens mais sofisticadas, como o deep learning, paradigma no qual o pró- prio sistema determina automaticamente as características mais relevantes de forma iterativa.
Integração de software CAM em célula robotizada para manufatura aditiva metálica
(Instituto Federal de Santa Catarina, 2026-07-09) Kuner, Eduardo Costa; Teichmann, Erwin Werner; https://orcid.org/0000-0003-0951-9151; http://lattes.cnpq.br/7025880167651493; http://lattes.cnpq.br/2441263209207534; Bonacorso, Nelso Gauze; https://orcid.org/0009-0006-9991-7274; http://lattes.cnpq.br/9760955652884776; Poletti, Eduardo
Este trabalho apresenta o desenvolvimento e a validação de um fluxo digital para in- tegrar o sistema de manufatura auxiliada por computador (Computer-Aided Manufac- turing, CAM) ENCY a uma célula de manufatura aditiva por arco e arame (Wire Arc Additive Manufacturing, WAAM) composta por dois robôs industriais de baixo custo com controladores Betrun. O estudo teve como objetivo permitir o planejamento, a simulação e a execução de trajetórias de deposição, superando a ausência de um pós-processador comercial e a utilização de arquivos proprietários em formato biná- rio. Adotou-se uma metodologia incremental, que envolveu a modelagem da célula virtual, a calibração dos modelos cinemáticos dos manipuladores, o desenvolvimento de um pós-processador personalizado, a implementação de um compilador para os arquivos do controlador e a exploração de estratégias de deposição com um robô re- orientando o substrato e o outro depositando material. A calibração geométrica do modelo cinemático, realizada com 31 pontos de teste por robô, reduziu o erro má- ximo dos modelos dos robôs soldador e manipulador de 4,751 mm para 0,034 mm e para menos de 0,001 mm, respectivamente. O fluxo desenvolvido converteu os dados de trajetória gerados no ambiente CAM em programas executáveis na célula física e possibilitou a fabricação de duas geometrias: um corpo de prova prismático, com di- mensões de 30 × 30 × 2 mm e substrato em posição fixa, e peças helicoidais com distância máxima entre hélices de 200 mm, fabricadas com reorientação do substrato pelo robô manipulador. As peças foram fabricadas por soldagem a arco com gás de proteção (Gas Metal Arc Welding, GMAW), utilizando arame de aço AWS ER70S-6 de diâmetro 1,0 mm como material de adição, chapas de aço ASTM A36 de 1/4 pol como substrato e mistura de 75% de Ar (argônio) e 25% de CO2 (dióxido de carbono) como gás de proteção. O corpo de prova prismático apresentou erros absolutos de 1,07 mm na largura, 0,80 mm no comprimento e 0,36 mm na altura. Nas peças he- licoidais, a revisão das trajetórias e dos parâmetros de soldagem reduziu o excesso de espessura e os defeitos superficiais, embora tenham permanecido desvios geomé- tricos e de posicionamento. Conclui-se que a integração realizada é funcional e cria uma plataforma para futuras pesquisas de manufatura aditiva metálica. No entanto, sua operação ainda depende de conhecimento especializado e de melhorias na cali- bração da célula, sobretudo no posicionamento relativo dos robôs, cujo erro residual máximo foi de ±13,973 mm, bem como no planejamento das trajetórias e na configu- ração das ferramentas.
Predição da geometria do cordão de deposição em Laser Cladding por aprendizado de máquina
(Instituto Federal de Santa Catarina, 2026-07-07) Carminatti, Bruno Peloi; Bonin, Cassiano; https://orcid.org/0009-0006-9761-0391; http://lattes.cnpq.br/0248869270395562; http://lattes.cnpq.br/2707494509638312; Teichmann, Erwin Werner; https://orcid.org/0000-0003-0951-9151; http://lattes.cnpq.br/7025880167651493; Stivanello, Maurício Edgar; https://orcid.org/0000-0002-2800-6477; http://lattes.cnpq.br/9883924718938623
Este trabalho apresenta um sistema de aprendizado de máquina para prever a largura, a altura e a área da seção transversal do cordão depositado pela técnica a laser L- DED (Laser Directed Energy Deposition), em função dos parâmetros do processo. A principal contribuição é integrar, em um único fluxo, a extração automática da geometria a partir de imagens, a modelagem preditiva com restrições baseadas na física do processo, a quantificação da incerteza e uma ferramenta interativa de uso. O conjunto experimental reúne 36 anéis depositados sobre um eixo cilíndrico de aço AISI 1045 em rotação, com variação contínua dos parâmetros, totalizando 25.920 comandos em código G e um vídeo lateral do processo. As três dimensões foram medidas imagem por imagem por visão computacional, após corrigir uma defasagem de sincronização entre o vídeo e os comandos e adotar uma suavização temporal leve, que atenua o ruído sem destruir a variação real da geometria. Treinaram-se modelos XGBoost com restrições de monotonicidade físicas, com um Ridge polinomial como linha de base, validados anel por anel e por verificações de coerência física frente à potência e à velocidade. A avaliação prioriza o erro absoluto médio (da ordem de 0,12 mm para largura e altura), métrica diretamente interpretável na prática, em vez do coeficiente de determinação, cujos valores (entre 0,60 e 0,65) refletem a opção por preservar a variação real da geometria, sem recorrer a uma suavização agressiva que os elevaria artificialmente. A incerteza foi estimada por regressão quantílica conformalizada (CQR), alcançando cobertura empírica próxima de 80% nos dados avaliados. Por fim, uma interface gráfica reúne a predição pontual, a visualização das faixas de operação e a comparação de cenários, além de um modo de predição inversa que sugere os parâmetros mais próximos de produzir uma geometria-alvo.
Os gargalos na implementação de agroindústrias agroecológicas: uma revisão bibliográfica
(Instituto Federal de Santa Catarina, 2023-09-15) Santos, Natália Maria Antunes dos; Piontkewicz, Simone Caroline; Komatsu, Roberto Akitoshi; Martins, Lúcia Helena Baggio; http://lattes.cnpq.br/8659197885358541; https://orcid.org/0000-0001-5981-9334; http://lattes.cnpq.br/4007991802647498; http://lattes.cnpq.br/3238326447712835; http://lattes.cnpq.br/9970870895156396; Deboni, Taiana Maria; http://lattes.cnpq.br/8917413789781850; Barbosa, Andressa Steffen; http://lattes.cnpq.br/4549606585414922
A transição para práticas agroecológicas tem recebido crescente atenção devido aos benefícios ambientais, sociais e econômicos que oferecem. Em Santa Catarina, um estado brasileiro com forte tradição agroindustrial na implementação de agroindústrias agroecológicas, tem encontrado certos desafios. Portanto, o objetivo deste estudo consistiu em abordar os principais gargalos encontrados na implementação e continuidade operacional das agroindústrias agroecológicas, por meio de uma metodologia qualitativa, baseada na técnica de revisão bibliográfica. Condições como processos complexos de regularização da agroindústria, tanto no aspecto tributário e fiscal, quanto na legalização ambiental, sanitária, ou ainda, no processo de certificação orgânica. Outrossim, foram observados nos estudos relatados na pesquisa, condições desafiantes na comercialização da produção agroindustrial. Diante dos fatores relatados neste estudo, chegou-se à conclusão que, as adversidades para regularizar e cumprir todas as medidas para a implantação de uma agroindústria agroecológica, são extensas, mas por meio de organizações associativistas e cooperativas, é possível conquistar mudanças positivas e ágeis no processo dessa formalização, de forma a se tornar cada mais simplificado e possível de aplicação, minimizando a problemática da clandestinidade, amplamente encontrada nesse setor.
Qualidade física e fisiológica de variedades de milho crioulo do planalto serrano de Santa Catarina
(Instituto Federal de Santa Catarina, 2023-12-13) Pereira, Simone Aparecida; Figueiredo, Josiane Cantuária; Komatsu, Roberto Akitoshi; https://orcid.org/0000-0001-5981-9334; https://orcid.org/0000-0001-7105-1241; http://lattes.cnpq.br/4007991802647498; http://lattes.cnpq.br/7401355484945090; http://lattes.cnpq.br/6514300944708308; Mendes, Giselle Camargo; https://orcid.org/0000-0003-4361-9359; http://lattes.cnpq.br/4507854638255402; Martins, Andréa Bicca Noguez; https://orcid.org/0000-0001-5480-5208; http://lattes.cnpq.br/5853083981040400
A utilização de sementes de milho crioulo faz parte da tradição cultural de uma parcela de agricultores tradicionais e agroecológicos. O objetivo do estudo foi avaliar a qualidade física e fisiológica de variedades de sementes de milho crioulas do Planalto Serrano de Santa Catarina. Estudou-se 12 tipos de milhos varietais oriundos dos municípios de Anita Garibaldi, Cerro Negro e São José do Cerrito no Estado de Santa Catarina, sendo as variedades Palha Roxa Anita Garibaldi, Pixurum 4, Mesclado, Amarelão Anita Garibaldi, Lasteque, Lombo Baio Carú, Palha Roxa Carú, Branco Dito, Asteca Cerro Negro, Branco do Cerro Negro, Milho Roxo Carú e Lombo Baio Cerro Negro. As qualidades físicas e fisiológicas das sementes foram analisadas utilizando as seguintes análises: teor de água; germinação; comprimento do hipocótilo, comprimento da raiz, teste frio, condutividade elétrica e índice de velocidade de emergência. As sementes das variedades crioulas apresentaram teor de água inadequado para o armazenamento das sementes. As variedades Pixurum 4, Mesclado, Amarelão, Laste que e Asteca de Cerro Negro apresentaram melhor qualidade fisiológica, com melhores desempenhos nos testes que simulavam condições de estresse.