Trabalho de Conclusão de Curso (COM)

URI Permanente para esta coleçãohttps://unesc.acessoacademico.com.br/handle/1/8125

Os TCCs defendidos entre o período de 2001 a 2017 podem ser consultados Aqui

Navegar

Agora exibindo 1 - 20 de 725

Análise e funcionamento de algoritmos de recomendação em plataformas de streaming e redes sociais
(2026-07) Silva, Wesley Emanuel da; Ruaro, André Faria
Sistemas de recomendação estão no centro da experiência digital atual, mas equilibrar precisão (acertar o gosto do usuário) com diversidade (oferecer recomendações variadas) continua sendo um desafio técnico e ético relevante, especialmente pelo risco de formação de bolhas de filtro. Este trabalho compara dois algoritmos clássicos: a Filtragem Colaborativa baseada em SVD (Singular Value Decomposition) e a Recomendação Baseada em Conteúdo com TF-IDF (Term Frequency–Inverse Document Frequency), aplicados ao dataset MovieLens 1M com 1.000.209 avaliações de 6.040 usuários. Os dois modelos foram avaliados simultaneamente com quatro métricas (Precision@10, Recall@10, NDCG@10 e Diversidade intra-lista) sobre os 20 usuários mais ativos, usando protocolo leave-30%-out com semente fixa para garantir reprodutibilidade. Os resultados revelaram um achado contra-intuitivo: o SVD superou o TF-IDF não só em precisão (média de 0,705 contra 0,080 em Precision@10), como também em diversidade (0,797 contra 0,087). Em 12 dos 20 usuários, a diversidade do TF-IDF foi zero, ou seja, todos os dez filmes recomendados pertenciam ao mesmo gênero. Esse comportamento ocorre porque o modelo de conteúdo amplifica a concentração do catálogo em Drama e Comédia, criando bolhas de filtro em vez de combatê-las. O trabalho conclui que o trade-off entre precisão e diversidade é mais complexo do que a literatura costuma apresentar, e que a escolha do algoritmo deve considerar também a distribuição de gêneros do catálogo. Um protótipo interativo foi desenvolvido para demonstração ao vivo, incluindo simulação de cold start com novos usuários.
Aplicativo educacional gamificado baseado em lógica fuzzy para adaptação dinâmica do nível de dificuldade de atividades
(2026-07) Cucolotto, Théo Limas; Antunes, Luciano; Garcia, Merisandra Côrtes de Mattos
O aplicativo educacional gamificado Zupt utiliza lógica fuzzy para adaptar dinamicamente o nível de dificuldade em atividades de Língua Portuguesa e Matemática voltadas aos anos iniciais do Ensino Fundamental. O mecanismo foi implementado por meio de um sistema de inferência fuzzy do tipo Mamdani, considerando como entradas o desempenho do estudante, representado pela porcentagem de acertos, e o tempo médio de resposta por questão. Como saída, o sistema gera um valor de ajuste para reduzir, manter ou aumentar a dificuldade das atividades seguintes. O comportamento do protótipo foi analisado por meio de testes funcionais com sessões simuladas por agentes sintéticos, totalizando 30 sessões e 300 questões respondidas. Os resultados indicaram predominância da decisão de manutenção do nível, sugerindo estabilidade funcional nos cenários simulados, com ocorrências pontuais de aumento e redução da dificuldade. Conclui-se que o protótipo permite explorar a integração entre lógica fuzzy e gamificação em um aplicativo educacional, embora ainda sejam necessários testes com estudantes do público-alvo para avaliar aprendizagem, motivação e experiência de uso.
Estudo de viabilidade de interface biocomputacional para o nervo óptico para restauração da visão
(2026-07) Ferreira, Rodrigo Santos Raccuia; Ferreira, Matheus Leandro
A perda de visão afeta milhões de pessoas no mundo, sendo as soluções atuais baseadas principalmente em próteses retinianas e implantes corticais, que apresentam limitações quanto à resolução visual, dependência de estruturas biológicas específicas e elevada complexidade cirúrgica. Nesse contexto, o nervo óptico surge como uma alternativa promissora por atuar como via intermediária entre a retina e o córtex visual, preservando aspectos da organização natural da informação visual. Este trabalho tem como objetivo analisar o estado da arte atual do campo e a investigação teórica da viabilidade de uma interface biocomputacional aplicada ao nervo óptico para a restauração da visão. A metodologia adotada consiste em uma revisão narrativa da literatura, com abordagem qualitativa, analisando estudos sobre próteses visuais, interfaces neurais e estimulação do sistema visual. Os resultados indicam que a estimulação do nervo óptico apresenta potencial para superar limitações das abordagens tradicionais, especialmente em termos de resolução e menor dependência de condições biológicas específicas, embora ainda existam desafios relacionados à seletividade neural e à miniaturização de dispositivos. Conclui-se que essa abordagem representa uma linha promissora para o desenvolvimento de tecnologias de restauração visual, com potencial impacto na área da saúde e na qualidade de vida dos pacientes.
Plataforma digital para gestão condominial e divulgação de serviços locais com integração via QR Code
(2026-07) Guimarães, Richard Junkes; Machado, Diorgines Mattos
A expansão dos condomínios residenciais e o aumento da complexidade de sua administração evidenciam a necessidade de ferramentas digitais capazes de organizar informações, facilitar a comunicação interna e apoiar processos cotidianos. Este trabalho apresenta a análise de um método de funcionamento e implementação de uma plataforma digital voltada à gestão condominial, a pesquisa caracteriza-se como aplicada e tecnológica, fundamentada em estudos relacionados à acessibilidade, à organização de solicitações e à avaliação de serviços. Com base nessas referências, foi desenvolvido um protótipo funcional para apoiar a comunicação entre moradores, o gerenciamento de reservas de áreas comuns e a divulgação de serviços, a análise concentrou-se em três características: acessibilidade e usabilidade da interface, organização das reservas por meio da estrutura FIFO (First In, First Out) e mecanismo de avaliação dos serviços cadastrados. Os resultados demonstraram que a integração dessas características apresentou relação com os estudos consultados e permitiu estruturar uma proposta funcional para o contexto condominial, conclui-se que a solução representa uma alternativa para centralizar informações e apoiar a gestão condominial, embora ainda sejam necessários estudos em ambientes reais e testes com usuários para avaliar sua adequação prática, acessibilidade e usabilidade.
Integração do método Pomodoro e tecnologia computacional na redução da procrastinação acadêmica
(2026-07) Bicinthe, Nerline; Ferreira, Matheus Leandro
A procrastinação acadêmica, caracterizada pelo adiamento voluntário de atividades educacionais, representa uma falha de autorregulação frequentemente associada à dificuldade de gerenciamento do tempo (Klingsieck, 2013). Para mitigar seus impactos, a literatura destaca abordagens como a Técnica Pomodoro, focada em ciclos de concentração e descanso (Cirillo, 2013). Mais recentemente, a Inteligência Artificial (IA) tem emergido como um recurso importante para a personalização de sistemas educacionais (Jahnke et al., 2025; Junior et al., 2024). Partindo desses conceitos, este trabalho tem como objetivo desenvolver o FocusAI, um aplicativo móvel focado em combater o comportamento procrastinatório de estudantes universitários. A pesquisa possui caráter aplicado e exploratório, envolvendo a construção de um protótipo com Flutter, Spring Boot e integração ao modelo local de IA Ollama. O sistema permite identificar perfis comportamentais predominantes, baseados em fatores como sobrecarga, distrações e medo de falhar (Steel, 2007; Barrozo; Rocha, 2018), e fornecer recomendações de estudos estratégicas adaptadas ao usuário. Os resultados demonstram a viabilidade técnica da integração entre a gestão temporal e as intervenções comportamentais geradas por IA. Conclui-se que o artefato desenvolvido supera as ferramentas genéricas ao oferecer apoio educacional customizado, embora demande a realização de validações empíricas com usuários finais em trabalhos futuros.
Desenvolvimento de um sistema microcontrolado para gerenciamento de bicicletas compartilhadas na Universidade do Extremo Sul Catarinense
(2026-07) Sombrio, Miguel; Coral, Sérgio
Este trabalho apresenta o desenvolvimento e a validação do BikeIOT, com o objetivo de propor uma solução baseada em Internet das Coisas para o gerenciamento de bicicletas compartilhadas em ambiente universitário. A solução utiliza uma arquitetura distribuída composta por firmware embarcado, API backend, aplicativo móvel e painel administrativo, integrando Bluetooth Low Energy, protocolo de mensageria sobre rede móvel 4G, GPS e geofencing. O firmware embarcado em ESP32 foi responsável pelo controle da trava, validação criptográfica de comandos e envio de telemetria. A API realizou autenticação, assinatura digital temporária e integração com o sistema de mensageria, enquanto o aplicativo móvel permitiu a autenticação do usuário e a comunicação com a bicicleta. Os resultados demonstraram a viabilidade técnica da arquitetura proposta, validando a integração entre comunicação local e remota, controle de acesso, telemetria e restrição espacial. Também foram identificadas limitações relacionadas à conectividade móvel, à precisão do GPS e à validação em ambiente controlado.
Aplicação para análise e detecção de notícias falsas e manipulação de mídia
(2026-07) Matos, Mateus Santos de; Ferreira, Matheus Leandro
A disseminação de fake news representa um dos principais desafios da era digital, comprometendo a confiabilidade das informações compartilhadas em ambientes online. Apesar da existência de ferramentas para verificação de textos, links ou imagens de forma isolada, há carência de soluções que integrem essas modalidades em uma única aplicação de forma prática e acessível. Este trabalho tem como objetivo identificar a veracidade e a confiabilidade de informações divulgadas na internet por meio de uma aplicação web baseada na análise multimodal de textos, links e imagens. A metodologia utilizou inteligência artificial, Processamento de Linguagem Natural e mecanismos de busca. A solução foi avaliada por meio das métricas de acurácia, precisão, recall e F1-score em cada modalidade, obtendo resultados expressivos, com destaque para a análise textual, que alcançou acurácia e F1-score de 0,95. Os resultados demonstram o potencial da inteligência artificial como ferramenta de apoio à verificação de informações e evidenciam a viabilidade da abordagem proposta, integrando diferentes formatos de conteúdo digital em um único ambiente e contribuindo para pesquisas na área de detecção automática de desinformação.
Reconhecimento automático de placas veiculares com aprendizado profundo para a segurança em condomínios
(2026-07) Margotti, Luan Costa; Fiera, Luiz Ricardo
A segurança em condomínios residenciais de pequeno e médio porte representa um desafio crescente no Brasil, onde os métodos tradicionais de controle de acesso veicular, como registro manual por porteiros e sistemas de identificação por radiofrequência, apresentam limitações relevantes, incluindo suscetibilidade a falhas humanas e compartilhamento indevido de credenciais. Este trabalho propõe e avalia um sistema de Reconhecimento Automático de Placas Veiculares voltado ao controle de acesso condominial, com foco específico no padrão Mercosul vigente desde 2018. O sistema foi desenvolvido em Python com a arquitetura YOLOv8n, treinado sobre 6.536 imagens de placas veiculares reais em carros, e integra cinco estágios sequenciais: detecção da placa, pré-processamento, reconhecimento de caracteres, pós-processamento por expressão regular e controle de acesso com registro em log. Os experimentos foram conduzidos em estação de trabalho com GPU NVIDIA GeForce RTX 3060. Sobre o conjunto de 1.862 imagens de validação, o sistema alcançou acurácia de 92,37% no reconhecimento completo das placas e velocidade de processamento de 25,85 quadros por segundo, demonstrando viabilidade operacional para controle de acesso em tempo real. Complementarmente, em três vídeos capturados por smartphone em cenários condominiais reais, o sistema identificou corretamente as placas e emitiu as decisões esperadas nos três cenários avaliados: morador com acesso ativo, morador com cadastro inativo e visitante não cadastrado. Os resultados indicam a viabilidade técnica do sistema proposto como alternativa baseada em infraestrutura convencional aos sistemas comerciais de controle de acesso veicular.
Comparação de modelos de inteligência artificial para classificação de lesões cancerígenas em imagens de ultrassom mamário
(2026-07) Spilere, Leonardo Oenning; Oliveira, Marlon de Matos de
O câncer de mama é a neoplasia de maior incidência entre mulheres no Brasil, com mais de 73.600 novos casos entre 2023-2025, e o diagnóstico precoce pode elevar as taxas de cura a até 90%. A ultrassonografia mamária, embora acessível e não invasiva, apresenta limitações de variabilidade interpretativa, motivando a investigação de ferramentas computacionais de apoio ao diagnóstico. Este trabalho desenvolveu e avaliou comparativamente modelos de inteligência artificial para detecção de lesões potencialmente cancerígenas em imagens de ultrassonografia mamária, em duas trilhas complementares: classificação binária, com redes neurais profundas, ResNet50, DenseNet121 e EfficientNet-B7, e métodos clássicos, SVM-RBF, LightGBM e Random Forest; e segmentação semântica, com U-Net e Attention U-Net. Os experimentos foram conduzidos sobre o conjunto público BUS-BRA, com 1.875 imagens de 1.064 pacientes, e o desempenho avaliado por acurácia, sensibilidade, especificidade, F1-score e AUC-ROC na classificação, e por coeficiente Dice e IoU na segmentação, com comparações por bootstrap, McNemar e DeLong. O ResNet50 obteve o melhor desempenho em classificação (AUC-ROC de 0,886; acurácia de 0,848), possivelmente equivalente ao DenseNet121 (p > 0,05) e superior aos demais modelos (p < 0,05). A Attention U-Net superou o U-Net clássico em segmentação (Dice de 0,914; IoU de 0,841). Os resultados evidenciam o potencial dessas arquiteturas como ferramentas de apoio ao diagnóstico precoce do câncer de mama.
Sistema inteligente para detecção de vazamento de gás GLP com redução de falsos positivos
(2026-07) Della, João Victor Possamai; Blauth Júnior, Valter
A detecção de vazamentos de Gás Liquefeito de Petróleo é vital para evitar acidentes residenciais graves. Contudo, sistemas de alarme baseados em sensores de baixo custo, como o MQ-6, sofrem com alta sensibilidade cruzada, gerando falsos positivos na presença de interferentes como o álcool isopropílico. Este trabalho objetiva propor um sistema inteligente embarcado para detecção de Gás Liquefeito de Petróleo com redução de alarmes indevidos, utilizando um microcontrolador ESP32 e técnicas de aprendizado de máquina na borda (Tiny Machine Learning). A metodologia experimental consistiu na coleta de séries temporais de gás e temperatura para treinar uma rede neural quantizada (int8) na plataforma Edge Impulse. Os resultados mostraram que o modelo atingiu 97,3% de acurácia, identificando vazamentos reais e rejeitando 91,7% das interferências causadas pelo álcool, consumindo apenas 320 Bytes de memória RAM. Embora o estudo apresente limitações, como a ocasional sobreposição de sinais em baixas concentrações devido à física do sensor, conclui-se que o uso de TinyML atua como uma solução viável para mitigar falhas de hardware, aumentando a segurança residencial.
Inteligência artificial para auxílio de ordens de manipulação de medicamentos
(2026-07) Silva, João Pedro Carlos da; Ferreira, Matheus Leandro
A análise de ordens de manipulação farmacêutica é uma etapa fundamental para garantir a segurança, a estabilidade e a eficácia dos medicamentos manipulados, uma vez que incompatibilidades entre insumos e erros de dosagem podem comprometer o tratamento do paciente. Este trabalho teve como objetivo avaliar a utilização de um agente baseado em Large Language Models como ferramenta de apoio à análise de ordens de manipulação, por meio do desenvolvimento de uma aplicação web capaz de identificar possíveis incompatibilidades e inconsistências de dosagem. A pesquisa caracteriza-se como aplicada e tecnológica, contemplando o desenvolvimento de uma solução composta por interface web, backend em Java com Spring Boot, banco de dados PostgreSQL e integração com o modelo Gemini 2.5 Flash. Para validação da proposta, seis farmacêuticos avaliaram as recomendações geradas pelo sistema a partir de 31 ordens de manipulação. Foram produzidas 166 recomendações, das quais 147 receberam avaliação, resultando em média geral de 4,76 em uma escala de 1 a 5, com 94,6% das avaliações concentradas entre as notas 4 e 5. Os resultados indicam boa aceitação da solução e demonstram o potencial dos Large Language Models como ferramenta de apoio à análise farmacotécnica.
Integração da gamificação no ensino da história dos sistemas operacionais open source
(2026-07) Vicente, João Paulo Fogaça; Coral, Sérgio
O ensino da História da Computação, especialmente no contexto dos sistemas operacionais open source, enfrenta o desafio de engajar estudantes em conteúdos densos e pouco explorados nos currículos de graduação. Este trabalho tem como objetivo desenvolver e avaliar um jogo educacional digital voltado ao ensino da história dos sistemas operacionais open source para estudantes de cursos de Computação, implementado na engine Unity com quizzes interativos e personagens não-jogáveis temáticos abrangendo marcos como Unix, GNU e Linux. A metodologia é de natureza aplicada, qualitativa, exploratória e descritiva. A avaliação foi realizada por meio de questionário aplicado a quatro profissionais da área de Computação, com foco em usabilidade e percepção pedagógica. Os resultados indicaram percepção positiva em todos os critérios: interface e potencial didático obtiveram média 4,5; navegação, 4,3; representatividade do conteúdo, 4,0; e coerência pedagógica dos quizzes, 3,5. Cabe destacar que não foram realizados pré e pós-testes de aprendizagem, de modo que as conclusões se limitam à usabilidade e à percepção pedagógica dos participantes, devendo ser interpretadas como indício inicial dado o caráter exploratório do estudo e a amostra reduzida.
Tecnologias necessárias para o desenvolvimento de um sistema de cadastro de voluntários em situações de desastres naturais
(2026-07) Pereira, Higna de Brittos; Barbosa, Ana Cláudia Garcia
Os desastres naturais demandam mecanismos eficientes para mobilização de voluntários, organização de recursos e compartilhamento de informações. Nesse contexto, as Tecnologias da Informação e Comunicação podem contribuir para o desenvolvimento de sistemas capazes de apoiar atividades de resposta e recuperação em situações emergenciais. Este trabalho teve como objetivo analisar tecnologias aplicáveis ao desenvolvimento de sistemas de cadastro e gestão de voluntários em desastres naturais, identificando funcionalidades, potencialidades e limitações relevantes para esse contexto. A pesquisa caracteriza-se como aplicada, descritiva e de abordagem qualitativa, utilizando levantamento bibliográfico, análise documental e testes comparativos realizados nas plataformas selecionadas. Foram analisadas comparativamente as plataformas FrontlineSMS, Ushahidi e VoluntApp, considerando critérios relacionados à segurança da informação, escalabilidade, usabilidade, arquitetura, confiabilidade e adequação a cenários de desastre. Os resultados demonstraram que o FrontlineSMS se destaca pela comunicação emergencial e pela operação em ambientes com infraestrutura limitada, enquanto o Ushahidi apresenta forte potencial para georreferenciamento, organização de informações e coordenação de recursos. O VoluntApp contribuiu para a identificação de funcionalidades relacionadas à gestão de voluntários por meio de análise documental, em razão da indisponibilidade da plataforma para realização de testes práticos durante o período da pesquisa. Conclui-se que nenhuma das tecnologias analisadas atende integralmente a todos os requisitos identificados para sistemas de gestão de voluntários em desastres naturais; entretanto, suas características fornecem subsídios importantes para o desenvolvimento de soluções mais completas e adequadas a esse contexto.
Sistema de apontamento de produção com persistência híbrida e interface para dispositivos industriais
(2026-07) Niehues, Gustavo Mondardo; Inocencio, Marcel Campos
O apontamento de produção em ambientes industriais exige registros confiáveis para acompanhamento produtivo, rastreabilidade e integração com sistemas de gestão. Na indústria têxtil de embalagens flexíveis, como big bags, esse controle torna-se relevante devido ao grande volume de produção e à necessidade de associar os itens fabricados às respectivas ordens de produção. O objetivo deste trabalho é avaliar a aderência de uma solução embarcada de baixo custo para apontamento de produção em uma linha produtiva da indústria têxtil de big bags, considerando a comparação entre os registros gerados pela solução e uma conferência de referência. A pesquisa caracterizou-se como aplicada, de base tecnológica e abordagem mista. Para isso, implementou-se uma solução composta por Raspberry Pi, leitor de QR Code, visor LCD, aplicação cliente em Python, banco de dados local SQLite e API em Node.js para integração com o ERP. A avaliação quantitativa considerou registros produtivos consolidados por unidade e dia, comparando a quantidade de referência com os registros gerados pela solução, enquanto a avaliação qualitativa utilizou questionário com escala de Likert aplicado aos usuários. Após o tratamento dos dados, a solução apresentou percentual de acerto global de 99,90% e acerto ponderado de 99,87%. Na avaliação qualitativa, obteve média geral de 4,70 em 5 pontos e 92,5% de concordância, indicando percepção favorável dos usuários quanto ao uso da solução. Os resultados demonstram que a arquitetura proposta contribuiu para aumentar a confiabilidade dos registros, apresentar baixa divergência em relação à conferência de referência e apoiar a digitalização gradual do apontamento produtivo. Como limitações, destacam-se a dependência de conferência de referência, o número reduzido de participantes na avaliação qualitativa e a influência de eventos operacionais no ambiente fabril.
Análise comparativa de redes neurais convolucionais para redução de ruído em imagens de tomografia computadorizada
(2026-07) Silva, Gustavo Miguel da; Favaro, Allan Farias
Reduzir a dose de radiação em exames de tomografia computadorizada é uma necessidade clínica. O desafio é que imagens geradas com baixa dose têm qualidade inferior, com ruídos e artefatos que comprometem o diagnóstico. Aumentar a dose melhora a qualidade das imagens, mas aumenta o risco para os pacientes. Por anos, esse foi um trade-off sem uma solução plenamente satisfatória. Recentemente, modelos de aprendizado profundo começaram a demonstrar que é possível melhorar essas imagens sem alterar a dose de radiação. A abordagem consiste em treinar redes neurais para aprender a diferença entre uma imagem ruidosa e uma de boa qualidade, e aplicar essa correção após a aquisição da imagem. Vários tipos de arquitetura foram propostos para essa finalidade, e compará-los de forma controlada ainda é uma necessidade apontada pela literatura. Este trabalho realiza essa comparação. Foram avaliadas três arquiteturas de redes neurais convolucionais, RED-CNN, DnCNN e WGAN-VGG, todas treinadas com o mesmo dataset, o LDCT-and-Projection-data da The Cancer Imaging Archive, que contém imagens abdominais de 50 pacientes com pares de exames em low-dose e full-dose. As condições de treinamento e avaliação foram padronizadas para que a comparação entre os modelosfosse justa. O desempenho foi medido com as métricas Peak Signal-to- Noise Ratio, Structural Similarity Index Measure e Root Mean Square Error. Os resultados mostram que os modelos RED-CNN e DnCNN foram capazes de realizar a tarefa de suprimir o ruído.
Análise comparativa de performance em simulações de colisão 2D: um estudo de caso entre Godot e Unity
(2026-07) Bittencourt, Gabriel Rodrigues; Bolan, Giácomo Antônio Althoff
A detecção de colisões em tempo real se apresenta como um desafio computacional no desenvolvimento de jogos eletrônicos devido ao seu potencial crescimento quadrático. Este trabalho apresenta uma análise comparativa de performance em simulações 2D entre os motores de jogos Godot e Unity. A metodologia consistiu no desenvolvimento de um protótipo experimental submetido a um estresse controlado de carga progressiva linear, monitorando a taxa de quadros por segundo, o consumo de memória RAM e métricas de microarquitetura da CPU por meio do Intel VTune Profiler. Foram avaliadas três abordagens, sendo elas a Godot Engine, Unity DOTS e a Unity utilizando o modelo tradicional orientado a objetos. Os resultados mostram que, embora as arquiteturas tradicionais orientadas a objetos apresentem maior taxa de quadros em cenário de baixa densidade de entidades em cena, essas mesmas arquiteturas sofrem uma queda drástica em cenários de alta densidade. A análise por meio do VTune Profiler mostra que essa queda se dá, em parte, por causa do gargalo no barramento de memória. Em contrapartida, o ecossistema Unity DOTS demonstrou maior estabilidade na taxa de quadros por segundo devido à redução no gargalo da DRAM, além do maior aproveitamento de múltiplos núcleos de CPU.
Comparação de desempenho entre linguagens de programação na implementação de API
(2026-07) Cardoso, Felipe Trevisani; Oliveira, Marlon de Matos de
O crescimento da transformação digital nas organizações aumentou a necessidade de comunicação eficiente entre diferentes sistemas, aplicações e serviços. Nesse contexto, as Interfaces de Programação de Aplicações desempenham um papel fundamental ao viabilizar a integração entre sistemas por meio de interfaces de comunicação padronizadas. Ao mesmo tempo, diversas linguagens de programação e frameworks têm sido utilizados no desenvolvimento dessas APIs. Diante desse cenário, torna-se importante compreender como diferentes tecnologias se comportam quando aplicadas à implementação de serviços de integração. Este estudo tem como objetivo comparar o desempenho de diferentes linguagens de programação utilizadas no desenvolvimento de APIs. Para alcançar esse objetivo, são apresentados experimentos comparativos que avaliam o comportamento das linguagens analisadas em cenários controlados. Os resultados indicam que o gRPC apresentou menores tempos de resposta e maior vazão 80,95% dos cenários, enquanto o REST demonstrou maior estabilidade em situações de maior volume e concorrência. O GraphQL, por sua vez, apresentou maior flexibilidade na seleção dos dados, porém com maior custo computacional em consultas amplas. Também foi observado que a linguagem utilizada influencia o desempenho, o consumo de recursos e a estabilidade das APIs. Assim, a escolha tecnológica deve considerar conjuntamente, a abordagem de comunicação, a linguagem de programação, o volume de dados, o padrão de acesso, a estabilidade e o consumo de recursos.
Detecção de regressões visuais em integração contínua: implementação e análise de técnicas para detectar falhas de interface
(2026-07) Rosso, Douglas Martignago; Barbosa, Ana Cláudia Garcia
A comunicação entre pessoas surdas e ouvintes que não dominam a Língua Brasileira de Sinais (Libras) ainda representa uma barreira de acessibilidade. Embora sistemas computacionais de reconhecimento de sinais tenham avançado, muitas abordagens priorizam os gestos manuais e deixam de considerar marcadores faciais gramaticais, importantes para a construção de sentido na língua. Diante dessa lacuna, este trabalho teve como objetivo desenvolver e avaliar um protótipo web para reconhecimento multimodal da Libras, integrando sinais manuais e marcadores faciais capturados por webcam convencional. A metodologia envolveu OpenCV e MediaPipe para processamento dos frames e extração de landmarks, scikitlearn para os classificadores supervisionados e fusão em nível de decisão entre os canais manual e facial. No canal manual, a Regressão Logística alcançou 81,84% de acurácia na validação por tomada e 56,32% na validação por sinalizador. No canal facial, o ExtraTreesClassifier obteve 94,31% de acurácia e 92,93% de F1-score na divisão controlada por frames. A integração multimodal permitiu combinar o reconhecimento lexical dos sinais com informações gramaticais faciais, produzindo uma interpretação mais contextualizada, embora limitada pela ausência de uma base multimodal pareada e pela variabilidade individual dos sinalizadores.
Redução de perdas pós-colheita na bananicultura: controle ambiental em câmaras de conservação com IoT
(2026-07) Webber, Diogo Evaldt; Coral, Sérgio
Este trabalho apresenta o desenvolvimento e a avaliação de um protótipo de baixo custo baseado em Internet das Coisas (IoT) para monitoramento e controle ambiental assistido na conservação pós-colheita de bananas. O sistema foi aplicado em uma caixa experimental dividida em dois compartimentos, sendo um com atuadores e outro sem intervenção automática, permitindo a comparação entre um ambiente controlado de forma assistida e um ambiente passivo. A solução integrou sensores de temperatura, umidade e gases/compostos orgânicos voláteis, atuadores de ventilação e umidificação, câmeras ESP32-CAM, comunicação baseada em troca de mensagens, camada de servidor (backend), banco de dados PostgreSQL e interface de supervisão. Foram realizadas duas validações experimentais com bananas tipo Maçã, cultivar BRS Princesa. Os resultados indicaram viabilidade técnica do protótipo, especialmente no manejo da umidade relativa e na renovação do ar. Em relação à temperatura, observou-se efeito limitado, pois o sistema não possui refrigeração ativa. As imagens dos frutos foram utilizadas como apoio qualitativo à análise ambiental. Conclui-se que a proposta apresenta potencial como ferramenta de monitoramento, automação e apoio à conservação pós-colheita em pequena escala.
Análise biomecânica de exercícios físicos em tempo real: detecção de desvios posturais com métricas biomecânicas em fluxo contínuo
(2026-07) Campos, Deivid Crepaldi; Oliveira, Marlon de Matos de
A prática de exercícios físicos sem supervisão presencial tem crescido de forma expressiva, aumentando o risco de lesões por execução inadequada. A visão computacional surge como alternativa acessível para monitorar a biomecânica do movimento, e estudos prévios já exploraram essa via: Hussain et al. (2024) classificaram exercícios fisioterapêuticos com 99,6% de acurácia, Ko, Nasridinov e Park (2024) corrigiram a postura do agachamento em powerlifting com acurácia superior a 98%, e Rodriguez e Oliveira (2025) aplicaram MediaPipe e LSTM a poucos exercícios, sem entregar aplicação funcional em tempo real. Esses trabalhos concentramse em exercícios dinâmicos isolados ou contextos específicos, deixando uma lacuna quanto a exercícios isométricos estáticos e a sistemas completos de captura, inferência e feedback em tempo real. Diante disso, este trabalho desenvolveu um sistema para análise biomecânica de exercícios de calistenia em tempo real, capaz de detectar desvios posturais e fornecer feedback corretivo sem sensores especializados. Desenvolvido em Python, com MediaPipe para estimativa de pose e redes LSTM para classificação temporal, o sistema foi treinado em 342 vídeos de quatro exercícios, com arquitetura em cascata (detector global e avaliadores por exercício). Os modelos atingiram acurácia entre 83,1% e 100% no conjunto de teste, e a validação funcional resultou em 87,8% de acurácia geral, contribuindo com exercícios isométricos pouco explorados na literatura.

Navegar

Submissões Recentes