CNPq, CAPES / Este trabalho propõe uma nova abordagem para o reconhecimento automático de impressões digitais. Diferentemente das técnicas tradicionais, baseadas na análise de peculiaridades relativas aos padrões de impressão digital e em algoritmos de busca dedicados especialmente a esse fim, é sugerida uma metodologia com base em ferramentas de representação de sinais e em modelos de classificação conexionistas. Basicamente, a metodologia aqui proposta fundamenta-se em duas técnicas principais: o padrão de compressão wavelet para impressões digitais especificado pelo FBI como método de extração de características; e modelos de Redes Neuronais Artificiais que utilizam técnicas lineares de treinamento como método de classificação dos padrões obtidos. O principal objetivo do método sugerido é o desenvolvimento de um sistema de reconhecimento independente de técnicas específicas de análise e processamento de imagens de impressões digitais, procurando-se a obtenção de baixos índices de falsa aceitação e rejeição, sendo a prioridade para o índice de falsa aceitação. As metodologias e resultados obtidos nos experimentos executados são apresentados, bem como suas respectivas análises e ainda algumas propostas para trabalhos futuros e melhorias. Alguns aspectos pertinentes ao hardware de aquisição de imagens e algumas técnicas de processamento digital de imagens também são apresentadas. / This work proposes a new approach for automatic fingerprint recognition. Differently from traditional techniques, based on the analysis of peculiarities existing in fingerprint patterns and dedicated search algorithms for that purpose, it is suggested a methodology centred in signal representation tools and connectionist classification models. Basically, the methodology proposed here supports itself in two main techniques: the FBI’s Wavelet Scalar Quantization standard for fingerprint image compression as method for the feature extraction; and Artificial Neural Networks models that use linear training techniques as method for the classification of the resulting patterns. The main objective of the suggested method is the development of a recognition system independent from specific fingerprint image analysis techniques, looking for low false acceptance and false rejection rates, with priority for the false acceptance rate. The methodologies and results achieved in the executed experiments are presented, as well as their respective analysis and yet some proposals for future work and enhancements. Some aspects pertinent to the image acquisition hardware and some digital image processing techniques are also presented.

Resumo: O concreto é o material estrutural mais utilizado na construção civil. Há mais de um século e meio ele vem sendo estudado e aperfeiçoado. É confeccionado utilizando-se de matérias primas regionais, com características técnicas diferentes de outras regiões. O cimento também se apresenta com diversas formulações. Quantificar adequadamente esses materiais é o objetivo do estudo da dosagem do concreto, de tal modo a se obter um concreto que atenda às necessidades estruturais exigidas. Sendo a principal delas a resistência à compressão. A dosagem do concreto é uma prática essencialmente laboratorial quando se pensa em resultados aceitáveis. Através de experimentos são idealizados ábacos e diagramas que podem fornecer a resistência do concreto endurecido com diversas combinações de matérias primas utilizadas. Não há uma formulação matemática abrangente e bem definida para um processo generalizado de dosagem. A complexidade aumenta quando se adicionam outros componentes a mais no concreto simples e tradicional. Obter a relação entre eles é um trabalho contínuo. As redes neurais vêm sendo utilizadas na solução de problemas da engenharia civil, com ênfase na aplicação da técnica da retropropagação. Ela realiza satisfatoriamente as iterações entre as diversas variáveis, num processo de treinamento e aprendizagem, e tem sido capaz de generalizar soluções aceitáveis. Nesta pesquisa de doutorado é utilizada uma rede neural feedfoward com algoritmo retropropagação para prever a resistência e o módulo de elasticidade do concreto. Os dados de entrada são quantidades de materiais utilizadas para confeccionar 1 m3 de concreto adensado, de forma semelhante a dosagem por diagramas. Será aplicada na interpretação de diagramas de dosagem. Tais diagramas são amplamente utilizados por empresas na confecção de concretos,... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Concrete is the most widely used structural material in construction, for more than a century and a half it has been studied and improved. It's prepared using regional raw materials with different technical characteristics of other regions. The cement also performs with various formulations. Adequately quantify these materials is the goal of the study of the concrete mixtures proportion, to obtain a concrete that meets the structural needs required. The main one being the compressive strength. The strength of concrete is essentially a practice laboratory when one considers acceptable results. Through experiments are idealized abacus and diagrams that can provide the strength of hardened concrete with various combinations of raw materials used. There is no mathematical formulation of comprehensive and well defined for a generalized process of mixes. The complexity increases when other components is added in the most simple and traditional concrete. Obtain the relationship between them is a work in progress. Neural networks have been used in solving engineering problems, with emphasis on applying the technique of backpropagation. It performs satisfactorily iterations between the different variables in a process of training and learning, and has been able to generalize acceptable solutions. In this work is used a feedforward neural network with backpropagation algorithm to predict the compressive strength and modulus of elasticity of the concrete. The input data are quantities of materials used to fabricate 1,0 m3 of concrete hardened, similar dosing for diagrams and abacus. Such diagrams are widely used by companies in the manufacturing of concrete, yielding good precision in the final results. They are produced on the vast experience with the same materials and are highly regional representative to provide subsidies for training neural networks. This... (Complete abstract click electronic access below) / Orientador: Carlos Roberto Minussi / Coorientador: Jorge Luís Akasaki / Banca: Anna Diva Plasencia Lotufo / Banca: Marco Antonio Morais Alcantara / Banca: David Calhau Jorge / Banca: Cesar Fabiano Fioriti / Doutor

Orientador: Maura Seiko Tsutsui Esperancini / Banca: Elias José Simon / Banca: Jorim Sousa das Virgens Filho / Banca: Maria Inês E. Geraldo Martins / Banca: Ricardo Shirota / Resumo: A co-geração de energia elétrica excedente por meio do aproveitamento do bagaço de cana-de-açúcar tem sido considerada uma alternativa importante na diversificação de fontes de geração de energia elétrica no Brasil, considerando-se as vantagens em relação à grande produção de matéria prima, menores custos de geração de energia e a possibilidade de reduzir o ônus dos investimentos em geração de energia do setor público. Apesar do grande potencial apresentado por esta fonte alternativa de energia, o mercado para a energia elétrica co-gerada está ainda hoje, sujeito a um ambiente de grande risco e incerteza, seja decorrente de condições do mercado de energia ou da produção. Este trabalho teve por objetivos analisar a viabilidade econômica de um projeto de investimento em co-geração de energia elétrica em uma usina sucroalcooleira na região Oeste do estado de São Paulo,com vistas à comercialização de excedentes, sob condições de risco, utilizando o algoritmo de Redes Neurais Artificiais. Procurou-se também testar a convergência dos resultados obtidos por este método com outro mais tradicionalmente utilizado em análise de risco para a determinação dos indicadores de viabilidade econômica do investimento. Os indicadores utilizados foram Valor Atual Líquido (VAL); Taxa Interna de Retorno (TIR); Relação Benefício - Custo (RBC); Payback Simples (PBS) e Payback Econômico (PBE). A análise foi realizada considerando seis cenários, considerando a possibilidade ou não de obtenção de financiamento e diferentes níveis de eficiência de queima do bagaço. No método de Redes Neurais Artificiais, as redes foram alimentadas com as seguintes variáveis de entrada: valor do investimento; despesas com juros e amortização; despesa com aquisição e transporte do bagaço e receita operacional, tendo como variável de saída o fluxo líquido de caixa. / Abstract: The co-generation of surplus electrical energy by means of the use of sugar-cane bagasse has been considered as an important alternative in the diversification of sources of electrical energy in Brazil. Its advantages in relation to the production of raw material are: smaller costs of generation of energy and the possibility to reduce the costs of the investments in the generation of energy in the public sector. In spite of the great potential presented by this alternative source of energy, the market for the co-generation of electrical is still today subject to an atmosphere of great risk and uncertainty, be it due to conditions of the energy or of the production market. The objective of this research study was to analyze the economic viability of an investment project of cogeneration of electrical energy in an alcohol and sugar mill based on the Western area of the state of São Paulo having in view the commercialization of surpluses, under risk conditions, using the algorithm of Artificial Neural Networks. It was also tried to test the convergence of the results obtained by this method with a more traditionally method used in analysis of risk for the determination of the indicators of economic viability of the investment. The indicators used were Liquid Current Value (LCV); Internal Rate of Return (IRR); Benefit - Cost Relationship (BCR); Simple Payback (SPB) and Economic Payback (EPB). The analysis was performed into six different scenarios, having into consideration the possibility or not availabity of financing, and the different levels of efficiency in the burning of bagasse. In the method of Artificial Neural Networks the nets were supplied with entrance variables, such as, the value of the investment; expenses with interests and amortization; expense with acquisition and transport of the bagasse; operational revenue, and the exit variable included the liquid cash flow. / Doutor

Orientador: Angelo Cataneo / Banca: Célia Regina Lopes Zimback / Banca: Jorim Sousa das Virgens Filho / Banca: Luiz Roberto Almeida Gabriel / Banca: José Fernando Mantovani Micali / Doutor

Fisiologistas e zootecnistas tentam entender a relação dos ruminantes com o seu ambiente. Conhecer o comportamento alimentar desses animais é fundamental para maximizar a produção agropecuária e garantir o bem estar animal. Dentro da área chamada de agropecuária de precisão, um dos objetivos é encontrar um modelo que descreva a nutrição animal. Os métodos existentes para a determinação do consumo e padrão ingestivo são muitas vezes imprecisos ou trabalhosos. Portanto, procura-se um método mais preciso e menos laborioso de reconhecimento do comportamento ingestivo. A eletromiografia de superfície (sEMG) é capaz de fornecer informações da atividade muscular. Através de sEMG dos músculos da mastigação, somado à técnicas de instrumentação, processamento de sinais e classificação de dados, é possível extrair as variáveis de interesse que descrevem a atividade de mastigação. O presente trabalho apresenta novos métodos para avaliação do padrão de mastigação, estimativa do alimento consumido e determinação dos tempos de ruminação, alimentação e repouso diário através dos sinais de sEMG do músculo masseter de animais ruminantes. Resultados da avaliação de curto prazo são apresentados e discutidos, demonstrando a viabilidade dos métodos utilizados. / Physiologists and animal scientists try to understand the relationship between ruminants and their environment. The knowledge about feeding behavior of these animals is the key to maximize the production of meat and milk and their derivatives and ensure animal welfare. Within the area called precision farming, one of the goals is to find a model that describes animal nutrition. Existing methods for determining the consumption and ingestive patterns are often time-consuming and imprecise. Therefore, an accurate and less laborious method may be relevant for feeding behaviour recognition. Surface electromyography (sEMG) is able to provide information of muscle activity. Through sEMG of the muscles of mastication, coupled with instrumentation techniques, signal processing and data classification, it is possible to extract the variables of interest that describe chewing activity. This work presents a new method for chewing pattern evaluation, feed intake prediction and for the determination of rumination, food and daily rest time through ruminant animals masseter muscle sEMG signals. Short-term evaluation results are shown and discussed, evidencing employed methods viability.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O desenvolvimento de métodos sem referência para avaliação de qualidade de vídeo é um assunto incipiente na literatura e desafiador, no sentido de que os resultados obtidos pelo método proposto devem apresentar a melhor correlação possível com a percepção do Sistema Visual Humano. Esta tese apresenta três propostas para avaliação objetiva de qualidade de vídeo sem referência baseadas em características espaço-temporais. A primeira abordagem segue um modelo analítico sigmoidal com solução de mínimos quadrados que usa o método Levenberg-Marquardt e a segunda e terceira abordagens utilizam uma rede neural artificial Single-Hidden Layer Feedforward Neural Network com aprendizado baseado no algoritmo Extreme Learning Machine. Além disso, foi desenvolvida uma versão estendida desse algoritmo que busca os melhores parâmetros da rede neural artificial de forma iterativa, segundo um simples critério de parada, cujo objetivo é aumentar a correlação entre os escores objetivos e subjetivos. Os resultados experimentais, que usam técnicas de validação cruzada, indicam que os escores dos métodos propostos apresentam alta correlação com as escores do Sistema Visual Humano. Logo, eles são adequados para o monitoramento de qualidade de vídeo em sistemas de radiodifusão e em redes IP, bem como podem ser implementados em dispositivos como decodificadores, ultrabooks, tablets, smartphones e em equipamentos Wireless Display (WiDi). / The development of no-reference video quality assessment methods is an incipient topic in the literature and it is challenging in the sense that the results obtained by the proposed method should provide the best possible correlation with the evaluations of the Human Visual System. This thesis presents three proposals for objective no-reference video quality evaluation based on spatio-temporal features. The first approach uses a sigmoidal analytical model with leastsquares solution using the Levenberg-Marquardt method. The second and third approaches use a Single-Hidden Layer Feedforward Neural Network with learning based on the Extreme Learning Machine algorithm. Furthermore, an extended version of Extreme Learning Machine algorithm was developed which looks for the best parameters of the artificial neural network iteratively, according to a simple termination criteria, whose goal is to increase the correlation between the objective and subjective scores. The experimental results using cross-validation techniques indicate that the proposed methods are correlated to the Human Visual System scores. Therefore, they are suitable for the monitoring of video quality in broadcasting systems and over IP networks, and can be implemented in devices such as set-top boxes, ultrabooks, tablets, smartphones and Wireless Display (WiDi) devices.

CAPES; CNPq; FINEP; Fundação Araucária / Neste trabalho apresenta-se um sistema ótico inteligente apto a localizar a posição de impactos mecânicos aplicados em uma estrutura plana. Para isso, os transdutores foram caracterizados, preliminarmente, quanto à deformação mecânica. Nesta aplicação, quatro redes de Bragg em fibra ótica foram instaladas em uma placa quadrada de polimetil-metacrilato, submetida a um conjunto de impactos em condições controladas. As respostas fornecidas pelos transdutores foram utilizadas para modelar e testar redes neurais artificiais. O sistema demonstrou possuir a capacidade para realizar a tarefa de encontrar a posição do distúrbio, mesmo em pontos de impacto diferentes daqueles apresentados na etapa de treinamento. O maior erro médio quadrático medido na fase de testes foi de 1,1 cm em relação ao ponto de impacto, sendo que os pontos localizavam-se a uma distância de 5 cm uns dos outros e estavam demarcados em uma superfície de prova com 60 cm de comprimento, 60 cm de largura e 6 mm de espessura. / In this work is presented an intelligent optical sensor capable to localize the position of mechanical impacts on a flat surface structure. The transducers were previously characterized relatively to mechanical strain. In this application, four optical fiber Bragg gratings were installed on a polymethyl methacrylate square plate, subjected to a set of mechanical impacts under controlled conditions. The responses provided by the transducers were used to model and test Artificial Neural Networks. The system showed the capacity to determine the disturbance positions, even at impact points different from the ones used in the training stage. The higher mean square error obtained in the test stage was 1,1 cm relatively to the impact position, wherein the points were located at a distance of 5 cm from each other on a test surface with 60 cm length , 60 cm width and 6 mm height.

Classificar espécies florestais é um processo essencial para o correto manejo da madeira e controle florestal. Após o corte, perde-se muitas das características da espécie e a identificação torna-se uma tarefa bem mais difícil. Neste contexto, tornase necessário a análise anatômica da madeira, a qual é realizada por especialistas que conhecem muito bem as estruturas celulares presentes em cada espécie. Porém, tal metodologia aborda técnicas pouco automatizadas, tornando a atividade demorada e passível de erros. Estes fatores prejudicam o controle e tomada de decisões por parte dos órgãos ambientais. O uso de visão computacional é uma alternativa para o reconhecimento automatizado, pois permite a construção de modelos inteligentes que, a partir de imagens, são capazes de detectar características e realizar a classificação final. Existem algumas técnicas que são o estado da arte em Processamento Digital de Imagens e Inteligência Artificial, como por exemplo, as redes neurais convolucionais. Tais redes são técnicas de aprendizado profundo (Deep Learning) que consiste na construção de modelos a partir de dados brutos (imagens, áudios, etc.). Em outras palavras, utiliza-se o mínimo de pré-processamento nas imagens e, no processo de treinamento, estes modelos são capazes de aprender os filtros a serem aplicados para a extração das características. Desta forma, tal técnica abstrai muito da complexidade existente na fase de pré-processamento em abordagens tradicionais. Esta pesquisa aborda a realização de alguns experimentos utilizando técnicas tradicionais e experimentos utilizando redes neurais convolucionais (foco da pesquisa). Foram utilizadas duas bases, sendo uma composta por imagens macroscópicas e outra por imagens microscópicas, para as quais foram gerados três modelos: reconhecimento de escala, reconhecimento de espécies a partir imagens macroscópicas e reconhecimento a partir de imagens microscópicas. Os melhores modelos proporcionaram taxas de reconhecimento de 100% para a base de escala, 98,73% para a base macroscópica e 99,11% para a base microscópica, os quais superaram os resultados obtidos para as respectivas bases em pesquisas correlatas. Por fim, foi desenvolvido um software web como produto final, para o qual foram acoplados os três melhores modelos obtidos. / Classifying forest species is an essential process for the correct management of wood and forest control. After cutting off the trunk of the tree, many of the characteristics of the species are lost and identifying them becomes a much more difficult task. In this context, an anatomical analysis of the wood becomes necessary by specialists who know very well the cellular structures in each species. However, such methodology approaches few automated techniques, making it a delayed and error-prone activity. These factors undermine environmental control and decisionmaking. The use of computer vision is an alternative to automatic recognition, since it allows the development of intelligent models which, from images, are able to detect features and perform a final classification. There are some techniques that are state of the art in Digital Image Processing and Artificial Intelligence, such as, for example, convolutional neural networks. These networks are deep learning techniques that consists of creating models from raw data (images, audios, etc.). In this technique, the minimum preprocessing is used in the images and, in the training process, these models are able to learn the convolutional filters to be applied in feature extraction process. In this way, this technique abstracts a lot from the pre-processing complexity existing in traditional approaches. This research addresses some experiments using traditional techniques and experiments using convolutional neural networks (the focus of the research). Two original datasets were used, one including macroscopic images and the other including microscopic images, for which three models were created: scale recognition, species recognition from macroscopic images and species recognition from microscopic images. The best models provide 100% recognition rates for the scale dataset, 98.73% for the macroscopic datasetand 99.11% for the microscopic dataset, which they were better results than the ones obtained for the respective datasets in related researches. Finally, a web software was developed as a final product, using the three best models.

Orientador: Paulo Roberto de Aguiar / Banca: Eraldo Janinone da Silva / Banca: José Alfredo Covolan Ulson / Resumo: O monitoramento de processos de fabricação pro usinagem tem se mostrado de extrema importância nas empresas que buscam um nível de excelência em qualidade, auxiliando na melhor alocação de recursos e redução de desperdícios oriundos de peças com problemas de qualidade. Abordagens multisensoriais têm sido empregadas no monitoramento desses processos com o objetivo de utilizar os sinais no treinamento de sistemas de inteligência artificial na tarefa de indicar desvios nas ferramentas ou no produto sendo fabricado. Neste trabalho, três sistemas de inteligência artificial foram utilizados com o o objetivo de prover estimativas para o diâmetro de furos obtidos por processo de furação de precisão. Uma rede neural artificial perceptron de múltiplas camadas (RNA MLP), um sistema de inerferência adaptável neuro-fuzzy (ANFIS) e uma rede neural artificial com função de base radial (RBF) foram treinados com os dados obtidos com os sensores para estimar os diâmetros dos furos para cada material de corpo-de-prova. A definição da melhor configuração para cada sistema de inteligência artificial foi obtida através de algoritmos desenvolvidos para verificar a influência dos sinais e dos parâmetros particulares de cada sistema sobre o resultado final da estimativa. Os resultados obtidos indicam que a RNA MLP apresenta maior robutez perante a variação nos dados apresentados. O sistema ANFIS e a rede RFB mostraram que seu resultado varia acentuadamente quando há variações nos dados apresentados no treinamento, requerendo que estes sistemas sejam treinados sempre com o conjunto de dados apresentados na mesma ordem. A análise de influência dos sinais mostrou que, embora a abordagem multisensorial apresente bons resultados na rede MLP, o mesmo não se repetiu para os demais sistemas... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The supervision of manufacturing process by machining has been extremely important in companies which aim an excellence level in quality, helping on best assets allocation and waste reduction originated from pieces with quality problems. Multi-sensory approaches have been employed in the supervision of these processes aiming the use of signals in the training of artificial intelligence systems in order to indicate deviations in tools or in product being manufactured. Turning, grinding, milling and drilling have benn the target of the application of these supervision intelligence systems. In this work these artificial intelligence systems were applied in order to provide estimations for the diameters of the holes obtained by precision drilling process. A Multilayer Perceptron Neural Network (ANN MLP), and adaptive neuro-fuzzy inference system (ANFIS) and an artificial neural network with radial basis function (RBF) were trained with the data obtained from the sensors to estimate the hole diameters for each material of the test pieces. The definition of the best configuration for each artificial intelligence system was obtained through algorithms developed to verify the signals influence and particular parameters of each system concerning the final estimation result. The tests results were analyzed under three criteria: the absolute and medium errors, the system capacity of obtaining correct results for each estimation - classifying them as approved or rejected - and the error analysis regarding the necessary tolerance classes to maintain process within the limits of precision mechanics. The results obtained indicate that the ANN MLP presents higher robustness before variation in the data presented. The ANFIS system and RFB network have shown that their result vary sharply when there are data variations presented in training... (Complete abstract click electronic access below) / Mestre

Fisiologistas e zootecnistas tentam entender a relação dos ruminantes com o seu ambiente. Conhecer o comportamento alimentar desses animais é fundamental para maximizar a produção agropecuária e garantir o bem estar animal. Dentro da área chamada de agropecuária de precisão, um dos objetivos é encontrar um modelo que descreva a nutrição animal. Os métodos existentes para a determinação do consumo e padrão ingestivo são muitas vezes imprecisos ou trabalhosos. Portanto, procura-se um método mais preciso e menos laborioso de reconhecimento do comportamento ingestivo. A eletromiografia de superfície (sEMG) é capaz de fornecer informações da atividade muscular. Através de sEMG dos músculos da mastigação, somado à técnicas de instrumentação, processamento de sinais e classificação de dados, é possível extrair as variáveis de interesse que descrevem a atividade de mastigação. O presente trabalho apresenta novos métodos para avaliação do padrão de mastigação, estimativa do alimento consumido e determinação dos tempos de ruminação, alimentação e repouso diário através dos sinais de sEMG do músculo masseter de animais ruminantes. Resultados da avaliação de curto prazo são apresentados e discutidos, demonstrando a viabilidade dos métodos utilizados. / Physiologists and animal scientists try to understand the relationship between ruminants and their environment. The knowledge about feeding behavior of these animals is the key to maximize the production of meat and milk and their derivatives and ensure animal welfare. Within the area called precision farming, one of the goals is to find a model that describes animal nutrition. Existing methods for determining the consumption and ingestive patterns are often time-consuming and imprecise. Therefore, an accurate and less laborious method may be relevant for feeding behaviour recognition. Surface electromyography (sEMG) is able to provide information of muscle activity. Through sEMG of the muscles of mastication, coupled with instrumentation techniques, signal processing and data classification, it is possible to extract the variables of interest that describe chewing activity. This work presents a new method for chewing pattern evaluation, feed intake prediction and for the determination of rumination, food and daily rest time through ruminant animals masseter muscle sEMG signals. Short-term evaluation results are shown and discussed, evidencing employed methods viability.