O SISTEMA

Pensei de criarmos uma figura mostrando a interdisciplinaridade do sistema,

destacando cada assunto (eletrônica, controle, IA, programação) e como eles
“atuam” no sistema

MÓDULO 1 – ELETRÔNICA (Moisés)

Neste módulo vocês podem focar na descrição de todos os componentes eletrônicos

que foram utilizados no sistema: sensores, transistores, diodo. A ideia é que vocês
apresentem cada um, o que são, para que servem, princípio básico de funcionamento
e fotografias desses componentes.

A ELETRÔNICA DO SISTEMA
Falar com os componentes foram utilizados no sistema.

MÓDULO 2 – CONTROLE (Samara)

Falar um pouco sobre controle e automação; falar de microcontroladores e de

arduino (e outras plataformas similares). Pergunta: a gente denomina o módulo
“Controle” ou “Controle e Automação”?

O CONTROLE DO SISTEMA
Aqui vocês devem mostrar com o arduíno executou o controle do sistema, incluam o
código.

MÓDULO 3 - INTELIGÊNCIA ARTIFICIAL (Júlia)

Fazer uma introdução sobre IA

Precisamos falar também de visão computacional (afinal do que fizemos se resume
a: dá inteligência ao computador, tornando-o capaz de visualizar um item e decidir
se ele é conforme ou não conforme. Minha dúvida está em onde falar disso: (i) aqui
mesmo; ou (ii) como um subtópico do módulo IA; (iii) um subtópico de Machine
Learing; ou ainda (iv) denominar o módulo de “Visão Computacional” ao invés de
IA. Avaliem como fica melhor. Estou tentada a achar que é a melhor opção é a (iii)
por entender que a visão é uma das implicações do aprendizado de máquina.

3.1. Aprendizado de Máquina (Machine Learning)

Machine Learning é um tipo de Inteligência Artificial, que tem como maior objetivo
fazer com que os computadores se tornem capazes de aprender a partir de dados, de
observações do mundo real, sem ser explicitamente programados pelas regras e
lógica dos humanos (KHAN et al., 2018).
O aprendizado de máquina pode ser amplamente definido como um conjunto
de métodos computacionais que utilizam da experiência para melhorar a
performance ou para fazer melhores predições (MOHRI et al., 2018). Ou seja,
seguindo o fluxo contrário da programação usual de computadores, em que as
regras são colocadas diretamente em forma de código, as técnicas de aprendizado
de máquina envolvem o uso de grandes volumes de dados que serão analisados e
interpretados pelo computador de modo a predizer quais características são
compatíveis com cada uma das classificações colocadas e criar um modelo
matemático correspondente que seja o mais aproximado possível da realidade
(KHAN et al., 2018).
Desenvolver esse tópico

3.2. Aprendizado Profundo (Deep Learning)

Deep Learning é uma das subáreas de Machine Learning. É constituído por um
conjunto de métodos que visam aprender hierarquias de características com
características de alto nível a partir de uma hierarquia formada pela composição de
características de baixo nível (GLOROT; BENGIO, 2010).
Desenvolver esse tópico

3.3. Técnicas de Aprendizado de Máquina

3.3.1. Redes Neurais
Acredito que aqui você pode criar um subtópico para falar de redes neurais porque
as RNC operam de forma bastante semelhante (então os que vocês falarem sobre RN
vai servir para entender o que é RNC).
Ver item 3.3 do relatório parcial de Matheus – tentar ser bem didática na explicação

3.3.2. Redes Neurais Convolucionais

As técnicas mais convencionais de aprendizado de máquina são bastante limitadas em
relação ao processamento de dados brutos e grandes (tais como conjuntos de imagens e
vídeos), o que dificulta a transformação desses dados de entrada em características
interpretáveis pelo sistema (LECUN et al., 2015). Para contornar isso, foi desenvolvida a
técnica RNC
As redes neurais convolucionais (CNNs, acrônimo em inglês para convolutional neural
networks) estão sendo amplamente utilizadas na classificação de imagens, detecção de
objetos e segmentação de imagens (JING et al., 2020).
Diferentemente dos métodos tradicionais de Visão Computacional, as CNNs conseguem
extrair e aprender sozinhas as características das imagens disponíveis em um banco de
dados, na qual têm se comprovando ser melhor que os algoritmos onde as características
são designadas de forma manual (LIU et al., 2020).
Desenvolver.
No relatório parcial de Breno (item 3.1) tem bastante coisa sobre CNN.

A INTELIGÊNCIA ARTIFICAL DO SISTEMA

Detalhar com isso foi feito para o nosso projeto, ou seja, explicar toda a metodologia
que foi seguida para se chegar a RNC que representa a visão computacional capaz
de decidir se um item está ou não conforme.
MÓDULO 4 – PROGRAMAÇÃO (Julia e Samara)
Falar das linguagens de programação usadas de forma bem introdutória, assim como
das bibliotecas e frameworks (vocês podem aproveitar o material dos seminários que
vocês fizeram no ínicio).

A PROGRAMAÇÃO DO SISTEMA
Dizer em que momento vocês usaram programação (avaliar se a gente mostra o
código – talvez apenas em um apêndice).

MÓDULO 5 – MANUFATURA ADITIVA (Joelcio)

Falar o que é manufatura aditiva; as implicações tecnológicas decorrentes da
manufatura aditiva; mostrar as etapas de um projeto de manufatura aditiva, desde o
desenho até a confecção das peças).
Considere para isso o projeto do braço robótico utilizado no projeto – a ideia é
mostrar o passo a passo para a construção do braço (os desenhos devem ficar
disponíveis na página da empresa ARR automação); os materiais utilizados; a
impressora 3D.
Fale também do projeto dos demais componentes que foram produzidos na própria
UFCG.

MÓDULO 6 – A INTEGRAÇÃO DO SISTEMA

Deixar para o final

É possível fazer no LaTeX?

Quem poderia ficar responsável pela diagramação do material?
Versão final até 01/02/2023