Geral
Egresso do campus apresenta pesquisa sobre redes neurais e detecção de falhas em evento romeno
O egresso do Campus Veranópolis do Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul (IFRS), Leonardo Marson, apresentou seu artigo científico “Detecting Faults in Furniture Parts Using Neural Networks in a Mobile App” durante a 25ª edição da International Conference on Control Systems and Computer Science (CSCS25), realizada em Bucareste/Romênia, entre os dias 27 e 30 de maio de 2025.
O estudo apresentado virtualmente no dia 29 de maio, é fruto de seu Trabalho de Conclusão de Curso (TCC), no curso técnico em Informática para Internet integrado ao ensino médio do campus, sob orientação do professor Humberto Moura, com coautoria de pesquisadores do Instituto Universitário de Lisboa (ISCTE-IUL), Universidade da Beira Interior (UBI) e Instituto de Telecomunicações.
A conferência CSCS é reconhecida por reunir especialistas internacionais nas áreas de Sistemas de Controle e Ciência da Computação, promovendo debates sobre automação, inteligência artificial, robótica, segurança cibernética e otimização de sistemas inteligentes.
Para Leonardo, estar entre os selecionados para apresentar um trabalho neste evento foi, “uma baita experiência”.Em seu relato, o egresso contou que, inicialmente, duvidava que o trabalho seria aceito. “No começo eu não estava colocando muita fé que iria dar certo”, revelou. Após receber sugestões de ajustes dos parceiros internacionais do ISCTE-IUL e da UBI, o artigo foi submetido à conferência.
Com a aceitação confirmada, Leonardo teve cerca de duas semanas para montar e ensaiar sua apresentação em inglês, o que representou mais um desafio. “Meu inglês é bem básico. Estava bem nervoso, mas foi uma experiência bem legal olhando agora. Era algo que não esperava. O pessoal foi bem receptivo e realmente estavam interessados no trabalho”.
Sobre o trabalho
O artigo apresentado propõe uma solução baseada em redes neurais convolucionais e visão computacional para identificar falhas em peças de móveis pintadas — falhas muitas vezes imperceptíveis a olho nu, mas que comprometem a qualidade do produto final.
O projeto envolveu o desenvolvimento de um aplicativo para dispositivos Android, utilizando bibliotecas como TensorFlow, Keras e ML Kit. O sistema permite capturar imagens das peças e, por meio de inteligência artificial embarcada, detectar em tempo real possíveis defeitos. A iniciativa foi construída a partir de uma extensa revisão teórica, testes com imagens reais, e treinamentos de modelos com TensorFlow Lite, adaptados para uso em dispositivos móveis.
Além da inovação técnica, o trabalho se destaca pela aplicabilidade prática na indústria moveleira, podendo otimizar processos de inspeção e reduzir perdas na linha de produção.