Inteligência Artificial e Visão Computacional em Projetos de Empreendimentos Inovadores

Análise dos Programas Tecnova e Centelha do Estado de Alagoas

Autores

  • Bruno Vicente de Oliveira Universidade Federal de Alagoas
  • Luciana Peixoto Santa Rita Universidade Federal de Alagoas
  • Araken Alves de Lima Instituto Nacional da Propriedade Industrial

DOI:

https://doi.org/10.48017/dj.v8i2.2548

Palavras-chave:

Inteligência Artificial, visão computacional, patente

Resumo

Este trabalho analisa as tecnologias de inteligência artificial aplicada à visão computacional sob a perspectiva de contribuição para o desenvolvimento dos projetos de inovação contemplados nos Programas TECNOVA e Centelha do estado de Alagoas. Posto isto, o estudo tem natureza aplicada, sendo desenhado a partir de pesquisa documental e acesso as bases de dados do Instituto Nacional da Propriedade Industrial – INPI e Orbit Intelligence, além de Revisão Sistemática de Literatura – RSL nas bases de dados Web of Science e Scopus. Nesse contexto, os resultados da RSL destacam soluções extraídas de 45 artigos científicos de diferentes setores. Ademais, identificam-se 28 patentes brasileiras sobre visão computacional, as quais possuem, em boa medida, uma interface com os setores de saúde e bem-estar; e agronegócio. Diante disso, discutiu-se a aderência das 41 tecnologias prospectadas aos Programas TECNOVA e Centelha, sendo que 31 tecnologias possuem aderência às inovações propostas em 14 projetos dos Programas analisados.

Métricas

Carregando Métricas ...

Biografia do Autor

Bruno Vicente de Oliveira, Universidade Federal de Alagoas

Vinculado à Universidade Federal de Alagoas, Maceió, Brasil.

Luciana Peixoto Santa Rita, Universidade Federal de Alagoas

Vinculada à Universidade Federal de Alagoas, Maceió, Brasil.

Araken Alves de Lima, Instituto Nacional da Propriedade Industrial

Vinculado ao Instituto Nacional da Propriedade Industrial, Florianópolis, Brasil.

Referências

Aldeman, N. L. S.; et al; Smartpathk: a platform for teaching glomerulopathies using machine learning. BMC Medical Education, 21, 2021. DOI: 10.1186/s12909-021-02680-1.

Alencar, F. E. S.; Lopes, D.C.; Mendes Neto, F. M. Development of a System Classification of Images Dermoscopic for Mobile Devices. Ieee Latin America Transactions, 14, 2016. DOI: 10.1109/TLA.2016.7430097.

Biffi, L. J.; et al. ATSS Deep Learning-Based Approach to Detect Apple Fruits. Remote Sensing, 13, 2021. DOI: 10.3390/rs13010054.

Braguine, P. G.; Ghiglieno, F. Teste diagnóstico portátil para qualificação e quantificação de diferentes tipos de células e uso. Depositante: Patrícia Guedes Braguine; Guern Tecnologia Da Informação LTDA – ME. Fundação Universidade Federal De São Carlos – UFSCAR. BR n 10 2016 023757 2 A2. Depósito: 11 out. 2016. Data da Publicação: 02 mai. 2018.

Brkan, Maja. Do algorithms rule the world? Algorithmic decision-making and data protection in the framework of the GDPR and beyond. International Journal of Law and Information Technology, 2019, 0, 1–31. DOI: 10.1093/ijlit/eay017.

Burlina, P. M.; et al. Automated Grading of Age-Related Macular Degeneration From Color Fundus Images Using Deep Convolutional Neural Networks. JAMA Ophthalmology, 11, 2017.

Caldeira, R. F.; et al. Identification of Cotton Leaf Lesions Using Deep Learning Techniques. Sensors, 21, 2021. DOI:10.3390/s21093169.

Cesaro, J. Telmo; et al. InsectCV: A system for insect detection in the lab from trap images. Ecological Informatics, 67, 2022. DOI: 10.1016/j.ecoinf.2021.101516.

Costa, Lucas; et al. Determining leaf stomatal properties in citrus trees utilizing machine vision and artifcial intelligence. Precision Agriculture, 22, 2021. DOI: 10.1007/s11119-020-09771-x.

Cunha, D. Equipamento com módulo eletrônico para análise de amostras de forragem através de imagens. Dep.: Daniel da Cunha. BR 10 2020 004795 7 A2. Depósito: 10 mar. 2020.

Dong, Yuanyuan; et al. The Impact of R&D Intensity on the Innovation Performance of Artificial Intelligence Enterprises- Based on the Moderating Effect of Patent Portfolio. Sustainability, 2021, 13, 328. DOI: 10.3390/su13010328.

Egevad, Lars; et al. Identification of areas of grading difficulties in prostate câncer and comparison with artificial intelligence assisted grading. Virchows Archive, 477, 2020. DOI: 10.1007/s00428-020-02858-w.

Fagundes, J. M. G.; et al. Fully automatic segmentation of bee wing images. Revista Brasileira de Computação Aplicada, 12, 2020. DOI: 10.5335/rbca.v12i2.10420.

Fapeal, Fundação de Amparo à Pesquisa do Estado de Alagoas. Sistema Interno de Gestão. FAPEAL, 2022.

FAPEAL, Fundação de Amparo à Pesquisa do Estado de Alagoas. Edital FAPEAL nº 09/2019: Chamada Pública do Programa Nacional de Apoio à Geração de Empreendimentos Inovadores - Programa Centelha AL. Maceió: FAPEAL, 2019.

FAPEAL, Fundação de Amparo à Pesquisa do Estado de Alagoas. Edital FAPEAL nº 03/2021: Chamada Pública do Programa Nacional de Apoio à Geração de Empreendimentos Inovadores - Programa Centelha AL. Maceió: FAPEAL, 2021.

FAPEAL, Fundação de Amparo à Pesquisa do Estado de Alagoas. Edital FAPEAL nº 06/2013: Programa TECNOVA. Maceió: FAPEAL, 2013.

FAPEAL, Fundação de Amparo à Pesquisa do Estado de Alagoas. Edital FAPEAL Nº 05/2020 – Programa TECNOVA II –AL FAPEAL/SECTI/SEBRAE-AL/FIEA/IEL. Maceió: FAPEAL, 2020.

Fermo, I. R.; et al. Development of a low-cost digital image processing system for oranges selection using hopfield networks. Food and Bioproducts Processing, 125, 2021. DOI: 10.1016/j.fbp.2020.11.012.

Ferreira, C. A. Z.; et al. Development and validation of an artificial neural network to support the diagnosis of melanoma from dermoscopic images. Surgical & Cosmetic Dermatology, 13, 2021. DOI: 10.5935/scd1984-8773.2021130015.

Ganzeli, H.S.; et al. SKAN: Skin Scanner – System for Skin Cancer Detection Using Adaptive Techniques. IEEE Latin America Transactions, 9, 2011. DOI: 10.1109/TLA.2011.5765575.

Gomes, K. K. Sistema de controle de fluxo e acesso a pistas e ambientes demarcados para pessoas e/ou veículos. Depositante: Microsistemas S/A. BR n 20 2020 020192 7 U2. Depósito: 01 out. 2020. Data da Publicação: 12 abr. 2022.

Gonçalves, R. A.; Almeida, H. Sistema ecológico, móvel, escalável, automático e online para controle de pragas. Depositante: Rodrigo Almeida Gonçalves; Helder De Almeida. BR n 10 2020 000850 1 A2. Depósito: 13 jan. 2020. Data da Publicação: 02 mar. 2021.

INPI, Instituto Nacional da Propriedade Industrial. Base de Patentes. Disponível em: < https://busca.inpi.gov.br/pePI/jsp/patentes/PatenteSearchBasico.jsp>. Acesso em: 15 mai. 2022.

Kanomata, L. M.; et al. Dispositivo de Apoio ao Diagnóstico de Câncer Bucal. Depositante: Comércio de Medicamentos LTDA. BR n 10 2018 070609 8 A2. Depósito: 05 out. 2018.

Lotufo, R. A.; Fleury, E. F. C.; Seolin, E. M. Método e sistema automático de análise de imagem de mamografia e método de treinamento de rede neural profunda. Depositante: Dl4med Inteligência Artificial Para Medicina Ltda. BR n 10 2020 009547 1 A2. Depósito: 13 mai. 2020. Data da Publicação: 23 nov. 2021.

Macedo, Mariana; et al. Breast cancer diagnosis using thermal image analysis: A data-driven approach based on swarm intelligence and supervised learning for optimized feature selection. Applied Soft Computing, 109, 2021. DOI: 10.1016/j.asoc.2021.107533.

Medeiros, A. D.; et al. Interactive machine learning for soybean seed and seedling quality classifcation. Scientific Reports, 2020. DOI: 10.1038/s41598-020-68273-y.

Morais, D. S.; et al. Processo de Detecção de Melanoma Automatizado. Depositante: Universidade Federal do Rio Grande do Norte. BR n 10 2019 003424 6 A2. Depósito: 20 fev. 2019.

Oliveira, A. D.; et al. The Malaria System MicroApp: A New, Mobile Device-Based Tool for Malaria Diagnosis. JMIR Publications, 6, 2017. DOI: 10.2196/resprot.6758.

Palsule, Siddhesh; Mishra, Sandeep. Computer Vision Market Analysis and Segment Forecasts to 2028. Grand View Research, 2020.

Pazoti, M. A.; Bruno, O. M. Método de identificação do guignardia citricarpa. Depositante: Universidade De São Paulo – USP. PI n 0501535-9 C8. Depósito: 26 abr. 2005

Questel. Orbit Intelligence. Disponível em: < https://www.questel.com/orbit-software-suite/orbit-intelligence/>. Acesso em: 02 mai. 2022.

Rogers, David L. Transformação Digital. Tradução: Afonso Celso. 1. Ed. São Paulo: Autêntica Business, 2020.

Russell, Stuart J.; Norvig, Peter. Inteligência Artificial. 3ª Ed. Tradução: SIMILLE, Regina Célia. Rio de Janeiro: Elsevier, 2013.

Santos, A. M.; et al. Semivariogram and Semimadogram functions as descriptors for AMD diagnosis on SD‐OCT topographic maps using Support Vector Machine. BioMedical Engineering OnLine, 160, 2018. DOI: 10.1186/s12938-018-0592-3.

Santos, L. J.; et al. Artificial intelligence method developed for classifying raw sugarcane in the presence of the solid impurity. Eclética Química Journal, 46, 2021.

Saraiva, M.; et al. Automatic Mapping of Center Pivot Irrigation Systems from Satellite Images Using Deep Learning. Remote Sens, 12, 2020. DOI: 10.3390/rs12030558.

Savekar, Avinash; Kumar, Vineet. AI in Computer Vision Market: global opportunity analysis and industry forecast, 2021-2030. Portland: Allied Market Research, 2021.

Scopus. Scopus Preview. Disponível em: < https://www.scopus.com/home.uri>. Acesso em: 10 mai. 2022.

Silva, D. O. Sistema para gestão de dados perioperatórios implementado por programa de computador. Depositante: Anestech Tecnologia Da Informação LTDA. BR 10 2019 018250 4. Depósito: 02 set. 2019. Data da Publicação:16 mar. 2021.

Sonka, Milan; Hlaváč, Vaclav; Boyle, Roger. Image Processing, Analysis, and Machine Vision. 4ª Ed. Stamford, USA: Cengage Learning, 2014.

Souto, F. B. Sistema móvel e processo para avaliação de Câncer de Mama em pacientes e aplicativo eletrônico. Depositante: Termo Health Tecnologia LTDA. BR n 10 2020 002019 6 A2. Depósito 30 jan. 2020. Data da Publicação: 10 ago. 2021.

Suman, M. A. Método e sistema aplicativo, individual e interativo, dotado com inteligência artificial. Depositante: Marco Antonio Suman. PI n 1104441-1 A2. Depósito: 30 set. 2011.

Venturus. Visão Computacional. Venturus, 2022.

Volpato F. O.; et al. Sistema de gerenciamento e método de identificação de animais. Depositante: Universidade Estadual de Campinas – Unicamp; Sipet Soluções Em Inovação Tecnológica LTDA. BR n 10 2018 067756 0 A2. Depósito: 04 set. 2018.

Web Of Science. Web of Science. Disponível em: < https://www-webofscience.ez9.periodicos.capes.gov.br/wos/woscc/basic-search>. Acesso em: 10 mai. 2022.

Downloads

Publicado

2023-04-10

Como Citar

Vicente de Oliveira, B., Peixoto Santa Rita, L., & Alves de Lima, A. (2023). Inteligência Artificial e Visão Computacional em Projetos de Empreendimentos Inovadores: Análise dos Programas Tecnova e Centelha do Estado de Alagoas. Diversitas Journal, 8(2), 896–911. https://doi.org/10.48017/dj.v8i2.2548