Inteligência Artificial e Visão Computacional em Projetos de Empreendimentos Inovadores

Análise dos Programas Tecnova e Centelha do Estado de Alagoas

Autores/as

  • 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

Palabras clave:

Inteligência Artificial, visão computacional, patente

Resumen

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

Cargando métricas ...

Biografía del autor/a

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.

Citas

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.

Publicado

2023-04-10

Cómo 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