Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/36094
Registro completo de metadados
Campo DCValorIdioma
dc.creatorFreitas, Maria Luiza Medeiros de-
dc.date.accessioned2025-03-14T11:12:24Z-
dc.date.available2025-03-14T11:12:24Z-
dc.date.issued2025-02-11-
dc.identifier.citationFREITAS, Maria Luiza Medeiros de. Identificação de produtos de supermercado usando visão computacional como apoio a pessoas com deficiência visual. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2025.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/36094-
dc.description.abstractThe number of visually impaired people has increased over the years, either due to diseases or aging. For these individuals, daily activities can represent significant challenges. One example is grocery shopping in supermarkets, which often requires reliance on sighted people, especially for identifying sections or products. With advancements in neural networks for object detection, it becomes possible to develop assistive technologies to help overcome these difficulties. This study aimed to develop and evaluate an approach for training YOLOv7 networks, seeking to create and enhance a supermarket product detection model tailored to the needs of visually impaired individuals. The methodology involved defining product classes of interest through target audience research, collecting and annotating images to build a customized dataset, training the model with and without data augmentation, and optimizing hyperparameters. The validation was performed using k-fold cross-validation. The experiments demonstrated that applying data augmentation techniques and optimizing hyperparameters resulted in a 7% improvement in mean Average Precision (mAP) compared to the standard approach. The optimized model achieved an mAP of 92.36%. This work contributes to advancing object detection models aimed at assistive technologies, while also providing a dataset of Brazilian supermarket products in Portuguese. The proposed methodology is replicable and can serve as a foundation for future studies.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/pt_BR
dc.subjectCegueirapt_BR
dc.subjectDetectorespt_BR
dc.subjectVisão por computadorpt_BR
dc.subjectBlindnesspt_BR
dc.subjectDetectorspt_BR
dc.subjectComputer visionpt_BR
dc.titleIdentificação de produtos de supermercado usando visão computacional como apoio a pessoas com deficiência visualpt_BR
dc.title.alternativeIdentification of supermarket products using computer vision as support for people with visual impairmentpt_BR
dc.typebachelorThesispt_BR
dc.description.resumoO número de pessoas com deficiência visual tem aumentado ao longo dos anos, seja devido a doenças ou ao envelhecimento. Para essas pessoas, atividades diárias podem representar grandes desafios. Um exemplo disso é a realização de compras em supermercados, que muitas vezes exige dependência de pessoas videntes, especialmente para o reconhecimento de seções ou produtos. Com os avanços nas redes neurais para detecção de objetos, torna-se possível desenvolver tecnologias assistivas que auxiliem na superação dessas dificuldades. Este trabalho teve como objetivo desenvolver e avaliar uma abordagem para o treinamento de redes YOLOv7, buscando criar e aprimorar um modelo de detecção de produtos de supermercado adaptado às necessidades de pessoas com deficiência visual. A metodologia envolveu a definição de classes de produtos de interesse por meio de pesquisa com o público-alvo, coleta e rotulação de imagens para compor uma base de dados personalizada, treinamento do modelo com e sem data augmentation e otimização dos hiperparâmetros. A validação foi realizada utilizando k-fold cross-validation. Os experimentos demonstraram que a aplicação de técnicas de data augmentation e a otimização dos hiperparâmetros resultaram em uma melhora de 7% na precisão média (mAP) em comparação à abordagem padrão. O modelo otimizado alcançou uma precisão de 92,36%. Este trabalho contribui para o avanço de modelos de detecção de objetos voltados a tecnologias assistivas, além de disponibilizar uma base de dados de produtos de supermercado brasileiros em língua portuguesa. A metodologia proposta também é replicável, podendo servir como base para estudos futuros.pt_BR
dc.degree.localPato Brancopt_BR
dc.publisher.localPato Brancopt_BR
dc.contributor.advisor1Ascari, Rúbia Eliza de Oliveira Schultz-
dc.contributor.advisor-co1Rodrigues, Érick Oliveira-
dc.contributor.referee1Ascari, Rúbia Eliza de Oliveira Schultz-
dc.contributor.referee2Rodrigues, Érick Oliveira-
dc.contributor.referee3Oliva, Jefferson Tales-
dc.contributor.referee4Casanova, Dalcimar-
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentDepartamento Acadêmico de Informáticapt_BR
dc.publisher.programEngenharia de Computaçãopt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Aparece nas coleções:PB - Engenharia de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
identificacaoprodutossupermercadoyolov7.pdf16,26 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons