Escola Superior de Tecnologia e Gestão
URI permanente desta comunidade:
Navegar
Percorrer Escola Superior de Tecnologia e Gestão por Domínios Científicos e Tecnológicos (FOS) "Ciências Agrárias::Biotecnologia Agrária e Alimentar"
A mostrar 1 - 4 de 4
Resultados por página
Opções de ordenação
- Architecture for efficient food management and waste reductionPublication . Pereira, Hélder; Oliveira, Pedro Filipe; Matos, PauloThis article presents a modular architecture for developing the ZeroWaste mobile application, designed to optimize food management in the home environment and reduce food waste through collaborative and scalable features. Food waste is a global issue with severe environmental, economic, and social repercussions, and ZeroWaste seeks to address this challenge by promoting conscious and sustainable consumption practices. Developed in React Native to support multiple platforms, the application integrates Firebase for authentication, notifications, and real-time data storage, enabling timely alerts on product expiration and facilitating user control over food inventory. Additionally, it incorporates an artificial intelligence module that suggests personalized recipes based on available products, encouraging food usage before spoilage. The proposed architecture also includes an automated product registration system using barcode scanning, supporting the creation of a community database that streamlines food item identification. Other features, such as shared shopping lists and multi-residence inventory management, expand the collaborative scope of the application, fostering the exchange and donation of food between users. With its flexible and expandable design, ZeroWaste is oriented towards continuous development and future improvements, meeting the growing need for technological solutions in sustainable and collaborative food management. This architectural proposal provides a robust foundation for developing an innovative solution.
- A deep learning approach for average height estimation in oak colony using rgb imagesPublication . Britto, Raphael Duarte; Mendes, João; Grilo, Vinicius; Castro, João Paulo; Santos, Murillo Ferreira dos; Castro, Marina; Pereira, Ana I.; Lima, JoséMany strategies have been developed to monitor the volume of volume of Above Ground Biomass (AGB) in forest areas as a fundamental step for managing carbon concentration. This study explores the use of use of Light Detection and Ranging (LiDAR) data obtained through Unmanned Aerial Vehicles (UAVs) to estimate height values in a vegetation colony composed of oaks (Quercus pyrenaica Willd.) in northern Portugal. The extraction of pertinent information from LiDAR data was facilitated by using the LAStools extension within the Quantum Geographic Information System (QGIS) software framework. The generated raster and image information were used to calculate the height values of the vegetation. Following this extraction, the information was meticulously organized into datasets, which were then employed in Deep Learning (DL) algorithms. The VGG16 model was selected as the underlying framework for the present study. Height predictions were made using dimensions of 16× 16, 32× 32, and 64 × 64 pixels for the Red, Green and Blue (RGB) images. The data was estimated and compared using both the standard format of the VGG16 model and a superficially adapted version of its convolution layers. The algorithm’s efficacy was validated by comparing the forecast results with the data obtained from QGIS, which revealed minimal discrepancies. It was observed that using 64× 64 pixel scale images yielded enhanced accuracy, resulting in reduced values for the Mean Absolute Error (MAE). The study demonstrates the viability of applying DL techniques to accurately capture information about a forest area using RGB images.
- XXX Jornadas Luso-Espanholas de Gestão Científica. Cooperação transfronteiriça: desenvolvimento e coesão territorial: livro de atas - Vol. IVPublication . Fernandes, Paula Odete (Ed.); Nunes, Alcina (Ed.); Lopes, Isabel Maria (Ed.); Pereira, João Paulo (Ed.); Teixeira, João Paulo (Ed.); Leite, Joaquim (Ed.); Alves, Jorge (Ed.); Ribeiro, Nuno A. (Ed.); Moutinho, Nuno (Ed.); Raposo, Mário Lino Barata (Ed.); Ferreira, João José (Ed.); Alves, Helena (Ed.); Leal Millán, Antonio (Ed.); Barroso Castro, Carmen (Ed.); Navarro García, Antonio (Ed.)As XXX Jornadas Luso-Espanholas de Gestão Científica (XXX JLE 2020), que tinham como tema principal ‘Cooperação transfronteiriça: desenvolvimento e coesão territorial’ decorreram entre os dias 5 e 8 de fevereiro de 2020, com a participação de mais de 270 conferencistas. Para além das mais de 200 comunicações apresentadas, envolvendo um total de 564 investigadores nacionais e internacionais, as XXXJLE 2020 contaram com a presença de alguns distintos convidados, começando no dia 6 de fevereiro na Sessão com os editores das revistas (Helena Alves, João Ferreira e António Navarro; Bernabé Escobar como moderador) e no dia 7 de fevereiro com a Mesa-Redonda onde se refletiu sobre Cooperação Transfronteiriça: Desenvolvimento e coesão territorial (Isabel Ferreira, Fernando Freire de Sousa, Raquel Rocha, João Bule, José Luis Prieto e Paula Franco; Miguel André Cabral como moderador). Foram, ainda, distinguidos 22 trabalhos científicos que apresentaram uma elevada qualidade científica. A todos, investigadores, conferencistas e convidados, se fica a dever o êxito científico das XXX Jornadas Luso Espanholas de Gestão Científica. Os quatro volumes de atas que agora se publicam são fruto da totalidade das comunicações dos investigadores apresentadas nas XXX JLE 2020, agrupadas em 19 capítulos, de acordo com a sessão paralela em que foram apresentadas, cobrindo, assim, praticamente todas as áreas das ciências empresariais: Administração Pública; Contabilidade; Desenvolvimento Regional; Docência: Metodologia e Experiências docentes; Empreendedorismo; Economia Social; Empresa Familiar; Estratégia; Ética e Responsabilidade Social; Finanças; Fiscalidade; Gestão das Organizações sem Fins Lucrativos; Gestão de Desporto; Inovação e Gestão do Conhecimento; Marketing; Organização de Empresas; Recursos Humanos; Turismo; Jovens investigadores em ciências económicas e empresariais. A Organização das XXX JLE 2020, a publicação do livro de resumos, a publicação do livro de atas são o resultado do esforço conjunto de várias pessoas e instituições. Fica aqui expresso o reconhecimento e gratidão à Presidência do Instituto Politécnico de Bragança, à Direção da Escola Superior de Tecnologia e Gestão e à Câmara Municipal de Bragança pelas condições logísticas proporcionadas e por todo o apoio recebido, à Pró-Presidência para a Comunicação do IPB e aos Serviços de Imagem do IPB, à Fundação para a Ciência e a Tecnologia e à Unidade de Investigação Aplicada em Gestão (UNIAG), a todas as entidades públicas e privadas que patrocinaram a realização das XXX JLE 2020, a todos os membros das Sessões de Abertura e de Encerramento das XXX JLE 2020, a todos os membros da Comissão Científica (Portuguesa e Espanhola), aos conferencistas, aos investigadores e aos moderadores das diferentes sessões, pela excelente qualidade dos trabalhos apresentados e pelo rigor e profundidade com que os diversos temas foram abordados e discutidos. Por último, mas não menos importante, à Comissão Organizadora e respetivo Staff por aceitarem mais este desafio e por ‘viajarem’ comigo nesta longa, árdua, mas profícua jornada e por todo o suporte desde o primeiro minuto, o meu Muito Obrigada! A finalizar e em nome da Comissão Organizadora gostaria de expressar o nosso voto final e desejar que estas Jornadas Luso-Espanholas de Gestão Científica continuem a ter todo o êxito e força que têm vindo a demonstrar, a ensinar e que proporcionem não só, momentos de reflexão e debate sobre as questões mais prementes para e no futuro, bem como a discussão de novos desafios e oportunidades de cooperação em rede, transferência e partilha de conhecimento.
- A YOLO-Based Approach for Detection of Olive Knot Disease through UAV and Computer Vision TechnologiesPublication . Morais, Maurício Herche Fófano de; Mendes, João; Santos, Murillo Ferreira dos; Fernandes, Fernanda Mara; Lima, José; Pereira, Ana I.This work presents an approach for detecting olive knot disease in olive trees, utilizing Computer Vision (CV), Unmanned Aerial Vehicle (UAV) based imagery, and Machine Learning (ML) within the context of Precision Agriculture (PA). The study focuses on applying the You Only Look Once (YOLO) deep learning architecture to develop a model capable of identifying trees affected by the disease with accuracy and speed. By integrating UAV technology with object detection algorithms, this approach enables real-time monitoring of olive plantations, supporting early detection and targeted interventions. This study emphasizes the potential of combining drone imaging and ML to drive sustainable and practical solutions in PA. Results show that this method can potentially improve crop management by reducing human labor and contributing to the enhancement of disease control strategies.