http://repositorio.unb.br/handle/10482/45725 2026-04-17T18:44:20Z http://repositorio.unb.br/handle/10482/54301 Título: Statistical and multivariate evaluation of olive oil degradation during long-term storage Autor(es): Almeida, Erislene Silva de; Silva, Danyel F.; Oliveira, Natalia S. de; Fernandes, Juliana S.; Oliveira, Bruna C. S.; Monteiro, Simone; Almeida, Fernanda V.; Braga, Jez Willian Batista; Dias, Ana Cristi Basile 2025-11-01T00:00:00Z http://repositorio.unb.br/handle/10482/54300 Título: GLP and G9a histone methyltransferases as potential therapeutic targets for lymphoid neoplasms Autor(es): Carvalho, Amandda Évelin Silva; Braga, Luma Dayane Carvalho Filiú; Bogéa, Gabriela Muller Reche; Assis, Alan Jhones Barbosa de; Silva, Fábio Pittella; Araujo, Felipe Saldanha 2024-07-01T00:00:00Z http://repositorio.unb.br/handle/10482/54298 Título: Estudo de métodos de detecção de danos estruturais baseados em respostas dinâmicas Autor(es): Vasconcelos, Rebeca Freitas Resumo: A busca por indicadores de dano cada vez mais robustos e confiáveis tem crescido significativamente no contexto da detecção de falhas estruturais. Diversos métodos têm sido propostos e avaliados quanto à sua eficácia, com o objetivo de contribuir para o avanço do Monitoramento da Integridade Estrutural (SHM – Structural Health Monitoring). Este trabalho apresenta um estudo centrado em métodos de detecção de danos baseados exclusivamente em respostas dinâmicas, os quais lidam com grandes volumes de dados na tentativa de identificar diferentes estados estruturais. Para representar adequadamente os sinais de aceleração sem perder informações relevantes — e, por vezes, até realçando-as —, diversos autores propõem a compactação desses dados por meio de parâmetros representativos. Neste estudo, são analisados trinta parâmetros estatísticos, além dos valores resultantes da Análise de dados Simbólicos (ADS) ), cujas categorias foram definidas com base na regra de Sturges (1926), extraídos dos sinais de aceleração nos domínios do tempo e da frequência (via Transformada Rápida de Fourier – FFT). Os parâmetros foram aplicados aos dados de cinco estruturas distintas: três experimentais (Viga Biapoiada, Shear Building de 10 pavimentos e pá eólica) — sendo que, em duas delas, os ensaios foram desenvolvidos pela própria autora —, um modelo estrutural (Benchmark) e uma estrutura real (Ponte Ferroviária KW51). A eficácia individual de cada parâmetro na identificação dos diferentes estados de estruturais foi avaliada por meio do método de agrupamento proposto por Scott-Knott (1974). Após a caracterização dos dados por meio de boxplots, foram apresentados os resultados de identificação para cada métrica, sendo então propostos conjuntos de parâmetros, validados por meio do agrupamento multivariado com o algoritmo k-means, e comparados a conjuntos previamente sugeridos na literatura. Dois dos conjuntos propostos pela autora (PAR 12 e F-SD) destacaram-se por sua robustez, sensibilidade e adequação na identificação de danos estruturais, considerando diferentes estruturas e tipos de excitação (impacto, shaker e passagem de trem). Informações adicionais: Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, Programa de Pós-Graduação em Estruturas e Construção Civil, 2025. 2026-04-17T00:00:00Z http://repositorio.unb.br/handle/10482/54299 Título: Uso de inteligência artificial e aerofotogrametria para identificação de fissuras em ciclovias e integração com GIS Autor(es): Silva, Tharlys Hikaro Pinheiro Resumo: A inspeção e o monitoramento de ciclovias são essenciais para a segurança e o conforto dos usuários, porém ainda dependem, em grande parte, de vistorias manuais, com limitações de produtividade, rastreabilidade e padronização. Neste trabalho, foi proposto e validado um fluxo integrado para identificação automatizada de fissuras em ciclovias de pavimento rígido, combinando aerofotogrametria por VANT, modelos de aprendizado profundo e integração dos resultados em ambiente GIS, de modo a transformar saídas de detecção/segmentação em informações georreferenciadas para apoio à gestão da manutenção. Como contribuição científica, o estudo (i) constitui um banco de dados anotado específico para detecção e segmentação de fissuras em ciclovias de pavimento rígido, (ii) apresenta evidências de que modelos de alto desempenho são viáveis e robustos mesmo com conjuntos de dados limitados, desde que haja alta especificidade, (iii) sistematiza e valida um fluxo fim a fim VANT–IA–GIS aplicado à infraestrutura cicloviária e (iv) demonstra a conversão das inferências em camadas vetoriais georreferenciadas, discutindo limitações e ajustes necessários na vetorização das máscaras para preservação da morfologia das fissuras. Foi constituído um banco de dados para detecção com 738 imagens recortadas (1024×1024), totalizando 1.757 anotações de fissuras; após aumento de dados, obteve-se um conjunto consolidado com 3.834 imagens. Quatro arquiteturas foram treinadas e comparadas (YOLOv8m, YOLO11m, YOLO11l e RT-DETR-l), alcançando mAP50 entre 0,797 e 0,831, com melhor desempenho do YOLO11l (P=0,887; R=0,737; mAP50=0,831; 12,2 ms/imagem). Para segmentação, foi construído um dataset com 413 imagens (640×640) e 895 máscaras anotadas, e três modelos foram avaliados (YOLOv8m-seg, YOLO11m-seg e YOLO11l-seg), com destaque para o YOLO11l-seg (P=0,846; R=0,865; mAP50=0,872; 5,6 ms/imagem). A validação externa foi realizada em ortomosaico georreferenciado, com inferência no QGIS via plugin Deepness após conversão para ONNX, evidenciando coerência espacial das detecções e a necessidade de ajustes na vetorização das máscaras para preservar a morfologia das fissuras. Como produto, obtiveram-se camadas vetoriais georreferenciadas aptas a visualização, quantificação e análise espacial, consolidando a viabilidade do método para mapeamento automatizado de patologias em infraestrutura cicloviária e fornecendo uma base para integrações futuras com rotinas de priorização e sistemas de apoio à decisão. Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, Programa de Pós-Graduação em Estruturas e Construção Civil, 2025.Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, Programa de Pós-Graduação em Estruturas e Construção Civil, 2026. 2026-04-17T00:00:00Z