No abstract

No abstract

No abstract

Resumo-A cigarraé uma das pragas-chave da lavoura cafeeira e, atualmente, aúnica forma de combate tem sido a aplicação de inseticidas. Entretanto, os sons emitidos pelo macho, a fim de atrair as fêmeas, são peculiares e podem ser empregados para detecção e classificação digital das espécies. O presente trabalho apresenta um algoritmo de processamento de sinais e reconhecimento de padrões para detectar e classificar as cigarras a fim de possibilitar-se uma ferramenta que auxilie o controle e o monitoramento das espécies, contribuindo com o estado-da-arte e cobrindo uma lacuna existente naárea. Os resultados obtidos mostram uma acurácia superior a 90% e indicam fortemente a viabilidade do uso do presente protótipo.

A medição de consumo de energia por dispositivos inteligentes vem crescendo rapidamente, e estudos sobre estas medidas são do interesse de governos e empresas ao redor do mundo, uma vez que com a identificação de perfis de usuários dado o consumo de energia, emerge diferentes oportunidades, sejam noâmbito da prestação de serviços ou no de sustentabilidade. Este artigo apresenta uma abordagem de análise de agrupamentos para a identificação de padrões de consumo residencial de energia elétrica a partir de uma base de dados com diversos aparelhos que tiveram seus consumos de energias medidos regularmente. A partir da análise, procurou-se estabelecer perfis de consumo que colaborem para um melhor uso da energia, e foram obtidos resultados que identificaram padrões de consumo em diferentes condicões de temperatura e tempo. Palavras-ChaveBase de dados de consumo de energia, perfil de consumo domiciliar, dispositivos inteligentes, agrupamento de dados ABSTRACTThe measurement of energy consumption by smart devices is growing rapidly. Studies of such measures is in the interest of governments and companies around the world. With the identification of user profiles by energy consumption, there are plenty of opportunities that arise every time. This article presents an approach to the electric energy consumption in a home, and seeks to identify patterns. This is done on a database with many devices that have had their power consumption measured regularly. Through a clustering algorithm used on these data, we tried to establish consumer profiles that contribute to a better use of energy. They yielded results that identified energy consumption patterns on conditions such as temperature and time.