Português

Português

Authors

DOI:

https://doi.org/10.5902/2448190485409

Keywords:

Aeropalinologia., Reconhecimento de fala., Sistema web., Bioinformática

Abstract

The research on pollen and fungal spores in the atmosphere is a relevant issue in various parts of the world, with implications for public health, urban planning, agriculture, and other areas. Sample collection points need to be established, and with the use of an airborne particle collector, samples are obtained and taken to a laboratory where microscopic analysis is performed for particle identification and counting by experts. In this way, the data recording process is carried out manually, requiring time and human resources. In this context, the project's objective is to develop software to expedite particle identification and analysis, based on speech recognition.

Downloads

Download data is not yet available.

Author Biographies

Natalia Batista, CEFET-MG

.

Sandro Dias, Federal Center for Technological Education of Minas Gerais

Doutor em Bioinformática pela Universidade Federal de Minas Gerais (UFMG, 2012), mestre em Engenharia Elétrica (UFMG, 2007), Especialização em Redes de Telecomunicações (UFMG, 2003), Bacharelado em Ciência da Computação (UFMG, 2001). Atualmente é docente em regime de Dedicação Exclusiva no Centro Federal de Educação Tecnológica de Minas Gerais (CEFET/MG). Tem experiência na área de Ciência da Computação atuando principalmente nas seguintes áreas: bioinformática, redes de computadores, sistemas distribuídos, arquitetura de computadores, sistemas operacionais, software livre, informática na educação e inclusão digital. Atua como coordenador do Grupo de Computação Competitiva (competições de programação), da equipe Pacific Botz (competições de robótica) e do Programa de Extensão, Enxurrada de Bits. É tutor do Grupo do Programa de Educação Tutorial do CEFET-MG em Engenharia de Computação (COMPET), Delegado Regional da Olimpíada Brasileira de Informática de 2014 a 2020 e orientador da empresa júnior do curso de Engenharia de Computação, Commit Jr, até 2023.

André da Cruz, Federal Center for Technological Education of Minas Gerais

Professor EBTT do Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG) desde 2014. Atuou de 2018 a 2021 como Colaborador Técnico no Instituto Federal de São Paulo (IFSP). Trabalhou como Professor do Ensino Superior na Universidade Federal de Viçosa de 2011 a 2014. Doutor e mestre em Engenharia Elétrica, na área de Otimização, e bacharel em Matemática Computacional pela Universidade Federal de Minas Gerais, especialista em Applied Data Science with Python, pela University of Michigan, e em Investment Management pela University of Geneva. Atua principalmente nos seguintes temas: otimização mono, multiobjetivo, não-linear, linear, combinatória, com objetivos limitados e de alto custo; metaotimização; algoritmos evolutivos; algoritmos e estruturas de dados; simulação; modelagem matemática; e desenvolvimento de jogos digitais.

Marina Bernardes Diniz, Federal Center for Technological Education of Minas Gerais

Estudante em Engenharia da Computação pelo CEFET - MG. Atualmente faço parte da empresa júnior do departamento de computação como desenvolvedora de jogos. Também estou no programa de monitorias como monitora da matéria de Algoritmos e Estruturas de Dados I. No ano de 2020 participei de uma iniciação científica voluntária.

Lucas Andrade Brandão, Federal Center for Technological Education of Minas Gerais

Membro PET de Engenharia da Computação (COMPET) do CEFET-MG.

Francisco Abreu Gonçalves, Federal Center for Technological Education of Minas Gerais

Membro PET de Engenharia da Computação (COMPET) do CEFET-MG.

Guilherme Augusto de Oliveira, Federal Center for Technological Education of Minas Gerais

Graduação em andamento em Engenharia de Computação.

References

Abramov, D. (2019). The Road to React. Leanpub.

Alpha Cephei, “Vosk Speech Recognition Toolkit,” https://alphacephei. com/vosk/. Acesso em: 19 set. 2023.

Buters, J. et al. (2018), “Pollen and spore monitoring in the world”.,Clin. Transl. Allergy, 8: 9.

DeepSpeech Developers, “DeepSpeech Documentation,” https:// deepspeech.readthedocs.io/en/r0.9/. Acesso em: 19 set. 2023.

Dempster, A, Laird, N e Rubin, D. (1977) “Maximum likelihood from incomplete data via the EM algorithm,” J. Royal Stat. Soc. Ser. B (Methodological) 39, p. 1–38.

ESPnet Developers, “ESPnet Documentation,” https://espnet.github.io/ espnet/. Acesso em: 19 set. 2023.

Fairseq Developers, “Fairseq Documentation,” https://fairseq. readthedocs.io/en/latest/. Acesso em: 19 set. 2023.

Firebase. (2020), “Firebase Documentation”, https://firebase.google.com/docs. Acesso em: 19 set. 2023.

Goodfellow, I et al. (2016), Deep Learning, MIT Press, Cambridge, vol. 1.

Google Cloud. (2023) “Google Cloud Speech-to-Text”, https://cloud.google. com/speech-to-text. Acesso em: 19 set. 2023.

IBM Brasil. (2023) https://www.ibm.com/br-pt. Acesso em: 01 set. 2023.

Kaldi ASR Developers, “Kaldi ASR Documentation,” http://kaldi-asr.org/ doc/index.html. Acesso em: 19 set. 2023.

OpenIPA. (s.d.), “Transcription of Latin”, https://www.openipa.org/transcription/latin. Acesso em: 19 set. 2023.

Schmidhuber, J. (2015), “Deep learning in neural networks: An overview,” Neural Networks, 61, p. 85–117.

Published

2023-12-02

How to Cite

Batista, N., Dias, S., Cruz, A. da, Diniz, M. B., Brandão, L. A., Gonçalves, F. A., & Oliveira, G. A. de. (2023). Português: Português. Revista ComInG - Communications and Innovations Gazette, 7(1), 62–72. https://doi.org/10.5902/2448190485409