Desenvolvimento de Software para Contorno de Bordas e Encaixe Inteligente de Couro de Peixe

• Jéssica Eduarda Ferreira IFC
• Lanna Beatriz Guedes Fedrigo IFC
• Rodrigo Ramos Nogueira IFC
• Gabriel Murilo Ribeiro Gonino IFC

DOI: https://doi.org/10.5753/latinoware.2025.16573

Resumo

Diante dos atuais desafios ambientais, como o descarte de resíduos tóxicos e desperdícios de matéria-prima, cresce a busca por soluções sustentáveis que possam mitigar esses problemas. O presente trabalho surge para auxiliar um projeto em ascensão que visa à confecção de peças ecológicas utilizando peles de peixe como matéria-prima. O objetivo é desenvolver um software capaz de otimizar o aproveitamento dessas peles. A aplicação utilizará recursos como a remoção automática de fundo e fusão de imagens, além de contar com funcionalidades complementares, como exclusão de imagens usadas. Com a implementação do software, atualmente em desenvolvimento, deseja-se colaborar com iniciativas sustentáveis voltadas à transformação de peles de peixe em peças de roupas e acessórios ecológicos, unindo tecnologia à busca por um futuro mais consciente.

Palavras-chave: Sustentabilidade, Peles de peixe, Software, Otimização, Peças ecológicas, Tecnologia

Referências

A. S. Alves, *Design do vestuário: protótipo funcional para o encaixe de moldes no tecido*, Dissertação (Mestrado) – Universidade Federal do Rio Grande do Sul, Faculdade de Arquitetura e Escola de Engenharia, Programa de Pós-Graduação em Design, Porto Alegre, 2010.

D. Yang et al., “A bio-inspired edge and segment detection method by modeling multiple visual regions,” *The Visual Computer*, Heidelberg, vol. 41, no. 9, pp. 3173–3188, 2025.

Y. Dang et al., “A computer-vision based framework for virtual 3D garment reconstruction,” *Multimedia Tools and Applications*, 2024.

A. Naiman et al., “Edge detection and characterization of digitized images,” *Pattern Analysis and Applications*, London, vol. 26, no. 1, pp. 61–72, 2023.

J. Qi and H. Yang, “Research on image segmentation and edge detection technology based on computer vision,” *Journal of Physics: Conference Series*, vol. 1994, no. 1, p. 012035, 2021.

L. E. Borges, *Python para desenvolvedores*, 2nd ed., Rio de Janeiro: Edição do Autor, 2010.

M. Marengoni and D. Stringhini, “Tutorial: introdução à visão computacional usando OpenCV,” *Revista de Informática Teórica e Aplicada*, Porto Alegre, vol. 16, no. 1, pp. 126–134, 2009.

M. S. Silva, *Fundamentos de HTML5 e CSS3*, São Paulo: Novatec, 2015.

A. Milani, *PostgreSQL: guia do programador*, São Paulo: LivreBooks, 2021. Available at: [link]. Accessed on: June 23, 2025.

Silva, *CSS3: desenvolva aplicações web profissionais com o uso dos poderosos recursos de estilização das CSS3*, São Paulo: Novatec, 2012.

FJORDEN, Thomas et al. Image-based quantification of scale loss in fish using machine learning and computer vision. In: Seventeenth International Conference on Machine Vision (ICMV 2024). SPIE, 2025. p. 284-293.

QIAN, Jianping et al. A smartphone-based apple yield estimation application using imaging features and the ANN method in mature period. Scientia Agricola, v. 75, p. 273-280, 2018.

ESTRADA-RUIZ, R. H.; PÉREZ-GARIBAY, R. Neural networks to estimate bubble diameter and bubble size distribution of flotation froth surfaces. Journal of the Southern African Institute of Mining and Metallurgy, v. 109, n. 7, p. 441-446, 2