Publicação
Sistema de deteção de fraude académica com telemóveis utilizando IA e câmaras
| Resumo: | O uso frequente de telemóveis em contexto escolar tem aumentado o risco de fraude académica durante avaliações presenciais, tornando insuficientes os métodos de vigilância baseados apenas na observação humana. Para responder a este desafio, foi desenvolvido um sistema automático capaz de detetar, em tempo real, o uso indevido de telemóveis durante exames. A solução recorre à arquitetura SSD MobileNet, treinada com um conjunto de dados criado especificamente para este projeto, composto por imagens captadas em ambiente real, exemplos externos e imagens negativas, garantindo melhor capacidade de generalização. O modelo foi integrado num pipeline de inferência baseado em CPU, utilizando OpenCV para captura contínua de vídeo. Sempre que um telemóvel é detetado, o sistema captura uma imagem anotada e envia automaticamente uma notificação ao docente através da API do Telegram, contribuindo para reforçar a integridade académica. O sistema cumpre com o objetivo geral proposto e cumpre com todos os objetivos específicos. |
|---|---|
| Autores principais: | Vale, Francisco Chelton Agnaldo do |
| Assunto: | Deteção de telemóveis Fraude académica Visão computacional Aprendizagem profunda SSD MobileNet Deteção de objetos Monitorização de exames Inferência em tempo real |
| Ano: | 2025 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Instituto Politécnico de Beja |
| Idioma: | português |
| Origem: | Repositório Institucional do IPBeja |
| Resumo: | O uso frequente de telemóveis em contexto escolar tem aumentado o risco de fraude académica durante avaliações presenciais, tornando insuficientes os métodos de vigilância baseados apenas na observação humana. Para responder a este desafio, foi desenvolvido um sistema automático capaz de detetar, em tempo real, o uso indevido de telemóveis durante exames. A solução recorre à arquitetura SSD MobileNet, treinada com um conjunto de dados criado especificamente para este projeto, composto por imagens captadas em ambiente real, exemplos externos e imagens negativas, garantindo melhor capacidade de generalização. O modelo foi integrado num pipeline de inferência baseado em CPU, utilizando OpenCV para captura contínua de vídeo. Sempre que um telemóvel é detetado, o sistema captura uma imagem anotada e envia automaticamente uma notificação ao docente através da API do Telegram, contribuindo para reforçar a integridade académica. O sistema cumpre com o objetivo geral proposto e cumpre com todos os objetivos específicos. |
|---|