Sistema de correção quantitativa para teste de atenção concentrada através de técnicas de visão computacional e aprendizado de máquina

Abstract

O teste de setas é um dos exames que compõem o teste de psicotécnico. Sua aplicação é de fundamental importância para os psicólogos obterem uma análise do comportamento de um indivíduo. Todavia, os testes de setas são corrigidos de forma manual, gerando uma grande carga de trabalho para os respectivos profissionais. Pensando nisso, o objetivo deste projeto é desenvolver uma aplicação que seja capaz de automatizar o processo de correção do teste de setas através de técnicas de processamento de imagem para aquisição, melhoria das imagens, visão computacional para reconhecimento e aprendizagem de máquina supervisionada para classificação. Para isso, foram impressas e respondidas diversas cópias do teste de setas, para realizar o treinamento e validação da rede neural. A rede neural desenvolvida mostrou acurácia superior a 95% durante a fase de treinamento e validação do modelo. Dado o contexto da aplicação, notamos que o modelo pode ser ainda aperfeiçoado para obter um desempenho melhor em relação ao custo computacional. Além disso, foi de grande importância construir e testar com diferentes formatos de dados para possibilitar a maior generalização do modelo de treinada.