HVR²

Graduação em Inteligência Artificial · FIAP · turma 1TIAOR

Quatro pessoas, três frentes, um repositório.

Somos o HVR², grupo do 1º ano da graduação ON em IA da FIAP. Aqui estão os projetos que construímos juntos em 2026: a agricultura digital da FarmTech, o FiaPar para o Enterprise Challenge e o Ônibus Sentinela da Global Solution.

Python · R · C++ · SQL ESP32 · Wokwi scikit-learn · pandas Oracle · MongoDB · SQLite
4entregas publicadas como Release
2.260leituras do ESP32 tratadas na Fase 3
99,55%de acurácia da Random Forest na Fase 3
6modelos de IA no Ônibus Sentinela

Linha do tempo

2026 até aqui

Cada entrega fecha com uma tag no repositório, no padrão trilha/vANO.MARCO.REVISÃO. As datas abaixo são os prazos do Portal FIAP.

  1. Fase 1
    FarmTech no terminal
    Python, R e Tkinter · fase/v1.1.0
  2. 09/10/2026
    Challenge · Sprint 1
    Proposta do FiaPar · challenge/v1.1.0
  3. 14/10/2026
    Fase 2
    Irrigação com ESP32 · fase/v1.2.0
  4. 11/11/2026
    Fase 3
    Histórico, Oracle e modelos · fase/v1.3.0
  5. 19/11/2026
    Global Solution
    Ônibus Sentinela · em andamento
  6. 23/11/2026
    Challenge · Sprint 2
    Diagnóstico · em andamento
  7. 04/12/2026
    Fase 4
    Dashboard e Machine Learning

Fases · FarmTech Solutions

Uma fazenda que vai ficando digital, fase a fase

Em todas as fases a FIAP propõe a mesma startup fictícia, a FarmTech Solutions, que atende uma fazenda migrando para a agricultura digital. A cada fase o grupo acrescenta uma camada ao mesmo sistema: cálculo, sensores, banco de dados e, agora, aprendizado de máquina.

Fases 1, 2 e 3 entregues Fase 4 em andamento

Fase 1 · fase/v1.1.0

Talhões de soja e milho, área e insumo

Uma aplicação de terminal em Python cadastra talhões, calcula a área plantada e o insumo necessário e grava tudo em CSV. Dois scripts em R leem esses dados: um calcula média e desvio padrão, o outro consulta o clima na API pública Open-Meteo.

  • Python com menu de cadastro, atualização, exclusão e exportação em CSV
  • R para estatísticas e para o clima em tempo real
  • Interface em Tkinter sobre a mesma lógica, sem substituir o menu

O código fica num repositório privado: só a equipe e a tutoria FIAP têm acesso.

Janela da FarmTech em Tkinter com a tabela de talhões, o formulário de cadastro e a saída da consulta de clima em R
A interface em Tkinter com os talhões cadastrados e o clima de Sorriso (MT) consultado pelo clima.R.

Fase 2 · fase/v1.2.0

Irrigação inteligente com ESP32 e a cana-de-açúcar

Um ESP32 simulado no Wokwi decide quando ligar a bomba a partir de umidade, pH e nutrientes. O mesmo núcleo em Python cuida das perdas na colheita de cana e grava em JSON, TXT e Oracle. Em R, uma análise exploratória dos municípios paulistas que mais produzem cana.

  • ESP32 no Wokwi com botões de N, P e K, LDR no papel de pH, DHT22 e relé da bomba; a regra de irrigação tem testes
  • Perdas na colheita em toneladas, % e R$, com o preço do Consecana-SP
  • Análise em R dos 40 municípios de SP que mais produziram cana no Censo Agropecuário 2017 (IBGE)

O código fica num repositório privado: só a equipe e a tutoria FIAP têm acesso.

Circuito do ESP32 no simulador Wokwi com sensores, botões e relé
O circuito no Wokwi. A decisão de irrigar fica no firmware; o resto das regras mora no Python.

Fase 3 · fase/v1.3.0

O sistema ganha memória: histórico, Oracle e os primeiros modelos

O log do Monitor Serial vira um histórico de três meses de safra. O pandas limpa e suaviza as leituras, oito gráficos mostram o comportamento do solo e tudo vai para o Oracle com sete consultas de gestão. No Cap. 11, cinco modelos de classificação recomendam a cultura a partir do solo e do clima.

  • 2.200 ciclos coletados no Wokwi, cada um valendo uma hora simulada, mais 60 com o sensor desconectado
  • Oracle com quatro tabelas novas, carga repetível e sete consultas; Ir Além com MongoDB Atlas e firmware otimizado (306.649 → 284.313 bytes de Flash)
  • Cinco modelos sobre 2.200 linhas e 22 culturas
ModeloAcurácia no testeValidação cruzada
Random Forest99,55%99,32 ± 0,58%
SVM98,41%97,95 ± 1,07%
KNN (k = 5)97,95%96,53 ± 1,21%
Árvore de Decisão97,95%98,47 ± 0,66%
Regressão Logística97,27%96,82 ± 0,66%

O código fica num repositório privado: só a equipe e a tutoria FIAP têm acesso.

Gráfico da umidade e do pH do solo ao longo de três meses, com faixas indicando quando a bomba esteve ligada
Umidade e pH ao longo do histórico simulado (01/08 a 31/10/2026). As faixas marcam a bomba ligada.

Enterprise Challenge · FIAP × Sem Parar Empresas

FiaPar: clareza sobre o custo de uma frota leve

Combustível, manutenção, pedágio, estacionamento, multas e impostos chegam em arquivos separados. O FiaPar recebe planilhas, PDFs e fotos de comprovantes, pede a conferência do gestor e consolida o custo por veículo, com alertas que dizem o que investigar primeiro.

Sprint 1 entregue Sprint 2 em andamento · até 23/11

Sprint 1 · challenge/v1.1.0

Da proposta ao plano das próximas sprints

A Sprint 1 foi de planejamento. A entrega reúne o problema, cinco histórias do gestor de frota com critérios de aceite, o modelo de dados, a arquitetura, segurança e LGPD, o plano das Sprints 2 a 4 e o design system do produto.

  • Entrada sem retrabalho: Excel e CSV para as seis categorias; PDF, imagem e foto para comprovantes
  • Números conferíveis: cada valor mantém o vínculo com o documento e só entra nos indicadores depois da confirmação
  • Alertas com evidências: possível duplicidade, aumento do custo por km e manutenção recorrente
  • Arquitetura: interface em React e TypeScript, API em Python com FastAPI

O código fica num repositório privado: só a equipe e a tutoria FIAP têm acesso.

Duas telas de celular do FiaPar: visão geral com despesas do mês e a conferência de uma despesa lida de um cupom
Telas de referência do design system. Os valores são demonstrativos; a implementação começa na Sprint 2.

Global Solution 2026.2 · CitizenTech

Ônibus Sentinela: a frota que mede a cidade

Uma estação meteorológica mede só o ponto onde está. O Ônibus Sentinela coloca uma caixa com ESP32 em cada ônibus para medir calor, ar e vibração enquanto ele roda. Os dados viram um mapa rua a rua e uma lista de ações para a prefeitura. ODS 3, 11 e 13.

Entrega em 19/11/2026

Prova de conceito

Do sensor ao painel da prefeitura

O firmware roda no Wokwi com dois DHT22, MQ-135, acelerômetro MPU6050 e GPS. Uma frota de 30 ônibus em 6 linhas é simulada em Python com os mesmos campos que o firmware envia, grava num banco SQL e alimenta seis modelos e um painel.

  • 45.360 leituras em 77 trechos, num banco SQLite com 10 tabelas e 6 consultas de gestão
  • Escala: o banco gravou 81.861 leituras por segundo; a migração planejada para 2 mil ônibus usa MQTT, PostgreSQL, PostGIS e TimescaleDB
  • Protótipo da caixa: R$ 250,16 em peças, sem o módulo 4G

A frota é simulada e as 6 linhas são fictícias, ligando centros de distritos reais de São Paulo. Os números ao lado vêm da execução do código sobre essa frota.

Painel do Ônibus Sentinela com números da frota, mapa de calor por trecho e tabela de distritos
O painel da prefeitura: mapa de calor por trecho e quanto cada distrito ficou acima da referência.
01 · DHT22 + GPS

Mapa de calor rua a rua

Regressão linear

Cada 10 p.p. de arborização deixam o trecho 0,42 °C mais fresco

02 · MQ-135

Ar que se respira

z-score robusto por distrito e hora

146 alertas, precisão 0,92

03 · MPU6050

Buraco detectado

Árvore de decisão

Acurácia 93,5%, 26 chamados abertos

04 · Todos + renda

Onde plantar primeiro

K-means (k = 3)

19 de 77 trechos com prioridade alta

05 · Extra

Calor no ponto

Regressão com defasagens

Erro de 0,70 °C para 3 horas à frente

06 · Extra

Conforto a bordo

Índice de calor (NOAA)

Sem ar-condicionado, 79% a 85% do tempo acima de 32 °C de sensação

A equipe

HVR²

Somos quatro alunos da turma 1TIAOR. Os papéis abaixo são os do Enterprise Challenge; nas fases e na Global Solution o trabalho se divide por entrega.

Henrico Fernandes

RM575348

Ciência de Dados e IA

@henricofernandes

Vitor Bernardo Verdu

RM575488

Engenharia de Dados

@VitorVerdu

Raphael Bruno Lopes Silva

RM576602

Interface e Relatórios

@RM576602

Rogério da Silva Rêgo

RM575819

Product Owner, Produto e Negócio

@Rogerio-Rego

Um repositório para o curso todo

Fases, Challenge e Global Solution ficam no mesmo repositório, em pastas por ano e por entrega.

Git flow e revisão em par

Cada mudança entra por pull request na develop, com revisão automática de um integrante por vez.

Uma tag por entrega

Ao entregar, a main recebe uma tag anotada e uma Release com o que foi feito e os links.