Spent coffee grounds for biodiesel production and other applications

This work evaluates the possibility of using spent coffee grounds (SCG) for biodiesel production and other applications. An experimental study was conducted with different solvents showing that lipid content up to 6 wt% can be obtained from SCG. Results also show that besides biodiesel production, SCG can be used as fertilizer as it is rich in nitrogen, and as solid fuel with higher heating value (HHV) equivalent to some agriculture and wood residues. The extracted lipids were characterized for their properties of acid value, density at 15 °C, viscosity at 40 °C, iodine number, and HHV, which are negatively influenced by water content and solvents used in lipid extraction. Results suggest that for lipids with high free fatty acids (FFA), the best procedure for conversion to biodiesel would be a two-step process of acid esterification followed by alkaline transesterification, instead of a sole step of direct transesterification with acid catalyst. Biodiesel was characterized for its properties of iodine number, acid value, and ester content. Although these quality parameters were not within the limits of NP EN 14214:2009 standard, SCG lipids can be used for biodiesel, blended with higher-quality vegetable oils before transesterification, or the biodiesel produced from SCG can be blended with higher-quality biodiesel or even with fossil diesel, in order to meet the standard requirements.

Hand gesture recognition system based in computer vision and machine learning : applications on human-machine interaction

Sendo uma forma natural de interação homem-máquina, o reconhecimento de gestos implica uma forte componente de investigação em áreas como a visão por computador e a aprendizagem computacional. O reconhecimento gestual é uma área com aplicações muito diversas, fornecendo aos utilizadores uma forma mais natural e mais simples de comunicar com sistemas baseados em computador, sem a necessidade de utilização de dispositivos extras. Assim, o objectivo principal da investigação na área de reconhecimento de gestos aplicada à interacção homemmáquina é o da criação de sistemas, que possam identificar gestos específicos e usálos para transmitir informações ou para controlar dispositivos. Para isso as interfaces baseados em visão para o reconhecimento de gestos, necessitam de detectar a mão de forma rápida e robusta e de serem capazes de efetuar o reconhecimento de gestos em tempo real. Hoje em dia, os sistemas de reconhecimento de gestos baseados em visão são capazes de trabalhar com soluções específicas, construídos para resolver um determinado problema e configurados para trabalhar de uma forma particular. Este projeto de investigação estudou e implementou soluções, suficientemente genéricas, com o recurso a algoritmos de aprendizagem computacional, permitindo a sua aplicação num conjunto alargado de sistemas de interface homem-máquina, para reconhecimento de gestos em tempo real. A solução proposta, Gesture Learning Module Architecture (GeLMA), permite de forma simples definir um conjunto de comandos que pode ser baseado em gestos estáticos e dinâmicos e que pode ser facilmente integrado e configurado para ser utilizado numa série de aplicações. É um sistema de baixo custo e fácil de treinar e usar, e uma vez que é construído unicamente com bibliotecas de código. As experiências realizadas permitiram mostrar que o sistema atingiu uma precisão de 99,2% em termos de reconhecimento de gestos estáticos e uma precisão média de 93,7% em termos de reconhecimento de gestos dinâmicos. Para validar a solução proposta, foram implementados dois sistemas completos. O primeiro é um sistema em tempo real capaz de ajudar um árbitro a arbitrar um jogo de futebol robótico. A solução proposta combina um sistema de reconhecimento de gestos baseada em visão com a definição de uma linguagem formal, o CommLang Referee, à qual demos a designação de Referee Command Language Interface System (ReCLIS). O sistema identifica os comandos baseados num conjunto de gestos estáticos e dinâmicos executados pelo árbitro, sendo este posteriormente enviado para um interface de computador que transmite a respectiva informação para os robôs. O segundo é um sistema em tempo real capaz de interpretar um subconjunto da Linguagem Gestual Portuguesa. As experiências demonstraram que o sistema foi capaz de reconhecer as vogais em tempo real de forma fiável. Embora a solução implementada apenas tenha sido treinada para reconhecer as cinco vogais, o sistema é facilmente extensível para reconhecer o resto do alfabeto. As experiências também permitiram mostrar que a base dos sistemas de interação baseados em visão pode ser a mesma para todas as aplicações e, deste modo facilitar a sua implementação. A solução proposta tem ainda a vantagem de ser suficientemente genérica e uma base sólida para o desenvolvimento de sistemas baseados em reconhecimento gestual que podem ser facilmente integrados com qualquer aplicação de interface homem-máquina. A linguagem formal de definição da interface pode ser redefinida e o sistema pode ser facilmente configurado e treinado com um conjunto de gestos diferentes de forma a serem integrados na solução final.

Comparison Among Aerobic Exercise and Other Types of Interventions to Treat Depression: A Systematic Review

Depression is a common and disabling disease that affects over 100 million people worldwide and can have a significant impact on physical and mental health, reducing their quality of life. Thus, the aim of this article was to provide information on research results and key chains related to the therapeutic effects of chronic aerobic exercise compared with other types of interventions to treat depression, which may become a useful clinical application in a near future. Researches have shown the effectiveness of alternative treatments, such as physical exercise, minimizing high financial costs and minimizing side effects. In this review, the data analyzed allows us to claim that alternative therapies, such as exercise, are effective on controlling and reducing symptoms. 69.3% of the studies that investigated the antidepressant effects of exercise on depressive were significant, and the other 30.7% of the studies improved only in general physiological aspects, such as increased oxygen uptake, increased use of blood glucose and decreased body fat percentage, with no improvement on symptoms of depression. From the sample analyzed, 71.4% was composed of women, and regarding the severity of symptoms, 85% had mild to moderate depression and only 15% had moderate to severe depression. However, there is still disagreement regarding the effect of exercise compared to the use of antidepressants in symptomatology and cognitive function in depression, this suggests that there is no consensus on the correct intensity of aerobic exercise as to achieve the best dose-response, with intensities high to moderate or moderate to mild.