MDMarco Aparecido Queiroz Duarte

Marco Aparecido Queiroz Duarte

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Marco Aparecido Queiroz Duarte has a total of 31 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    RGB-Derived Haralick Edge-Texture Features Discriminate Mung Bean Responses to Mineral and Biofertilizer Regimes

    by Eder Pereira Neves, Jorge González Aguilera, Werverth Costa Martins, Roseline da Silva Coêlho, Fábio Steiner, Marco Aparecido Queiroz Duarte, Alan Mario Zuffo, César Augusto Masgo Soto, Carlos Genaro Morales-Aranibar, María Paulina Aliaga Martínez, et al.

    Low-cost RGB imaging can accelerate crop phenotyping, but its ability to capture plant responses to fertilizer regimes through edge-based texture descriptors remains insufficiently tested. Mung bean [Vigna radiata (L.) R. Wilczek] was grown in a randomized complete block design with six fertilizer regimes and four replicates. Side-view RGB images acquired under controlled conditions were segmented, converted to grayscale, transformed into Canny edge maps, and summarized using six gray-level co-occurrence matrix (GLCM) features. Agronomic variables were evaluated: plant height, stem diameter, nodule weight, fresh weight, pod weight, shoot dry matter, grain yield per plot, the chlorophyll index, root length, and root volume. Contrast, energy, homogeneity, entropy, and variance differed across regimes, whereas the GLCM correlation did not. Mineral fertilization resulted in the highest values of stem diameter, nodule mass, fresh biomass, shoot dry matter, and the chlorophyll index. Baker’s Gamma coefficient (0.9369) and the cophenetic correlation (0.9498) showed high similarity between the hierarchical structures, indicating that the texture descriptors preserved a treatment organization highly similar to that observed for the agronomic variables. The Haralick features calculated from controlled RGB-derived edge maps revealed fertilizer-associated differences in the mung bean canopy structure. This method is promising for nondestructive screening, but replicate-level predictive validation, full reporting of image-processing parameters, and external testing are needed before agronomic traits can be estimated from images.

  • Open Access

    Encontros colaborativos para formação continuada de professores que ensinam matemática

    by Regina Lamblém, Marco Duarte, Irene Araújo, João Paulo Coelho

    Este artigo tem como objetivo apresentar resultados de um projeto de extensão desenvolvido com foco na formação continuada de professores que ensinam matemática. O projeto foi desenvolvido para atender a uma demanda das escolas de Cassilândia-MS, apresentada ao curso de Matemática da UEMS/Cassilândia, solicitando que realizasse encontros com os professores das escolas para trabalhar conceitos matemáticos usando metodologias diferenciadas. Essa solicitação se materializou no objetivo geral do projeto: contribuir para que os participantes e ministrantes do projeto refletissem/repensassem sobre várias possibilidades de trabalhar tópicos de Matemática em sala de aula, adotando metodologias de ensino e de aprendizagem que destaquem o papel do aluno como protagonista na construção do conhecimento. Para o desenvolvimento das atividades, foram realizados encontros colaborativos envolvendo docentes do curso de Matemática da UEMS e professores da educação básica que atuam na área de matemática. Em geral, os temas trabalhados nos encontros eram sugeridos pelo público-alvo. De posse das sugestões, a equipe de execução realizava estudos de artigos científicos, debates em grupos de estudos e preparava os materiais para serem levados para os encontros. Os encontros foram profícuos, com trocas de experiências entre todos os docentes, reflexões sobre as práticas pedagógicas e debates sobre conceitos matemáticos, materiais didáticos e metodologias de ensino. Assim, o projeto propiciou um ambiente de experimentação em que todos os envolvidos assumiram o protagonismo e se engajaram com as atividades de forma colaborativa.

  • Open Access

    Automatic and Semi-automatic Analytic Hierarchy Process (AHP)

    by Bruno Rodrigues de Oliveira, Marco Aparecido Queiroz Duarte

    The Analytic Hierarchy Process (AHP) is the most commonly used method for solving multi-criteria decision-making problems worldwide. Although AHP offers many advantages for problems with several alternatives and criteria, the pairwise comparisons require considerable effort. State-of-the-art methodologies have demonstrated that AHP is suitable for automating decisions on tabular data. Considering it, this paper proposes a new approach to decision-making in both automated and semi-automated ways. For the automated approach, formulas are proposed for the normalization and computation of criteria weights. For the semi-automated approach, functions are proposed to convert normalized tabular data into values on the Saaty scale. These values are then used to automatically construct pairwise comparison matrices. This approach allows decision-makers to generate such matrices when necessary, thereby minimizing or even eliminating the effort required for pairwise comparisons. Simulations demonstrate the differences obtained depending on the use of the conversion function. Comparisons with state-of-the-art methods reveal that the proposed approach is compatible with existing methodologies. The viability of the proposed methodology is also explored through problems of selecting genotypes/varieties of agricultural crops, showing its viability in real problems. The obtained results show that the proposed approach produces results similar to other decision-making methods.


  • Open Access

    Saber científico e saber escolar na formação de professores de matemática: uma proposta de ensino para aulas de análise de real

    by Marco Aparecido Queiroz Duarte, Regina Litz Lamblém, Irene Coelho De Araújo, Frederico Fonseca Fernandes, Eder Pereira Neves

    O objetivo deste artigo é apresentar uma proposta de ensino para alguns conteúdos da disciplina de Análise Real para um curso de Matemática, licenciatura. Uma das críticas aos cursos de formação inicial de professores de Matemática é em relação à desarticulação dos saberes matemáticos abordados em algumas disciplinas com os que compõem a estrutura curricular da Educação Básica. Muitas vezes esses saberes transitam para a sala de aula sem as devidas adaptações e/ou transformações que necessitariam para atingir os objetivos dos diferentes contextos de ensino. Para a compreensão das transformações/adaptações que os conhecimentos de Análise Real presentes nos livros precisam para habitar os cursos de Matemática, licenciatura, foi realizado um estudo, por meio de revisão bibliográfica, sobre as concepções de alguns professores, pesquisadores e alunos sobre a disciplina de Análise Real em cursos de Matemática, licenciatura, e sobre os livros mais recomendados para o ensino desta disciplina no contexto de formação de professores. A proposta de ensino às aulas de Análise Real, apresentada neste artigo, revela transformações/adequações que os saberes da disciplina de Análise Real necessitam para habitarem em um curso de Matemática, licenciatura, e enfatiza o papel do professor nesse processo.

  • Open Access

    Classification of Tropical Forage Grass Varieties Under Moderate and Severe Water Stress using Naïve Bayes and Kernel Density Estimation

    by Bruno Rodrigues de Oliveira, Marco Aparecido Queiroz Duarte, Renato Lustosa Sobrinho

    The selection of forage grasses that are more adapted to adverse conditions, such as water scarcity or dry rain periods, is extremely important. Mainly due to the severe climate changes, and the search for more sustainable ways of farming. Forage grasses form the basis of the diet of beef cattle and are also used as a source of biofuels, for erosion control and soil improvement. This work presents a machine learning methodology to obtain classification models for nine forage cultivars, subject to moderate and severe water stress. The Naïve Bayes algorithm is used together with the Kernel Density Estimation method to obtain the densities used in the classification models. Before learning the models, the grouped cross-validation technique and also the grid search are used to search for the best set of hyperparameters. The best accuracy and precision results are 0.88 and 0.90, respectively. It is observed that the classification performance depends on the cultivars used in the training and test sets. At the end, the estimated probability densities are also analyzed by comparing them with some statistics obtained for each variable and water stress or control environments.


  • Model predictive PESQ-ANFIS/FUZZY C-MEANS for image-based speech signal evaluation

    by Eder Pereira Neves, Marco Aparecido Queiroz Duarte, Jozue Vieira Filho, Caio Cesar Enside de Abreu, Bruno Rodrigues de Oliveira


  • Um breve estudo sobre dízimas periódicas

    by Marco Aparecido Queiroz Duarte, Bruno Rodrigues de Oliveira

  • Open Access

    Sistema audiométrico baseado em regras fuzzy

    by Eder Pereira Neves, Ana Cláudia Vieira Cardoso, Marco Aparecido Queiroz Duarte, Jozue Vieira Filho

    Neste trabalho é apresentado um método capaz de auxiliar na interpretação das avaliações audiológicas. O modelo audiométrico fuzzy proposto permite reproduzir o audiograma utilizado em audiometria tonal limiar por meio de intervalos, diferenciando-o do convencional. As funções de pertinência foram elaboradas para atender as características do sistema e o conjunto de base de regra foi construído fundamentado na literatura especializada. A implementação computacional desenvolvida propôs estabelecer uma relação entre as entradas de níveis de pressão sonora determinadas por via aérea e via óssea com as saídas tendo como respostas o tipo, o grau e as configuração das perdas auditivas. O desempenho do modelo foi testado por meio de dados de audiogramas retirados da literatura especializada que descrevem o quadro clínico da audição. Os resultados mostraram-se análogos e satisfatórios perante ao diagnóstico prescrito.

  • Open Access

    Premature ventricular contraction recognition using blind source separation and ensemble gaussian naive bayes weighted by analytic hierarchy process

    by Bruno Rodrigues de Oliveira, Marco Aparecido Queiroz Duarte, Jozue Vieira Filho

    Premature Ventricular Contractions (PVC) arrhythmias can be associated with sudden death and acute myocardial infarction, occurring in 50% of the population for Holter monitoring. PVC patterns are very hard to be recognized since their waveforms can be confused with other heartbeats, such as Right and Left Bundle Branch Blocks. This work proposes a new approach for PVC recognition, based on Gaussian Naive Bayes algorithm and AMUSE (Algorithm for Multiple Unknown Signal Extraction), which is a method for the blind source separation problem. This approach provides a set of attributes that are combined by Linear Discriminant Analysis, allowing the training of an ensemble learning. The Analytic Hierarchy Process weights each learned model according to its importance, obtained from the performance metrics. This approach has some advantages over baseline methods since it does not use a pre-processing stage and employs a simple machine learning model trained using only two parameters for each feature. Using a standard dataset for training and test phases, the proposed approach achieves 98.75% accuracy, 90.65% sensitivity, and 99.46% specificity. The best performance was 99.57% accuracy, 98.64% sensitivity, and 99.65% specificity for other datasets. In general, the proposed approach is better than 66% of the state-of-the-art methods concerning accuracy