Banca de DEFESA: RODRIGO EMERSON VALENTIM DA SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : RODRIGO EMERSON VALENTIM DA SILVA
DATA : 17/12/2021
HORA: 14:00
LOCAL: Google Meet
TÍTULO:

Contagem automática de ovos do mosquito Aedes aegypti utilizando métodos de aprendizagem profunda e dispositivo de baixo custo.


PALAVRAS-CHAVES:

Redes Neurais Convolucionais. Visão Computacional.  Aedes  aegypti.


PÁGINAS: 111
RESUMO:

O mosquito Aedes aegypti causa grandes transtornos ao sistema público de  saúde, por ser o principal vetor de transmissão de arboviroses como:  Dengue, Febre Amarela, Zika e Chikungunya que infectam mais de 400 milhões  de pessoas a cada ano. Uma forma eficiente de evitar o crescimento no  número de casos das arboviroses citadas é com programas de vigilância  vetorial que ajuda no monitoramento de propagação de doenças causadas pelo  Aedes aegypti. Entre os indicadores que a vigilância vetorial utiliza, os  dispositivos utilizados para coleta de ovos do Aedes aegypti (Ovitrampas),  é um dos métodos mais eficientes na capacidade de detecção da presença de  mosquitos mesmo em situação de baixa infestação. As ovitrampas consistem em 
recipientes escuros com entradas largas preenchidas parcialmente com água e  uma palheta áspera de madeira instalada verticalmente em seu interior. Elas  são colocadas em pontos estratégicos e depois de um tempo, a palheta é  retirada do recipiente e levada para laboratório para ser possível fazer a  contagem de ovos. Esta contagem é extremamente importante, pois as  ovitrampas de regiões que apresentam o maior número de ovos recebem atenção  especial de órgãos públicos em campanhas de combate ao mosquito.  Entretanto, a contagem desses ovos em palhetas é feita manualmente, sendo  uma atividade exaustiva e repetitiva para os técnicos que precisam realizar  esta tarefa. Dado o contexto, neste trabalho foi construído um dispositivo  que auxilia a contagem de ovos do Aedes aegypti com menos intervenção  humana. Este dispositivo capta imagens da palheta, essas imagens são dadas  como entrada para algoritmos de reconhecimento automatizado possibilitando  o reconhecimento de ovos e consequentemente a sua contagem. Para alcançar  os objetivos da automatização desta tarefa de contagem de ovos, foi  utilizado o conceito de aprendizagem profunda com Redes Neurais  Convolucionais (CNNs) que configuram o estado da arte em problemas de visão  computacional. Para a utilização de CNNs, foi realizado um estudo de quais  modelos poderiam ser adaptados ao problema de contagem de ovos. Após  escolhidos os modelos foi aplicado o processo de Transferência de  Aprendizado destes modelos, visto que, os melhores modelos na literatura  são treinados em grandes bases de dados e o que eles aprendem nessas bases  pode ser reaproveitado em outras tarefas, de modo que se consegue  treiná-los em outros conjuntos de dados, tornando o processo de  treinamento  mais rápido e mais efetivo em outros dados.  Para treinar  esses modelos foi construída uma base de dados própria com imagens de ovos  do Aedes aegypti, visto que, uma das dificuldades encontradas em trabalhos  da literatura que abordam a contagem automática de ovos é falta de dados  para treinar algoritmos para realizar esta tarefa. Os modelos de CNNs  utilizados nesta dissertação apresentaram uma acurácia média no  reconhecimento de ovos de 92\%. Por fim, o estudo realizado servirá como  base para construir uma ferramenta completa que auxilie todo o processo de  contagem e tomada de decisão dos técnicos.


MEMBROS DA BANCA:
Presidente - 1675582 - CLEBER ZANCHETTIN
Interno - 2886196 - LEANDRO MACIEL ALMEIDA
Externa à Instituição - ROSÂNGELA MARIA RODRIGUES BARBOSA - Fiocruz - PE
Notícia cadastrada em: 29/11/2021 09:47
SIGAA | Superintendência de Tecnologia da Informação (STI-UFPE) - (81) 2126-7777 | Copyright © 2006-2024 - UFRN - sigaa01.ufpe.br.sigaa01