Reconhecimento de espécies de mosquitos por meio de métodos
computacionais inteligentes baseados em aprendizagem profunda
Mosquitos; Vetores; Arboviroses; Machine Learning, Deep
Learning
As doenças transmitidas por mosquitos vetores expressam um grande perigo à
sociedade. Arboviroses como Dengue, Zika, Febre Amarela, Chikungunya,
causaram alto número de mortes nas últimas décadas, além de diminuírem a
qualidade de vida das pessoas, causarem outras doenças, como é o caso de
microcefalia em recém-nascidos por conta da Zika, e impactarem a economia.
Ações que visem o controle dos vetores se mostraram eficazes no combate a
essas doenças. Entretanto, em áreas em que essas doenças são endêmicas, os
vetores coexistem com outros mosquitos que não transmitem doenças, sendo
essencial a identificação desses mosquitos, para que se possa analisar a
densidade e entender mais sobre a população deles. Todavia é necessário a
atuação de um especialista, sendo muitas vezes um trabalho cansativo.
Observando a importância da identificação desses vetores e os problemas das
atuais técnicas de identificação, esse estudo propõe um modelo
computacional inteligente para a classificação automática de mosquitos
vetores, baseado em imagens. Para isso foi construída uma base com 5432
imagens de mosquitos de 3 espécies: Aedes aegypti, Aedes albopictus e Culex
quinquefasciatus. Foram utilizadas três redes convolucionais: VGG16,
ResNet50 e EfficientNetB0. O modelo de Deep Learning que obteve maior
resultado foi a VGG16, com acurácia de 95%, mostrando-se eficiente na
identificação das espécies estudadas.