Banca de DEFESA: GERALDO PIRES CORDEIRO JÚNIOR

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : GERALDO PIRES CORDEIRO JÚNIOR
DATA : 18/05/2022
HORA: 09:00
LOCAL: Virtual
TÍTULO:

Reconhecimento de espécies de mosquitos por meio de métodos 
computacionais inteligentes baseados em aprendizagem profunda


PALAVRAS-CHAVES:

Mosquitos; Vetores; Arboviroses; Machine Learning, Deep 
Learning


PÁGINAS: 88
RESUMO:

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.


MEMBROS DA BANCA:
Presidente - 1412012 - FERNANDO MACIANO DE PAULA NETO
Interno - 2886196 - LEANDRO MACIEL ALMEIDA
Externa à Instituição - ROSÂNGELA MARIA RODRIGUES BARBOSA - Fiocruz - PE
Notícia cadastrada em: 04/05/2022 08:17
SIGAA | Superintendência de Tecnologia da Informação (STI-UFPE) - (81) 2126-7777 | Copyright © 2006-2024 - UFRN - sigaa02.ufpe.br.sigaa02