Aquisição de imagens digitais e identificação dos ovos do mosquito Aedes Aegypti baseado em um modelo de aprendizado profundo.

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCámara Chávez, Guillermo-
Autor(es): dc.contributorCámara Chávez, Guillermo-
Autor(es): dc.contributorFerreira, Anderson Almeida-
Autor(es): dc.contributorBianchi, Andrea Gomes Campos-
Autor(es): dc.contributorSaúde, André Vital-
Autor(es): dc.creatorGarcia, Pedro Saint Clair-
Data de aceite: dc.date.accessioned2025-08-21T15:36:41Z-
Data de disponibilização: dc.date.available2025-08-21T15:36:41Z-
Data de envio: dc.date.issued2021-08-31-
Data de envio: dc.date.issued2021-08-31-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttp://www.repositorio.ufop.br/jspui/handle/123456789/13614-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1019687-
Descrição: dc.descriptionPrograma de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.-
Descrição: dc.descriptionO mosquito Aedes aegypti pode transmitir algumas doenças, o que faz o estudo da proliferação deste vetor uma tarefa necessária. Com o uso de armadilhas feitas em laboratório, denominadas ovitrampas, é possível mapear a deposição de ovos numa determinada comunidade. Uma máquina fotográfica acoplada a uma lupa foi utilizada para adquirir imagens contendo os elementos (ovos) a serem contados. Essas imagens foram processadas a partir de um sistema de cores com o objetivo de encontrar a cor negra, que corresponde `a cor dos ovos. A partir dessas imagens já trabalhadas, foi realizado um processo de transferência de aprendizado com uma rede neural convolucional (CNN). A intenção era separar os elementos que realmente eram ovos dos demais. Por meio desse método, foi possível identificar cada ovo como um simples objeto. Em 90% das imagens testadas a contagem realizada pelo modelo em relação ao número real de ovos foi considerada de correlação perfeita. Para as demais 10% das imagens de teste, a contagem foi considerada de forte correlação, isso aconteceu em imagens que continham uma alta densidade de ovos ou que continham elementos negros que se pareciam com ovos do mosquito.-
Descrição: dc.descriptionAedes aegypti mosquito can transmit some diseases, therefore the study of the proliferation of this vector is a necessary task. Using traps made in the laboratory, called ovitraps, it was possible to map egg deposition in a community. Images containing the elements (eggs) to be counted were acquired using a camera, coupled with a magnifying glass were acquired. These imagens were processed using a slice color method in order to find pixels with a similar color to mosquito eggs. A process of transfer learning with a convolutional neural network (CNN) was carried out using processed images. The intention was to separate elements that really were eggs from the others. In 90% of tested images, the count performed by the model in relation to the actual number of eggs was considered to be perfectly correlated. For the remaining 10% of the test images, the counting was considered to be weakly correlated, this occured in images that had a high density of eggs or appeared black elements that resemble mosquito eggs.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsaberto-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/-
Direitos: dc.rightsAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 21/08/2021 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.-
Palavras-chave: dc.subjectProgramas de aprendizado-
Palavras-chave: dc.subjectAedes aegypti-
Palavras-chave: dc.subjectProcessamento de imagens-
Título: dc.titleAquisição de imagens digitais e identificação dos ovos do mosquito Aedes Aegypti baseado em um modelo de aprendizado profundo.-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - UFOP

Não existem arquivos associados a este item.