Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Cámara Chávez, Guillermo | - |
Autor(es): dc.contributor | Cámara Chávez, Guillermo | - |
Autor(es): dc.contributor | Ferreira, Anderson Almeida | - |
Autor(es): dc.contributor | Bianchi, Andrea Gomes Campos | - |
Autor(es): dc.contributor | Saúde, André Vital | - |
Autor(es): dc.creator | Garcia, Pedro Saint Clair | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:36:41Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:36:41Z | - |
Data de envio: dc.date.issued | 2021-08-31 | - |
Data de envio: dc.date.issued | 2021-08-31 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | http://www.repositorio.ufop.br/jspui/handle/123456789/13614 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1019687 | - |
Descrição: dc.description | Programa 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.description | O 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.description | Aedes 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.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | aberto | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | - |
Direitos: dc.rights | Autorização 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.subject | Programas de aprendizado | - |
Palavras-chave: dc.subject | Aedes aegypti | - |
Palavras-chave: dc.subject | Processamento de imagens | - |
Título: dc.title | Aquisição de imagens digitais e identificação dos ovos do mosquito Aedes Aegypti baseado em um modelo de aprendizado profundo. | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: