Monitoramento de peixes-zebra: rastreamento a partir de vídeos

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.contributorFavarim, Fábio-
Autor(es): dc.contributorFernandes, Anderson Luiz-
Autor(es): dc.creatorWustro, Bruno Signori-
Data de aceite: dc.date.accessioned2025-08-29T12:49:33Z-
Data de disponibilização: dc.date.available2025-08-29T12:49:33Z-
Data de envio: dc.date.issued2023-07-06-
Data de envio: dc.date.issued2023-07-06-
Data de envio: dc.date.issued2023-06-20-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/31689-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1102540-
Descrição: dc.descriptionThis study focuses on the development of a robust zebrafish (Danio rerio) tracking system, a species widely used in scientific research, by applying computer vision techniques, such as the YOLO object detector. It addresses the limitations of traditional methods and the need for strict environmental controls in existing automatic systems. The work proposes a more versatile solution, less dependent on environmental conditions. For the system creation, an in-depth literature review was conducted, discussing various tracking methods and the evolution of convolutional neural networks. The employed methodology involved collecting videos of zebrafish in various environments, manually labeling the fish positions, training the YOLOv4 base, and applying data augmentation to enhance the model’s robustness. The results indicate that accurate labeling and the application of data augmentation techniques improve the model’s accuracy.-
Descrição: dc.descriptionEste estudo enfoca o desenvolvimento de um sistema de rastreamento robusto para peixeszebra (Danio rerio), espécie amplamente utilizada em pesquisas científicas, aplicando técnicas de visão computacional, como o detector de objetos YOLO. Abordando as limitações de métodos tradicionais e a necessidade de controles rígidos do ambiente nos sistemas automáticos existentes. O trabalho propõe uma solução mais versátil e menos dependente de condições ambientais. Para a criação do sistema, uma análise aprofundada de literatura foi realizada, discutindo diversos métodos de rastreamento e a evolução das redes neurais convolucionais. A metodologia empregada envolveu a coleta de vídeos de peixes-zebra em variados ambientes, a rotulação manual das posições dos peixes, o treinamento da base do YOLOv4 e a aplicação de data augmentation para aprimorar a robustez do modelo. Os resultados indicam que a rotulação correta e a aplicação de técnicas de data augmentation melhoram a acurácia do modelo.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPato Branco-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Informática-
Publicador: dc.publisherEngenharia de Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectDetectores-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectProcessamento de imagens-
Palavras-chave: dc.subjectDetectors-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectImage processing-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleMonitoramento de peixes-zebra: rastreamento a partir de vídeos-
Título: dc.titleZebrafish monitoring: tracking from videos-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.