Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBorges, André Pinz-
Autor(es): dc.contributorRodrigues, Pedro João Soares-
Autor(es): dc.contributorRodrigues, Pedro João Soares-
Autor(es): dc.contributorIgrejas, Getúlio Paulo Peixoto-
Autor(es): dc.contributorBorges, André Pinz-
Autor(es): dc.contributorFernandes, José Eduardo Moreira-
Autor(es): dc.creatorGomes, Walter Betini Sandim-
Data de aceite: dc.date.accessioned2022-02-21T21:38:48Z-
Data de disponibilização: dc.date.available2022-02-21T21:38:48Z-
Data de envio: dc.date.issued2020-11-18-
Data de envio: dc.date.issued2020-11-18-
Data de envio: dc.date.issued2019-06-25-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/16002-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/657328-
Descrição: dc.descriptionO presente trabalho é resultado de um convênio de dupla diplomação com o Instituto Politécnico de Bragança (Portugal)-
Descrição: dc.descriptionThe aim of this project is to help bee hive maintenance in beekeeping to develop an automatic bee subspecies classifier. For this, a program was developed that uses the landmarks adapted from Nawrocka [1] for classification, but to perform the process automatically, it was necessary to implement an object detector capable of finding bee wings in an image and a detector of landmarks able to identify them in an image and then proceed to classification. The object detector was able to detect 98 % of the wings and the landmarks detector obtained was able to detect all landmarks in 91 % of cases, with a precision of 94 % resemblance to hand-marked landmarks. The classification, in turn, presented good results with the largest classes of datasets, with 92 % accuracy with the two largest classes and 87 % accuracy with the three largest.-
Descrição: dc.descriptionCom intuito de auxiliar no manutenção de colmeias na apicultura, esse projeto tem como objetivo o desenvolvimento de um classificador automático de subespécies de abelhas. Para isso foi desenvolvido um programa que utiliza das landmarks adaptadas de Nawrocka [1] para classificação, porém para realizar o processo de forma automática, foi necessário implementar um detector de objetos capaz de encontrar asas de abelha em uma imagem e um detector de landmarks capaz de indentificá-las em uma imagem e então proceder para classificação. O detector de objetos foi capaz de detectar 98% das asas e o detector de landmarks obteve foi capaz de detectar todos os landmarks em 91% dos casos, com uma precisão de 94% de semelhança com landmarks marcados a mão. A classificação por sua vez, apresentou bons resultados com as maiores classes dos datasets (em quantidade de elementos), tendo 92% de precisão com as duas maiores classes e 87% de precisão com as três maiores.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPonta Grossa-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Informática-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectAbelhas - Classificação-
Palavras-chave: dc.subjectInteligência computacional-
Palavras-chave: dc.subjectDetectores-
Palavras-chave: dc.subjectBees - Classification-
Palavras-chave: dc.subjectComputational intelligence-
Palavras-chave: dc.subjectDetectors-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleDetecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.