Aquisição de imagens digitais e identificação dos ovos do mosquito Aedes Aegypti baseado em um modelo de aprendizado profundo.
dc.contributor.advisor | Cámara Chávez, Guillermo | pt_BR |
dc.contributor.author | Garcia, Pedro Saint Clair | |
dc.contributor.referee | Cámara Chávez, Guillermo | pt_BR |
dc.contributor.referee | Ferreira, Anderson Almeida | pt_BR |
dc.contributor.referee | Bianchi, Andrea Gomes Campos | pt_BR |
dc.contributor.referee | Saúde, André Vital | pt_BR |
dc.date.accessioned | 2021-08-31T16:16:43Z | |
dc.date.available | 2021-08-31T16:16:43Z | |
dc.date.issued | 2019 | pt_BR |
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. | pt_BR |
dc.description.abstract | 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. | pt_BR |
dc.description.abstracten | 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. | pt_BR |
dc.identifier.citation | GARCIA, Pedro Saint Clair. Aquisição de imagens digitais e identificação dos ovos do mosquito Aedes Aegypti baseado em um modelo de aprendizado profundo. 2019. 67 f. Dissertação (Mestrado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2019. | pt_BR |
dc.identifier.uri | http://www.repositorio.ufop.br/jspui/handle/123456789/13614 | |
dc.language.iso | pt_BR | pt_BR |
dc.rights | aberto | pt_BR |
dc.rights.license | 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. | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
dc.subject | Programas de aprendizado | pt_BR |
dc.subject | Aedes aegypti | pt_BR |
dc.subject | Processamento de imagens | pt_BR |
dc.title | Aquisição de imagens digitais e identificação dos ovos do mosquito Aedes Aegypti baseado em um modelo de aprendizado profundo. | pt_BR |
dc.type | Dissertacao | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- DISSERTAÇÃO_AquisiçãoImagensDigitais.pdf
- Tamanho:
- 17.13 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: