Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 1.986
Aluno: Rodrigo Emerson Valentim da Silva
Orientador: Prof. Leandro Maciel Almeida
Título: Contagem automática de ovos do mosquito Aedes aegypti utilizando
métodos de aprendizagem profunda e dispositivo de baixo custo
Data: 17/12/2021
Hora/Local: 14h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Cleber Zanchettin (UFPE / Centro de Informática)
Prof. Rosângela Maria Rodrigues Barbosa ( Fiocruz / Centro de Pesquisas Ageu Magalhães)
Prof. Leandro Maciel Almeida (UFPE / Centro de Informática)
RESUMO:
O mosquito Aedes aegypti causa grandes transtornos ao sistema público de
saúde, por ser o principal vetor de transmissão de arboviroses como:
Dengue, Febre Amarela, Zika e Chikungunya que infectam mais de 400 milhões
de pessoas a cada ano. Uma forma eficiente de evitar o crescimento no
número de casos das arboviroses citadas é com programas de vigilância
vetorial que ajuda no monitoramento de propagação de doenças causadas pelo
Aedes aegypti. Entre os indicadores que a vigilância vetorial utiliza, os
dispositivos utilizados para coleta de ovos do Aedes aegypti (Ovitrampas),
é um dos métodos mais eficientes na capacidade de detecção da presença de
mosquitos mesmo em situação de baixa infestação. As ovitrampas consistem em
recipientes escuros com entradas largas preenchidas parcialmente com água e
uma palheta áspera de madeira instalada verticalmente em seu interior. Elas
são colocadas em pontos estratégicos e depois de um tempo, a palheta é
retirada do recipiente e levada para laboratório para ser possível fazer a
contagem de ovos. Esta contagem é extremamente importante, pois as
ovitrampas de regiões que apresentam o maior número de ovos recebem atenção
especial de órgãos públicos em campanhas de combate ao mosquito.
Entretanto, a contagem desses ovos em palhetas é feita manualmente, sendo
uma atividade exaustiva e repetitiva para os técnicos que precisam realizar
esta tarefa. Dado o contexto, neste trabalho foi construído um dispositivo
que auxilia a contagem de ovos do Aedes aegypti com menos intervenção
humana. Este dispositivo capta imagens da palheta, essas imagens são dadas
como entrada para algoritmos de reconhecimento automatizado possibilitando
o reconhecimento de ovos e consequentemente a sua contagem. Para alcançar
os objetivos da automatização desta tarefa de contagem de ovos, foi
utilizado o conceito de aprendizagem profunda com Redes Neurais
Convolucionais (CNNs) que configuram o estado da arte em problemas de visão
computacional. Para a utilização de CNNs, foi realizado um estudo de quais
modelos poderiam ser adaptados ao problema de contagem de ovos. Após
escolhidos os modelos foi aplicado o processo de Transferência de
Aprendizado destes modelos, visto que, os melhores modelos na literatura
são treinados em grandes bases de dados e o que eles aprendem nessas bases
pode ser reaproveitado em outras tarefas, de modo que se consegue
treiná-los em outros conjuntos de dados, tornando o processo de
treinamento mais rápido e mais efetivo em outros dados. Para treinar
esses modelos foi construída uma base de dados própria com imagens de ovos
do Aedes aegypti, visto que, uma das dificuldades encontradas em trabalhos
da literatura que abordam a contagem automática de ovos é falta de dados
para treinar algoritmos para realizar esta tarefa. Os modelos de CNNs
utilizados nesta dissertação apresentaram uma acurácia média no
reconhecimento de ovos de 92\%. Por fim, o estudo realizado servirá como
base para construir uma ferramenta completa que auxilie todo o processo de
contagem e tomada de decisão dos técnicos.
Palavras-chave: Redes Neurais Convolucionais. Visão Computacional. Aedes
aegypti.
Comentários desativados