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