Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.025


Aluno: Paulo Júnior de Moraes Vasconcelos
Orientador: Prof. Leandro Maciel Almeida
Título: Identificação de fungos anemófilos, em ambientes abertos, através 
de um nariz eletrônico e modelos de Inteligência Artificial
Data: 22/06/2022
Hora/Local: 13h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Paulo Salgado Gomes de Mattos Neto (UFPE / Centro de Informática)
Prof. Reginaldo Gonçalves de Lima Neto (UFPE / Departamento de Medicina Tropical)
Prof. Cleber Zanchettin (UFPE / Centro de Informática)


RESUMO:

Os fungos dispersam-se na natureza através do ar atmosférico ou por outras 
vias, como água, insetos, humanos e animais. Os fungos que são dispersados 
através do ar atmosférico são denominados fungos anemófilos. Sendo assim, a 
microbiota fúngica anemófila pode ser semelhante ou diferente em cada 
cidade ou região. Em indústrias como farmacêutica e de alimentos, a 
preservação da qualidade do ar dos ambientes é ponto importante para a 
garantia asséptica dos produtos. Hospitais constituem ambientes que 
necessitam de maior atenção, no que diz respeito ao monitoramento ambiental 
das áreas críticas. Por outro lado, em climatizadores de ar, o acúmulo de 
umidade e material orgânico pode torná-los poderosas fontes dispersoras de 
bioaerossóis. Outra problemática na disseminação de fungos é a produção de 
micotoxinas. Para conhecer o objeto desse trabalho apresenta-se um estudo 
sobre os fungos anemófilos, uma breve discursão sobre Inteligência 
Artificial, em seguida é apresentado o nariz eletrônico utilizado nos 
experimentos, apresenta-se e explica-se os princípios de funcionamento dos 
modelos de aprendizagem de máquina testados como solução do problema. 
Relata-se a exploração dos dados levantados e experimentos das bases de 
dados de leituras do nariz eletrônico. Os resultados foram satisfatórios em 
duas bases e insatisfatório em uma base. O classificador InceptionTime 
obteve o melhor desempenho em uma das bases, atingindo acurácia 97,7% no 
conjunto de teste. Em outra base o classificador HIVE-COTE 2.0 obteve os 
melhores resultados alcançando acurácia 96,4% no conjunto de teste. Na 
última base testada, os resultados foram insatisfatórios, com acurácia 
máxima de apenas 41,6% no conjunto de teste. Estando no princípio da 
pesquisa, um ou outro resultado adverso é natural, contudo, conclui-se que 
essa dissertação contribui desenvolver produtos e serviços que monitorem a 
qualidade do ar em áreas sensíveis como indústrias alimentícias e 
farmacêuticas, áreas hospitalares críticas, acúmulo de umidade e material 
orgânico em condicionadores de ar, como também a presença de micotoxinas 
produzidas por esses microrganismos. A ampliação e a diversificação da 
testagem de fungos anemófilos objetivando cobrir uma gama maior de 
problemas e patologias associadas a mais espécies de fungos anemófilos, 
como também ampliação das bases de dados, isto é, mais dados e melhores 
dados para minimizar os erros, implica em modelos mais bem treinados, que 
generalizam adequadamente para casos novos, que não são conhecidos pelos 
modelos. Outra frente de trabalho importante é aprofundar o estudo dos 
modelos de classificadores especializados em séries temporais. O objetivo é 
encontrar o modelo com resultados mais satisfatórios e com os menores 
custos computacionais.

Palavras-chave: Fungos anemófilos, Nariz eletrônico, Classificação de 
Séries Temporais.

Comentários desativados