Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/7376
Título: Aplicação de redes neurais convolucionais na classicação de mosquitos transmissores da dengue por meio da imagem de suas asas.
Autor(es): Moreira, Lucas Ferreira Quintão Moreira
Orientador(es): Rêgo Segundo, Alan Kardek
Reis, Agnaldo José da Rocha
Membros da banca: Rêgo Segundo, Alan Kardek
Reis, Agnaldo José da Rocha
Silva, Rodrigo Cesar Pedrosa
Almeida, Sílvia Grasiella Moreira
Palavras-chave: Dengue
Arboviroses
Inteligência artificial
Classificação
Edge impulse
Data do documento: 2024
Referência: MOREIRA, Lucas Ferreira Quintão. Aplicação de redes neurais convolucionais na classicação de mosquitos transmissores da dengue por meio da imagem de suas asas. 2024. 42 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2024.
Resumo: Diante do crescente número de casos de dengue no Brasil, promover estudos para a identificação dos mosquitos transmissores é importante para a adoção de medidas de controle e prevenção. Sendo assim, objetiva-se com este trabalho desenvolver um modelo de classificação a fim de identificar os mosquitos Aedes aegypti e Aedes albopictus, utilizando as imagens de suas asas. Diante disso, recorreu-se a uma base de dados disponibilizada pelo Instituto Butantan (Plataforma WingBank) que contém imagens de asas dos mosquitos responsáveis por várias arboviroses. O modelo escolhido foi a MobileNetV2, sendo desenvolvido na plataforma Edge Impulse, uma ferramenta que permite a construção de modelos de Inteligência Artificial (IA) para sistemas embarcados. Com possibilidades de embarcar, futuramente, o modelo teve uma acurácia média de 95,32% e 93,41% nos dados de treino e teste, respectivamente, para um dispositivo de testagem ARM Cortex-M4F 80MHz.
Resumo em outra língua: Given the increasing number of dengue cases in Brazil, promoting studies for the identification of transmitting mosquitoes is crucial for adopting control and prevention measures. Thus, this study aims to develop a classification model to identify Aedes aegypti and Aedes albopictus mosquitoes using images of their wings. For this purpose, a dataset provided by the Butantan Institute (the WingBank platform), containing wing images of mosquitoes responsible for various arboviruses, was utilized. The chosen model was MobileNetV2, developed using the Edge Impulse platform, a tool that enables the creation of Artificial Intelligence (AI) models for embedded systems. With future possibilities of deployment, the model achieved an average accuracy of 95.32% and 93.41% on training and test data, respectively, when tested on an ARM Cortex-M4F 80MHz device.
URI: http://www.monografias.ufop.br/handle/35400000/7376
Licença: Este trabalho está sob uma licença Creative Commons BY-NC-ND 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/?ref=chooser-v1).
Aparece nas coleções:Engenharia de Controle e Automação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_AplicaçãoRedesNeurais.pdf4,41 MBAdobe PDFVisualizar/Abrir


Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.