Publicação
Sistema de Visão Computacional para Identificação Automática de Potenciais Focos do Mosquito Aedes aegypti Usando Drones
| Resumo: | Resumo Os drones tem se tornado uma importante ferramenta tecnológica para auxiliar no combate aos focos de mosquitos. No entanto, as imagens adquiridas por eles são usualmente analisadas de forma manual, podendo consumir muito tempo nas atividades de inspeção. Neste trabalho é proposto um sistema de visão computacional (SVC) para identificação e geolocalização automática de potenciais criadouros do mosquito Aedes aegypti a partir de imagens aéreas adquiridas por drones. O SVC desenvolvido deu origem a um software, cujo núcleo é composto por uma rede neural convolucional (RNC) que apresentou taxas de acerto e mAP-50 (mean average precision) de 0,9294 e 0,9362 nos experimentos realizados com uma base composta por 500 imagens. Esses resultados, comparados com resultados recentes da literatura, corroboram a adequação da RNC para compor o SVC, o qual pode trazer melhorias para a utilização de drones em programas de prevenção e combate de fontes de reprodução de mosquitos. |
|---|---|
| Autores principais: | Lima,Gustavo A. |
| Outros Autores: | Cotrin,Rafael O.; Belan,Peterson A.; Araújo,Sidnei A. de |
| Assunto: | Drone Mosquito Reconhecimento de Padrões Visão Computacional Redes Neurais Convolucionais |
| Ano: | 2021 |
| País: | Portugal |
| Tipo de documento: | artigo |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Fundação para a Ciência e Tecnologia |
| Idioma: | português |
| Origem: | SciELO Portugal |
| Resumo: | Resumo Os drones tem se tornado uma importante ferramenta tecnológica para auxiliar no combate aos focos de mosquitos. No entanto, as imagens adquiridas por eles são usualmente analisadas de forma manual, podendo consumir muito tempo nas atividades de inspeção. Neste trabalho é proposto um sistema de visão computacional (SVC) para identificação e geolocalização automática de potenciais criadouros do mosquito Aedes aegypti a partir de imagens aéreas adquiridas por drones. O SVC desenvolvido deu origem a um software, cujo núcleo é composto por uma rede neural convolucional (RNC) que apresentou taxas de acerto e mAP-50 (mean average precision) de 0,9294 e 0,9362 nos experimentos realizados com uma base composta por 500 imagens. Esses resultados, comparados com resultados recentes da literatura, corroboram a adequação da RNC para compor o SVC, o qual pode trazer melhorias para a utilização de drones em programas de prevenção e combate de fontes de reprodução de mosquitos. |
|---|