Análise de modelos explicáveis de sistemas de classificação para registros hidroacústicos em ambientes marítimos

• Ano de defesa: 2019
• Autor(a) principal: Costa, Lucas Tubino Bonifácio Costa
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Hidroacústica; Classificação de Peixes-Marinhos; Explicabilidade; Sistema de classificação baseados em regras Fuzzy; Árvores de decisão; Hydroacoustics; Classification of Marine Fish; Explanability; Classification system based on Fuzzy rules; Decision trees
• Link de acesso: http://repositorio.furg.br/handle/1/8758

Este trabalho visa desenvolver um modelo explicável de sistema de classificação de organismos marinhos a partir de dados obtidos por meio de ecossondas. As ecossondas funcionam normalmente acopladas na parte de baixo de uma embarcação, enviando sinais acústicos para detectar peixes, moluscos, zooplâncton ou outros objetos na coluna de água, gerando registros acústicos que aparecem nos ecogramas. Atualmente, o método utilizado para classificar os registros acústicos é a caracterização de ecotipos, onde certos padrões nos registros acústicos são identificados visualmente por um especialista que, tendo por base informações chamadas descritores, determina uma classe ao registro. Para fazer a classificação utilizando meios computacionais, descritores foram extraídos de ecogramas obtidos de pesquisa pesqueira, que então foram tratados para filtrar as características que descreviam melhor os registros contidos nos ecogramas. Estes dados foram utilizados para o gerar os modelos a partir de três algoritmos de classificação de fácil explicabilidade, um que utiliza árvores de decisão e dois baseados em regras fuzzy. Os modelos obtidos foram avaliados por medidas de acurácia baseadas nos desempenhosdas classificações no treinamento. Os modelos foram também avaliados por um especialista da área, para análise de sua utilidade para descrever as espécies trabalhadas e o que poderia ser observado nestes resultados. Os modelos gerados pelos algoritmos tiveram um bom desempenho para os dados disponíveis, aonde os dados foram principalmente classificados por descritores geográficos e que, de acordo com um especialista da área, representam uma distribuição próxima da que realmente acontece para as espécies estudadas nessa região e época do ano trabalhadas.