Soluções baseadas em redes neurais convolucionais para contagem automática de animais aquáticos

• Ano de defesa: 2022
• Autor(a) principal: Bessa, Willian Ramon Barbosa
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Brasil; Centro de Ciências Exatas e Naturais - CCEN; UFERSA; Universidade Federal Rural do Semi-Árido; Programa de Pós-Graduação em Ciência da Computação
• Palavras-chave em Português: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Aquicultura; Redes neurais artificiais; Visão computacional; Conjunto de dados; Limiar de ativação
• Link de acesso: http://lattes.cnpq.br/5725021666916341; http://lattes.cnpq.br/5897512027948966; http://lattes.cnpq.br/2139341870563949; https://repositorio.ufersa.edu.br/handle/prefix/8848

A aquicultura é o processo de cultivo de organismos com o habitat predominantemente aquático, sendo hoje uma importante atividade na produção de alimento humano. Apesar de sua importância, ainda existe uma série de atividades que são realizadas quase que exclusivamente de forma manual, dentre elas, pode-se destacar a contagem de animais. Logo, esse trabalho apresenta a proposição de um conjunto de soluções para dar suporte à atividade de contagem de animais aquáticos, utilizando técnicas de visão computacional e de aprendizado de máquina, através de aprendizado profundo, com o diferencial de que o usuário final será capaz de acessar as soluções via smartphone. Como a solução final será disponibilizada para o usuário utilizar de forma autônoma, foi desenvolvido um modelo para ser usado como limiar de ativação, que avalia se a imagem enviada está em conformidade ou não. Atualmente o modelo está com 99% de precisão. Foi desenvolvido também um modelo de contagem baseado em YOLOv4 que alcançou 98.50% de mAP e 98.70% de acurácia, obtendo assim um excelente resultado