Sistema de Visão Computacional para Identificação Automática de Potenciais Focos do Mosquito Aedes aegypti Usando Drones

Bibliographic Details
Main Author: Lima,Gustavo A.
Publication Date: 2021
Other Authors: Cotrin,Rafael O., Belan,Peterson A., Araújo,Sidnei A. de
Format: Article
Language: por
Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
Download full: http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952021000300093
Summary: 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.
id RCAP_7f2b994803267daff17a3d268079b4f9
oai_identifier_str oai:scielo:S1646-98952021000300093
network_acronym_str RCAP
network_name_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository_id_str https://opendoar.ac.uk/repository/7160
spelling Sistema de Visão Computacional para Identificação Automática de Potenciais Focos do Mosquito Aedes aegypti Usando DronesDroneMosquitoReconhecimento de PadrõesVisão ComputacionalRedes Neurais ConvolucionaisResumo 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.AISTI - Associação Ibérica de Sistemas e Tecnologias de Informação2021-09-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articletext/htmlhttp://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952021000300093RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação n.43 2021reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAPporhttp://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952021000300093Lima,Gustavo A.Cotrin,Rafael O.Belan,Peterson A.Araújo,Sidnei A. deinfo:eu-repo/semantics/openAccess2024-02-06T17:24:26Zoai:scielo:S1646-98952021000300093Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-28T13:11:40.447001Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse
dc.title.none.fl_str_mv Sistema de Visão Computacional para Identificação Automática de Potenciais Focos do Mosquito Aedes aegypti Usando Drones
title Sistema de Visão Computacional para Identificação Automática de Potenciais Focos do Mosquito Aedes aegypti Usando Drones
spellingShingle Sistema de Visão Computacional para Identificação Automática de Potenciais Focos do Mosquito Aedes aegypti Usando Drones
Lima,Gustavo A.
Drone
Mosquito
Reconhecimento de Padrões
Visão Computacional
Redes Neurais Convolucionais
title_short Sistema de Visão Computacional para Identificação Automática de Potenciais Focos do Mosquito Aedes aegypti Usando Drones
title_full Sistema de Visão Computacional para Identificação Automática de Potenciais Focos do Mosquito Aedes aegypti Usando Drones
title_fullStr Sistema de Visão Computacional para Identificação Automática de Potenciais Focos do Mosquito Aedes aegypti Usando Drones
title_full_unstemmed Sistema de Visão Computacional para Identificação Automática de Potenciais Focos do Mosquito Aedes aegypti Usando Drones
title_sort Sistema de Visão Computacional para Identificação Automática de Potenciais Focos do Mosquito Aedes aegypti Usando Drones
author Lima,Gustavo A.
author_facet Lima,Gustavo A.
Cotrin,Rafael O.
Belan,Peterson A.
Araújo,Sidnei A. de
author_role author
author2 Cotrin,Rafael O.
Belan,Peterson A.
Araújo,Sidnei A. de
author2_role author
author
author
dc.contributor.author.fl_str_mv Lima,Gustavo A.
Cotrin,Rafael O.
Belan,Peterson A.
Araújo,Sidnei A. de
dc.subject.por.fl_str_mv Drone
Mosquito
Reconhecimento de Padrões
Visão Computacional
Redes Neurais Convolucionais
topic Drone
Mosquito
Reconhecimento de Padrões
Visão Computacional
Redes Neurais Convolucionais
description 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.
publishDate 2021
dc.date.none.fl_str_mv 2021-09-01
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952021000300093
url http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952021000300093
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952021000300093
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv text/html
dc.publisher.none.fl_str_mv AISTI - Associação Ibérica de Sistemas e Tecnologias de Informação
publisher.none.fl_str_mv AISTI - Associação Ibérica de Sistemas e Tecnologias de Informação
dc.source.none.fl_str_mv RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação n.43 2021
reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron:RCAAP
instname_str FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron_str RCAAP
institution RCAAP
reponame_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
collection Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository.name.fl_str_mv Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
repository.mail.fl_str_mv info@rcaap.pt
_version_ 1833593521273044992

Similar Items