Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11422/20090
Tipo: Dissertação
Título: Automatic aedes aegypti breeding grounds detection using computer vision techniques
Autor(es)/Inventor(es): Passos, Wesley Lobato
Orientador: Silva, Eduardo Antônio Barros da
Coorientador: Araujo, Gabriel Matos
Resumo: Todos os anos, milhares de pessoas são afetadas por doenças como dengue, chi- kungunya, zika e febre amarela. Todas essas doenças são transmitidas pelo Aedes aegypti, que se reproduz em água limpa e parada, usualmente acumulada em recipientes como pneus, garrafas, caixas d’água etc. O uso de ferramentas inteligentes pode auxiliar no trabalho dos agentes de fiscalização dos focos deste mosquito, au- mentando, assim, a eficiência e área de cobertura. Esse trabalho aborda o problema de detecção automática de focos de mosquitos através do uso de técnicas de visão computacional e aprendizado de máquina. Nesse contexto, propõe-se um conjunto de vídeos aéreos, adquiridos através de um veículo aéreo não tripulado. O conjunto possui diversos desses objetos em múltiplos cenários: diferentes localidades, altitudes e disposições dos objetos. Os vídeos são devidamente retificados para amenizar distorções da câmera e manualmente anotados quadro-a-quadro, viabilizando o desenvolvimento de um detector automático de objetos de interesse. Um detector do tipo Faster Region-based Convolutional Neural Network é treinado com uma pequena base de dados, e é capaz de encontrar possíveis focos de mosquito de maneira automática. O modelo gerado atinge uma precisão média de 49,31%, o que é promissor, indicando que novos e melhores modelos podem ser treinados para este fim.
Resumo: Every year, thousands of people are infected with diseases such as dengue, chi- kungunya, zika, and yellow fever. These diseases are transmitted by the Aedes aegypti, which usually reproduces in containers with accumulated clean water, such as tires, bottles, water tanks, etc. The use of intelligent tools can be employed to assist health agents in a search for these objects, providing more efficiency and co- verage in this process. This work addresses the problem of automatic detection of such mosquito breeding grounds using computer vision and machine learning techniques. In this context, a new aerial videos dataset is devised including such objects in different scenarios: distinct backgrounds, altitudes, object displacement, and so on. The videos are rectified in order to compensate for camera distortions and manually annotated, frame-by-frame, enabling the development of an automatic detector for the target objects. A Faster Region-based Convolutional Neural Network detector is trained, using a small dataset, and is capable of finding potential mosquito foci. This model achieves 49.31 points of average precision, which is promising, indicating that new and better models can be trained for this task.
Palavras-chave: Aedes aegypti
Visão computacional
Processamento de imagens
Assunto CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::MEDIDAS ELETRICAS, MAGNETICAS E ELETRONICAS INSTRUMENTACAO::SISTEMAS ELETRONICOS DE MEDIDA E DE CONTROLE
Programa: Programa de Pós-Graduação em Engenharia Elétrica
Unidade produtora: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Editora: Universidade Federal do Rio de Janeiro
Data de publicação: Fev-2019
País de publicação: Brasil
Idioma da publicação: eng
Tipo de acesso: Acesso Aberto
Aparece nas coleções:Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
925293.pdf2.74 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.