Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
http://bibliotecatede.uninove.br/handle/tede/2570
Tipo do documento: | Tese |
Título: | Identificação automática de possíveis criadouros do mosquito Aedes aegypti a partir de imagens aéreas adquiridas por VANTs |
Título(s) alternativo(s): | Automatic identification of possible Aedes aegypti mosquito breeding sites from aerial images acquired by VANTs |
Autor: | Bravo, Daniel Trevisan |
Primeiro orientador: | Araújo, Sidnei Alves de |
Primeiro membro da banca: | Araújo, Sidnei Alves de |
Segundo membro da banca: | Pamboukian, Sergio Vicente Denser |
Terceiro membro da banca: | Quaresma, Cristiano Capellani |
Quarto membro da banca: | Belan, Peterson Adriano |
Quinto membro da banca: | Alves, Wonder Alexandre Luz |
Resumo: | O atual panorama de doenças causadas pelo mosquito Aedes aegypti no Brasil e no mundo tem motivado inúmeros esforços de pesquisa nas mais diversas áreas do conhecimento. Além das campanhas de prevenção no âmbito da saúde, a tecnologia mostra-se como uma grande aliada, a partir da utilização de veículos aéreos não tripulados (VANTs) para aquisição de imagens aéreas, facilitando o trabalho das equipes de vigilância sanitária. Contudo, tais imagens são normalmente analisadas de forma manual (visualmente), podendo demandar muito tempo dos agentes de saúde. Neste trabalho propõe-se uma abordagem de visão computacional para a identificação automática de objetos e cenários que representam potenciais criadouros do mosquito Aedes aegypti, a partir de imagens aéreas de regiões urbanas adquiridas por VANTs. A abordagem proposta contempla 4 etapas: composição de ortomosaicos, identificação de objetos e cenários suspeitos, detecção de pequenas porções d’água e geração de ortomosaicos anotados e relatórios. Para detecção de objetos e cenários suspeitos foram exploradas duas técnicas: redes neurais convolucionais RNC e Bag Of Visual Words BoVW combinada com o classificador Support Vector Machine SVM (BoVW+SVM), sendo os resultados obtidos mensurados por meio da taxa mean Average Precision mAP-50. Na detecção de objetos usando uma RNC modelo YOLOv3 obteve-se a taxa de 0,9610 para o mAP-50, enquanto na tarefa de detecção de cenários, na qual comparou-se os resultados da RNC tiny-YOLOv3 e de BoVW+SVM, foram obtidas as respectivas taxas de 0,9028 e 0,6453. Esses resultados sugerem que as RNCs são suficientes para identificação dos potenciais criadouros uma vez que juntas levaram à obtenção da taxa média de 0,9319 para o mAP-50. No que tange a detecção de pequenas porções d’água, nos experimentos conduzidos obteve-se o valor de 0,9757 para a medida de similaridade Structural Similarity Index SSIM. Os resultados obtidos nos experimentos envolvendo as 4 etapas permitiram evidenciar que a abordagem proposta pode trazer contribuições significativas para a implementação de sistemas computacionais que visem auxiliar os agentes de saúde, no planejamento e execução de atividades de combate ao mosquito Aedes aegypti com o uso de VANTs. |
Abstract: | The current panorama of diseases caused by the Aedes aegypti mosquito in Brazil and worldwide has motivated numerous research efforts in various areas of knowledge. In addition to health prevention campaigns, the technology proves to be a great ally, using unmanned aerial vehicles (UAVs) to acquire aerial images, facilitating the work of health surveillance teams. However, such images are usually analyzed manually (visually) and may require a lot of time from health agents. This work proposes a computer vision approach for the automatic identification of objects and scenarios that represent potential breeding sites of the Aedes aegypti mosquito, from aerial images of urban areas acquired by UAVs. The proposed approach includes 4 steps: composition of orthomosaics, identification of suspicious objects and scenarios, detection of small portions of water and generation of annotated orthomosaics and reports. To detect suspicious objects and scenarios, two techniques were explored: convolutional neural networks RNC and Bag of Visual Words BoVW combined with the Support Vector Machine classifier SVM (BoVW + SVM), and the results obtained were measured using the mean Average Precision mAP-50. In object detection using a YOLOv3 model RNC, we obtained the rate of 0.9610 for mAP-50, while in the scenario detection task, we compared the results of tiny-YOLOv3 RNC and BoVW + SVM, the respective rates of 0.9028 and 0.6453 were obtained. These results suggest that the RNCs are sufficient to identify potential breeding sites since together they led to the average rate of 0.9319 for mAP-50. Regarding the detection of small portions of water, the experiments conducted obtained the value of 0.9757 for the measure of similarity Structural Similarity Index SSIM. The results obtained in the experiments involving the 4 steps showed that the proposed approach can make significant contributions to the implementation of computer systems aimed at assisting health agents in the planning and execution of activities to combat Aedes aegypti mosquito with the use of UAVs. |
Palavras-chave: | Aedes aegypti mapeamento automático VANT drone reconhecimento de padrões visão computacional inteligência artificial Aedes aegypti automatic mapping UAV drone pattern recognition computer vision artificial intelligence |
Área(s) do CNPq: | CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Nove de Julho |
Sigla da instituição: | UNINOVE |
Departamento: | Informática |
Programa: | Programa de Pós-Graduação em Informática e Gestão do Conhecimento |
Citação: | Bravo, Daniel Trevisan. Identificação automática de possíveis criadouros do mosquito Aedes aegypti a partir de imagens aéreas adquiridas por VANTs. 2019. 150 f. Tese( Programa de Pós-Graduação em Informática e Gestão do Conhecimento) - Universidade Nove de Julho, São Paulo. |
Tipo de acesso: | Acesso Aberto |
URI: | http://bibliotecatede.uninove.br/handle/tede/2570 |
Data de defesa: | 27-Nov-2019 |
Aparece nas coleções: | Programa de Pós-Graduação em Informática e Gestão do Conhecimento |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Daniel Trevisan Bravo.pdf | 7,93 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.