@MASTERSTHESIS{ 2023:1646759005,
 	title = {Método baseado em aprendizagem de máquina para detecção de pequenas porções d’água em imagens multiespectrais adquiridas por drones},
 	year = {2023},
 	url = "http://bibliotecatede.uninove.br/handle/tede/3518",
 	abstract = "Os RPAS − Remotely Piloted Aircraft System, popularmente conhecidos como drones, vêm sendo utilizados para identificar automaticamente objetos e cenários (normalmente caixas d’água, baldes, vasos de plantas, e outros recipientes contidos em lixo a céu aberto) que caracterizam potenciais criadouros de mosquitos, como o Aedes aegypt, a partir das imagens adquiridas. Contudo, apesar de se saber que água parada é uma condição essencial para a procriação de mosquitos, os sistemas de visão computacional (SVCs) propostos na literatura para análise automática das imagens não incluem a detecção de água nos objetos e cenários suspeitos, o que constitui uma limitação técnica para a utilização efetiva dos drones nas ações de monitoramento e controle de vetores. Neste trabalho é proposto um método que emprega uma Rede Neural Artificial do tipo Multilayer Perceptron (RNAMLP) para identificação de pequenas porções de água em imagens multiespectrais adquiridas por drones. Para a realização dos experimentos foi composta uma base contendo 151 imagens multiespectrais de 1280×960 pixels, que estão divididas em dois conjuntos e que foram adquiridas a partir de cenários simulados contendo pequenos recipientes com e sem água em um ambiente controlado. Os resultados obtidos pelo método proposto (precisão média de 0.759) corroboram seu potencial para incrementar a viabilidade técnica dos SVCs existentes, tornando-os mais efetivos no combate aos focos de mosquitos, o que pode trazer contribuições para a área de saúde pública.",
 	publisher = {Universidade Nove de Julho},
 	scholl = {Programa de Pós-Graduação em Informática e Gestão do Conhecimento},
 	note = {Informática}
}