Identificação de potenciais focos de dengue usando redes neurais artificiais com dados de sensoriamento remoto
| dc.contributor.advisor | Doutor Leandro Freitas de Abreu | |
| dc.contributor.author | Reis, Letícia Fernandes dos | |
| dc.contributor.coadvisor | Mestre Virgil Del Duca Almeida | |
| dc.date.accessioned | 2024-01-15T17:02:07Z | |
| dc.date.available | 2024-01-15T17:02:07Z | |
| dc.date.issued | 2023-12-18 | |
| dc.description.abstract | Este trabalho tem como objetivo verificar a viabilidade de usar uma rede neural artificial (RNA) em imagens de sensoriamento remoto para identificar grandes focos de mosquito da dengue, proporcionando uma maneira automática e eficaz aliada ao combate à doença. O foco escolhido no trabalho foi a piscina, que possui uma grande área, não fica abastecida apenas no período de chuva e quando não está tratada se torna um grande criadouro dos mosquitos Aedes aegypti e Aedes albopictus transmissores da doença. Para isso foi necessário definir o tipo adequado de rede neural artificial para fazer a detecção automática de piscinas usando imagens de sensoriamento remoto, foi utilizada a rede neural convolucional (CNN) YOLOv8, pela sua notoriedade no desempenho de detecção de imagem. Em seguida foi preparado o banco de dados para o treinamento da rede, separando os dados de treinamento e validação, transformando as anotações COCO em anotações YAML, que podem ser identificadas corretamente pelo modelo. E nos resultados foi analisado o desempenho e a eficácia das respostas obtidas nas etapas de treinamento e validação e observar o comportamento do modelo em um novo conjunto de dados. | |
| dc.description.abstract1 | This work aims to verify the feasibility of using artificial neural network (RNA) in remote sensing images to identify large dengue mosquito outbreaks, providing an automatic and effective way of combating the disease. The focus chosen for the work was the swimming pool, which has a large area, is not filled only during the rainy season and, when untreated, becomes a major breeding ground for the Aedes aegypti and Aedes albopictus mosquitoes that transmit the disease. To do this, it was necessary to define the appropriate type of artificial neural network to perform automatic detection of swimming pools using remote sensing images. The Convolutional Neural Networks (CNN) YOLOv8 network was used, due to its notoriety in image detection performance. The database for training the network was then prepared by separating the training and validation data, transforming the COCO annotations into YAML annotations, which can be correctly identified by the model. The results analyzed the performance and effectiveness of the answers obtained in the training and validation stages and observed the model’s behavior on a new dataset. | |
| dc.identifier.uri | http://hdl.handle.net/20.500.14387/1538 | |
| dc.language.iso | Português | |
| dc.publisher.campi | Betim | |
| dc.publisher.country | Brasil | |
| dc.publisher.institution | Instituto Federal de Minas Gerais | |
| dc.rights | Acesso aberto | |
| dc.subject.keyword | CNN | |
| dc.subject.keyword | YOLO | |
| dc.subject.keyword | YOLOv8 | |
| dc.subject.keyword | Detecção de Imagem | |
| dc.subject.keyword | Dengue. | |
| dc.title | Identificação de potenciais focos de dengue usando redes neurais artificiais com dados de sensoriamento remoto | |
| dc.type | Trabalho de Conclusão de Curso |