Identificação de mosquitos Aedes aegypti / albopictus utilizando visão computacional

Abstract

Segundo a Organização Mundial da Saúde estima-se que a dengue afeta 390 milhões de pessoas por ano. Somente no Brasil, no ano de 2020 foram notificados 979.764 casos prováveis de dengue. Os principais vetores responsáveis pela disseminação da dengue são os mosquitos Aedes aegypti e Aedes albopictus. Além da dengue eles também transmitem outras doenças como chikungunya, zika e febre amarela. Uma ferramenta que identifique as espécies de mosquitos, poderia ser uma forma de colaborar com os centros de zoonoses no controle dessas doenças. Nesta dissertação é proposta uma metodologia para classificar mosquitos através da espécie e sexo por intermédio do uso de imagens associadas às técnicas de processamento digital de imagens. Após a aquisição das amostras de mosquitos, são criadas três bases de dados utilizando uma câmera de smartphone, uma câmera macro, e uma câmera digital single Lens reflex. As técnicas auto color correlogram (ACC), gray level co-occurrence matrix (GLCM) e momentos de Hu são aplicadas para extrair características das imagens, e em seguida empregados os classificadores support vector machine (SVM), random forest (RF), k-nearest neighbors (KNN) e multilayer perceptron (MLP). Ao todo, são classificadas 800 imagens divididas em quatro classes e em três bases de dados. Como resultado, constatou-se que a melhor metodologia utiliza gray level co-occurrence matrix e random forest, no qual foi possível obter uma acurácia média de 97,55% nas três bases de dados