Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/16002
Título: | Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning |
Autor(es): | Gomes, Walter Betini Sandim |
Orientador(es): | Borges, André Pinz |
Palavras-chave: | Abelhas - Classificação Inteligência computacional Detectores Bees - Classification Computational intelligence Detectors |
Data do documento: | 25-Jun-2019 |
Editor: | Universidade Tecnológica Federal do Paraná |
Câmpus: | Ponta Grossa |
Citação: | GOMES, Walter Betini Sandim. Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning. 2019. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2019. |
Resumo: | Com intuito de auxiliar no manutenção de colmeias na apicultura, esse projeto tem como objetivo o desenvolvimento de um classificador automático de subespécies de abelhas. Para isso foi desenvolvido um programa que utiliza das landmarks adaptadas de Nawrocka [1] para classificação, porém para realizar o processo de forma automática, foi necessário implementar um detector de objetos capaz de encontrar asas de abelha em uma imagem e um detector de landmarks capaz de indentificá-las em uma imagem e então proceder para classificação. O detector de objetos foi capaz de detectar 98% das asas e o detector de landmarks obteve foi capaz de detectar todos os landmarks em 91% dos casos, com uma precisão de 94% de semelhança com landmarks marcados a mão. A classificação por sua vez, apresentou bons resultados com as maiores classes dos datasets (em quantidade de elementos), tendo 92% de precisão com as duas maiores classes e 87% de precisão com as três maiores. |
Abstract: | The aim of this project is to help bee hive maintenance in beekeeping to develop an automatic bee subspecies classifier. For this, a program was developed that uses the landmarks adapted from Nawrocka [1] for classification, but to perform the process automatically, it was necessary to implement an object detector capable of finding bee wings in an image and a detector of landmarks able to identify them in an image and then proceed to classification. The object detector was able to detect 98 % of the wings and the landmarks detector obtained was able to detect all landmarks in 91 % of cases, with a precision of 94 % resemblance to hand-marked landmarks. The classification, in turn, presented good results with the largest classes of datasets, with 92 % accuracy with the two largest classes and 87 % accuracy with the three largest. |
Descrição: | O presente trabalho é resultado de um convênio de dupla diplomação com o Instituto Politécnico de Bragança (Portugal) |
URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/16002 |
Aparece nas coleções: | PG - Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
PG_COCIC_2019_2_03.pdf | 6,29 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.