Automatic assessment of honey bee cells using deep learning
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
Texto Completo: | http://repositorio.utfpr.edu.br/jspui/handle/1/12503 |
Resumo: | O presente trabalho é resultado de um convênio de dupla diplomação com o Instituto Politécnico de Bragança, Portugal |
id |
UTFPR-12_db8b06941edf4634520ab3939303c28d |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/12503 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2020-11-16T13:09:18Z2020-11-16T13:09:18Z2018-11-26ALVES, Thiago da Silva. Automatic assessment of honey bee cells using deep learning. 2018. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Universidade Tecnológica Federal do Paraná, Medianeira, 2018.http://repositorio.utfpr.edu.br/jspui/handle/1/12503O presente trabalho é resultado de um convênio de dupla diplomação com o Instituto Politécnico de Bragança, PortugalA análise temporal sobre a qualidade e força de colônias de abelha melífera (Apis mellifera L.) é necessária em muitos projetos de pesquisa. Ela pode ser realizada contando alvéolos com alimento (pólen e néctar) e criação. É comum que ela seja feita diversas vezes ao ano. A grande quantidade de alvéolos em cada favo torna a tarefa demorada e tediosa ao pesquisador. Assim, frequentemente essa contagem é feita forma aproximada usando métodos como o de Lieberfeld. Automatizar este processo usando técnicas modernas de processamento de imagem representa um grande avanço, pois resultados mais precisos e padronizados poderão ser obtidos em menos tempo. O objetivo deste trabalho é construir de um software capaz de detectar, classificar e contar alvéolos a partir de uma imagem. Após, ele deverá apresentar os dados de forma simplificada ao usuário. Para tratar da alta variação de padrões como textura, cor e iluminação presente nas alvéolos, usaremos Deep Neural Network (DNN), que são modelos computacionais conhecidos por terem alcançado o estado da arte em várias tarefas relacionadas a processamento de sinais e imagens. Para o treinamento desses modelos utilizamos mais de 70.000 alvéolos anotadas por um apicultor experiente, separadas em sete classes. Entre nossas contribuições estão métodos de préprocessamento que garantem uma alta taxa de detecção de alvéolos, aliados a modelos de segmentação baseados em DNNs que asseguram uma baixa taxa de falsos positivos. Com nossos classificadores conseguimos uma acurácia média de 94% em nosso dataset e obtivemos resultados superiores a outros métodos baseados em contagens aproximadas e técnicas de análise por imagem que não utilizam DNNs.Temporal assessment of honey bee colony strength is required for different applications in many research projects, which often involves counting the number of comb cells with brood and food reserves multiple times a year. There are thousands of cells in each comb, which makes manual counting a time-consuming, tedious and thereby an error-prone task. Therefore, the automation of this task using modern imaging processing techniques represents a major advance. Herein, we developed a software capable of (i) detecting each cell from comb images, (ii) classifying its content and (iii) display the results to the researcher in a simple way. The cells’ contents typically display a high variation of patterns which make their classification by software a challenging endeavour. To address this challenge, we used Deep Neural Networks (DNNs). DNNs are known for achieving the state of art in many fields of study including image classification, because they can learn features that best describe the content being classified by themselves. Our DNN model was trained with over 70,000 manually labelled cell images whose cells were separated into seven classes. Our contribution is an end-to-end software capable of doing automatic background removal, cell detection, and classification of cell content based on an input comb image. With this software, colony assessment achieves an average accuracy of 94% across the seven classes in our dataset, representing a substantial progress regarding the approximation methods (e.g. Lieberfeld) currently used by honey bee researchers and previous techniques based on machine learning that used handmade features like colour and texture.engUniversidade Tecnológica Federal do ParanáMedianeiraCiência da ComputaçãoUTFPRPortugalCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOAbelhas - Criação - Equipamento e acessóriosAbelhasInovações tecnológicasBee culture - Equipment and suppliesBeesTechnological innovationsAutomatic assessment of honey bee cells using deep learningAnálise automática de alvéolos em favos de abelha utilizando deep learninginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisBragançaRodrigues, Pedro JoãoPaula Filho, Pedro Luiz deJoão Rodrigues, PedroPaula Filho, Pedro Luiz deCandido Junior, ArnaldoPinto, Maria AliceAlves, Thiago da Silvainfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALautomaticassessmentusinglearning.pdfapplication/pdf92026204http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12503/1/automaticassessmentusinglearning.pdf468c1419593da05d6949b53885615454MD51LICENSElicense.txttext/plain1290http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12503/2/license.txtb9d82215ab23456fa2d8b49c5df1b95bMD52TEXTautomaticassessmentusinglearning.pdf.txtExtracted texttext/plain285091http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12503/3/automaticassessmentusinglearning.pdf.txte744caeecd6ea176f693dd6618a0fec5MD53THUMBNAILautomaticassessmentusinglearning.pdf.jpgGenerated Thumbnailimage/jpeg1521http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12503/4/automaticassessmentusinglearning.pdf.jpg5908bbe494704087facd4517f3cca53dMD541/125032020-11-16 11:09:18.142oai:repositorio.utfpr.edu.br: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ório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2020-11-16T13:09:18Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Automatic assessment of honey bee cells using deep learning |
dc.title.alternative.pt_BR.fl_str_mv |
Análise automática de alvéolos em favos de abelha utilizando deep learning |
title |
Automatic assessment of honey bee cells using deep learning |
spellingShingle |
Automatic assessment of honey bee cells using deep learning Alves, Thiago da Silva CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Abelhas - Criação - Equipamento e acessórios Abelhas Inovações tecnológicas Bee culture - Equipment and supplies Bees Technological innovations |
title_short |
Automatic assessment of honey bee cells using deep learning |
title_full |
Automatic assessment of honey bee cells using deep learning |
title_fullStr |
Automatic assessment of honey bee cells using deep learning |
title_full_unstemmed |
Automatic assessment of honey bee cells using deep learning |
title_sort |
Automatic assessment of honey bee cells using deep learning |
author |
Alves, Thiago da Silva |
author_facet |
Alves, Thiago da Silva |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Rodrigues, Pedro João |
dc.contributor.advisor-co1.fl_str_mv |
Paula Filho, Pedro Luiz de |
dc.contributor.referee1.fl_str_mv |
João Rodrigues, Pedro |
dc.contributor.referee2.fl_str_mv |
Paula Filho, Pedro Luiz de |
dc.contributor.referee3.fl_str_mv |
Candido Junior, Arnaldo |
dc.contributor.referee4.fl_str_mv |
Pinto, Maria Alice |
dc.contributor.author.fl_str_mv |
Alves, Thiago da Silva |
contributor_str_mv |
Rodrigues, Pedro João Paula Filho, Pedro Luiz de João Rodrigues, Pedro Paula Filho, Pedro Luiz de Candido Junior, Arnaldo Pinto, Maria Alice |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Abelhas - Criação - Equipamento e acessórios Abelhas Inovações tecnológicas Bee culture - Equipment and supplies Bees Technological innovations |
dc.subject.por.fl_str_mv |
Abelhas - Criação - Equipamento e acessórios Abelhas Inovações tecnológicas Bee culture - Equipment and supplies Bees Technological innovations |
description |
O presente trabalho é resultado de um convênio de dupla diplomação com o Instituto Politécnico de Bragança, Portugal |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-11-26 |
dc.date.accessioned.fl_str_mv |
2020-11-16T13:09:18Z |
dc.date.available.fl_str_mv |
2020-11-16T13:09:18Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
ALVES, Thiago da Silva. Automatic assessment of honey bee cells using deep learning. 2018. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Universidade Tecnológica Federal do Paraná, Medianeira, 2018. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/12503 |
identifier_str_mv |
ALVES, Thiago da Silva. Automatic assessment of honey bee cells using deep learning. 2018. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Universidade Tecnológica Federal do Paraná, Medianeira, 2018. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/12503 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Medianeira |
dc.publisher.program.fl_str_mv |
Ciência da Computação |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Portugal |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Medianeira |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12503/1/automaticassessmentusinglearning.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12503/2/license.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12503/3/automaticassessmentusinglearning.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/12503/4/automaticassessmentusinglearning.pdf.jpg |
bitstream.checksum.fl_str_mv |
468c1419593da05d6949b53885615454 b9d82215ab23456fa2d8b49c5df1b95b e744caeecd6ea176f693dd6618a0fec5 5908bbe494704087facd4517f3cca53d |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1797043935969804288 |