Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10198/22417 |
Resumo: | Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná |
id |
RCAP_77def4409cda24d840995459974a0fba |
---|---|
oai_identifier_str |
oai:bibliotecadigital.ipb.pt:10198/22417 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learningVisão computacionalDetecção de landmarksDetector de objetosDeep learningDomínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaMestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do ParanáCom 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.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.Este trabalho é financiado por Fundos FEDER através do Programa Operacional Competitividade e Internacionalização - COMPETE 2020 e por Fundos Nacionais através da FCT - Fundação para a Ciência e a Tecnologia no âmbito do projeto POCI-01-0145- FEDER-029871.Rodrigues, Pedro JoãoBorges, André PinzPinto, M. AliceBiblioteca Digital do IPBGomes, Walter Betini Sandim2020-06-29T11:04:11Z202020182020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10198/22417TID:202489663porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-21T10:50:13Zoai:bibliotecadigital.ipb.pt:10198/22417Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T23:13:37.859282Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning |
title |
Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning |
spellingShingle |
Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning Gomes, Walter Betini Sandim Visão computacional Detecção de landmarks Detector de objetos Deep learning Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
title_short |
Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning |
title_full |
Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning |
title_fullStr |
Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning |
title_full_unstemmed |
Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning |
title_sort |
Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning |
author |
Gomes, Walter Betini Sandim |
author_facet |
Gomes, Walter Betini Sandim |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rodrigues, Pedro João Borges, André Pinz Pinto, M. Alice Biblioteca Digital do IPB |
dc.contributor.author.fl_str_mv |
Gomes, Walter Betini Sandim |
dc.subject.por.fl_str_mv |
Visão computacional Detecção de landmarks Detector de objetos Deep learning Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
topic |
Visão computacional Detecção de landmarks Detector de objetos Deep learning Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
description |
Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018 2020-06-29T11:04:11Z 2020 2020-01-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10198/22417 TID:202489663 |
url |
http://hdl.handle.net/10198/22417 |
identifier_str_mv |
TID:202489663 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799135412618264576 |