Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning

Detalhes bibliográficos
Autor(a) principal: Gomes, Walter Betini Sandim
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

Registros relacionados