Contagem automática de ovos do mosquito Aedes aegypti utilizando métodos de aprendizagem profunda e dispositivo de baixo custo

Abstract

O mosquito Aedes aegypti causa grandes transtornos ao ser humano, por ser o principal vetor de transmissão de arboviroses como: Dengue, Febre Amarela, Zika e Chikungunya que infectam mais de 400 milhões de pessoas a cada ano no mundo. Uma forma eficiente de evitar o crescimento no número de casos das arboviroses citadas é com programas de vigilância vetorial que ajuda no monitoramento de propagação de doenças causadas pelo Ae. aegypti. Entre os indicadores como quantidade de ovos, larvas, pupas ou quantidade fêmeas de mosquitos que a vigilância vetorial utiliza, os dispositivos utilizados para coleta de ovos de Ae. aegypti (ovitrampas), é um dos métodos mais eficientes na capacidade de detecção da presença de mosquitos mesmo em situação de baixa infestação. As ovitrampas consistem em recipientes escuros com entradas largas preenchidas parcialmente com água e uma palheta áspera de madeira instalada verticalmente em seu interior. Elas são colocadas em pontos estratégicos e depois de um tempo, a palheta é retirada do recipiente e levada para laboratório para ser possível fazer a contagem de ovos. Esta contagem é extremamente importante, pois as ovitrampas de regiões que apresentam o maior número de ovos recebem atenção especial de órgãos públicos em campanhas de combate ao mosquito. Entretanto, a contagem desses ovos em palhetas é feita manualmente, sendo uma atividade exaustiva e repetitiva para os técnicos que precisam realizar esta tarefa. Dado o contexto, neste trabalho foi construído um dispositivo que auxilia a contagem de ovos de Ae. aegypti com menos intervenção humana. Este dispositivo capta imagens da palheta, essas imagens são dadas como entrada para algoritmos de reconhecimento automatizado possibilitando o reconhecimento de ovos e consequentemente a sua contagem. Para alcançar os objetivos da automatização desta tarefa de contagem de ovos, foi utilizado o conceito de aprendizagem profunda com Redes Neurais Convolucionais (CNNs) que configuram o estado da arte em problemas de visão computacional. Para a utilização de CNNs, foi realizado um estudo de quais modelos poderiam ser adaptados ao problema de contagem de ovos, após escolhidos os modelos foi aplicado o processo de Transferência de Aprendizado destes modelos, visto que, os melhores modelos na literatura são treinados em grandes bases de dados e o que eles aprendem nessas bases pode ser reaproveitado em outras tarefas, de modo que se consegue treiná-los em outros conjuntos de dados, tornando o processo de treinamento mais rápido e mais efetivo em outros dados. Para treinar esses modelos foi construída uma base de dados própria com imagens de ovos de Ae. aegypti, visto que, uma das dificuldades encontradas em trabalhos da literatura que abordam a contagem automática de ovos é falta de dados para treinar algoritmos para realizar esta tarefa. Os modelos de CNNs utilizados nesta dissertação apresentaram uma acurácia média no reconhecimento de ovos de 92%. Por fim, o estudo realizado servirá como base para construir uma ferramenta completa que auxilie todo o processo de contagem e tomada de decisão dos técnicos.