Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/47102

Share on

Title: Identificação de fungos anemófilos, em ambientes abertos, através de um nariz eletrônico e modelos de inteligência artificial
Authors: VASCONCELOS, Paulo Júnior de Moraes
Keywords: Inteligência computacional; Séries temporais
Issue Date: 22-Jun-2022
Publisher: Universidade Federal de Pernambuco
Citation: VASCONCELOS, Paulo Júnior de Moraes. Identificação de fungos anemófilos, em ambientes abertos, através de um nariz eletrônico e modelos de inteligência artificial. 2022. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2022.
Abstract: Os fungos se dispersam na natureza através do ar atmosférico ou por outras vias, tais como água, insetos, humanos e animais. Os fungos que se dispersam pelo ar atmosférico são chamados de fungos anemófilos. Em indústrias, como a farmacêutica e a de alimentos, a preservação da qualidade do ar nos ambientes é um ponto importante para a garantia asséptica dos produtos. Os hospitais são ambientes que precisam de mais atenção em termos de monitoramento ambiental de áreas críticas. As questões de segurança alimentar em toda a cadeia global de fornecimento de alimentos tornaram-se fundamentais para promover a segurança da saúde pública e o sucesso comercial da indústria alimentícia global. Tecnologias e ferramentas de diagnóstico rápido e não invasivo, baseadas em volatomics, através de narizes eletrônicos, são muito promissoras. De forma sucinta, o trabalho dessa dissertação é classificar corretamente séries temporais. Os Volatile Organic Compounds (VOC)s emitidos pelas colônias de fungos anemófilos são lidos por um nariz eletrônico que os identifica e os armazena na forma de séries temporais. Essa pesquisa apresenta um estudo sobre os fungos anemófilos, explica o que são os VOCs, efetua uma breve introdução sobre séries temporais, evidencia e e debate a respeito do nariz eletrônico utilizado nos experimentos, explana sobre os motivos que levaram a escolher os modelos de IA para resolver o problema, analisa o funcionamento dos modelos de IA selecionados além de apresentar e explorar os dados evidenciados na pesquisa. Foram montados dois conjuntos de dados, o "Placa" que reúne os dados coletados das placas de textitPetri com colônias de fungos anemófilos e o "Aberto" que compila dados do ar de ambiente com a dispersão das colônias de fungos anemófilos em placas de textitPetri abertas. O classificador MrSEQL teve o melhor desempenho na base de dados "Placa", alcançando uma precisão de 94,5% no conjunto de testes. O classificador Arsenal obteve os melhores resultados na base ("Placa+Aberto"), obtendo uma precisão de 94,9% no conjunto de teste. No último experimento realizado, o treinamento foi realizado em "Placa" e o teste em "Aberto". Os resultados foram insatisfatórios, com precisão máxima de apenas 58,8% no conjunto de teste. O comportamento dos fungos anemófilos é influenciado pelo ambiente (poluído, aberto, em mata, fechado, estéril etc.), temperatura, umidade, pH, entre outros. Diante disto, acredita-se estar justificado que os VOCs emitidos pelas colônias anemófilas em uma placa são diferentes dos emitidos pelas colônias anemófilas para o ambiente aberto. Como trabalhos futuros tem-se a expansão e a diversificação dos testes de fungos anemófilos visando cobrir uma gama mais ampla de problemas e patologias associadas a mais espécies de fungos anemófilos, bem como a expansão das bases de dados. No estudo de modelos de classificadores especializados para séries temporais, o objetivo é encontrar o modelo com os resultados mais satisfatórios e os menores custos computacionais.
URI: https://repositorio.ufpe.br/handle/123456789/47102
Appears in Collections:Dissertações de Mestrado - Ciência da Computação

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO Paulo Júnior de Moraes Vasconcelos.pdf3,88 MBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons