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 | Size | Format | |
---|---|---|---|---|
DISSERTAÇÃO Paulo Júnior de Moraes Vasconcelos.pdf | 3,88 MB | Adobe PDF | ![]() View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License