Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/66831

Share on

Full metadata record
DC FieldValueLanguage
dc.contributor.advisorALMEIDA, Leandro Maciel-
dc.contributor.authorFREITAS, Allan Santos de-
dc.date.accessioned2025-11-11T23:44:36Z-
dc.date.available2025-11-11T23:44:36Z-
dc.date.issued2025-07-30-
dc.identifier.citationFREITAS, Allan Santos de. Uma metodologia de contagem automática de ovos de Aedes aegypti a partir de imagens obtidas por smartphone. 2025. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco, Recife, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/66831-
dc.description.abstractInsetos transmissores de doenças, como o Aedes aegypti, causam danos significativos em várias áreas da sociedade. Doenças relacionadas, como Dengue, Zika e Chikungunya têm cau- sado prejuízos sanitários, sociais e econômicos ao redor do globo, principalmente em países tropicais. Dentre os métodos de combate, a vigilância entomológica provê mecanismos pre- ditivos baseados em indicadores-chave, envolve a metodologia de ovitrampas e consequente contagem manual de ovos do mosquito em palhetas de ovitrampa para obtenção de infor- mações para posterior tomada de decisões no combate ao mosquito. Problemas inerentes à laboriosa contagem manual dos ovos demandam métodos acurados de contagem automática. Este trabalho propõe o desenvolvimento de uma metodologia de contagem automática de ovos de Aedes aegypti em palhetas de ovitrampa de viável aplicação operacional, de baixo custo e que, além de resolver problemas fundamentais da captura de imagens, como dificuldades de iluminação, resolve também problemas frequentes na literatura, como a captura redundante de regiões da palheta. Abordagens anteriores promoveram considerável avanço no desenvol- vimento de métodos de contagem automática, restando, entretanto, numerosas dificuldades e pontos de melhoria. Contribuições importantes desta pesquisa incluem a definição de uma metodologia de contagem de ovos baseada em redes neurais de detecção de objetos, além da criação de um dispositivo de baixo custo para captura adequada de imagens em palhetas de ovitrampa, a criação de base de dados numericamente significativa dessas imagens, avaliação experimental do impacto de técnicas de pré-processamento baseadas em processamento de imagens, bem como de rede neural de restauração de imagens degradadas. Também, trei- namento e avaliação de modelos, como D-FINE e RF-DETR, obtendo erro médio de 91,26 ovos e -2,77% de erro global percentual no reconhecimento de ovos em imagens com ruídos expressivos, bem como, por fim, o uso de quantidade significativa de 28 palhetas como con- junto independente de validação da aplicabilidade desta metodologia em cenários de uso real, número bastante expressivo considerando-se trabalhos encontrados na literatura.pt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/pt_BR
dc.subjectContagem automáticapt_BR
dc.subjectAedes aegyptipt_BR
dc.subjectAprendizagem profundapt_BR
dc.subjectDispositivo de captura de baixo custopt_BR
dc.subjectBase de dados de ovospt_BR
dc.subjectPalheta de ovitrampapt_BR
dc.titleUma metodologia de contagem automática de ovos de Aedes aegypti a partir de imagens obtidas por smartphonept_BR
dc.typemasterThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/3896131004264393pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.levelmestradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/8513145553846486pt_BR
dc.publisher.programPrograma de Pos Graduacao em Ciencia da Computacaopt_BR
dc.description.abstractxDisease-transmitting insects, such as Aedes aegypti, cause significant damage in vari- ous areas of society. Related diseases such as Dengue, Zika, and Chikungunya have led to health, social, and economic losses worldwide, especially in tropical countries. Among the control methods, entomological surveillance provides predictive mechanisms based on key in- dicators, involving the use of ovitraps and subsequent manual counting of mosquito eggs on oviposition paddles to support decision-making in mosquito control. Problems inherent in the labor-intensive manual counting process demand accurate automatic counting methods. This work proposes the development of an automatic Aedes aegypti egg-counting methodology for oviposition paddles, with low cost and operational feasibility, which, in addition to solving fundamental issues in image acquisition such as lighting difficulties, also addresses frequent problems reported in the literature, including redundant capture of paddle regions. Previous approaches have promoted considerable progress in developing automatic counting methods; however, numerous challenges and areas for improvement remain. Important contributions of this research include the definition of an egg-counting methodology based on object detection neural networks, the development of a low-cost device for proper image acquisition in ovipo- sition paddles, the creation of a numerically significant image dataset, and an experimental evaluation of the impact of preprocessing techniques based on image processing, as well as a neural network for restoring degraded images. Additionally, training and evaluation of models such as D-FINE and RF-DETR achieved a mean error of 91.26 eggs and a mean percent- age error of -2.77% in recognizing eggs in images with expressive noise. Finally, a substantial number of 28 paddles were used as an independent set to validate the applicability of this methodology in real-world scenarios, a figure that is considerably significant considering works reported in the literature.pt_BR
Appears in Collections:Dissertações de Mestrado - Ciência da Computação

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO Allan Santos de Freitas.pdf40.95 MBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons