UAV Aerial Surveillance to Georeference Aedes-Aegypti Mosquito Breading Grounds
Nome: ANTHONY OLIVEIRA PINTO
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 31/01/2022
Orientador:
Nome |
Papel |
|---|---|
| MARIO SARCINELLI FILHO | Orientador |
| PATRICK MARQUES CIARELLI | Co-orientador |
Banca:
| Nome |
Papel |
|---|---|
| JORGE LEONID ACHING SAMATELO | Examinador Externo |
| LUCAS VAGO SANTANA | Examinador Externo |
| MARIO SARCINELLI FILHO | Orientador |
| PATRICK MARQUES CIARELLI | Coorientador |
Resumo: O número anual de casos de Dengue, Zika e Chikungunya no Brasil é alarmante. Uma forma de minimizar esse problema é identificar e tratar possíveis criadouros do mosquito, como piscinas, caixas dágua inexploradas, etc. Com foco em criar uma ferramenta para auxiliar as autoridades a localizar tais criadouros de mosquitos, esta Dissertação de Mestrado propõe um modelo YOLO específico para detectar piscinas em um determinado bairro, a partir de imagens capturadas por um quadrimotor. Assim, é proposto um sistema
de detecção de objetos baseado em uma rede neural convolucional, a YOLOv3, para detectar piscinas em imagens coletadas pelo quadrimotor ao voar autonomamente sobre tal vizinhança. Foi criado um conjunto de dados, com imagens aéreas de alta resolução, com os objetos desejados anotados, para ser usado como um conjunto de dados de treinamento para as camadas internas da YOLO, com 150 imagens coletadas de sites de fotografias
de alta resolução. A avaliação do classificador assim obtido ocorreu em um banco de dados contendo 72 imagens de satélite com diferentes resoluções, em três diferentes escalas de imagem, para duas localidades distintas, coletadas do Google Maps. Outros testes foram realizados sobre imagens coletadas por um quadrimotor Bebop 2 sobrevoando um bairro, além de vídeos, quadro a quadro. O resultado é que o classificador conseguiu
detectar corretamente o objeto, o que significa identificar o objeto procurado e marcar sua localização por meio de uma caixa delimitadora. Com isso, a perspectiva de utilizar o sistema proposto para detectar possíveis criadouros de mosquitos é bastante significativa, justificando o desenvolvimento de todo o sistema, conforme descrito nesta dissertação.
Palavras-chave: YOLO, CNN, detecção de objetos, vigilância aérea, visão computacional.
