ARTIGOS
CIENTÍFICOS
Este artigo apresenta um sistema do BIO SCAN com detecção
automática de criadouros do mosquito Aedes aegypti, como pneus e tanques de água, utilizando drones e redes profundas. O sistema se baseia em um banco de dados de vídeos anotados manualmente, onde as imagens são processadas por uma arquitetura de aprendizado de máquina
(Faster R-CNN). Um módulo de consistência espaço-temporal é integrado para melhorar a precisão das detecções ao
correlacionar informações entre quadros de vídeo vizinhos,
minimizando falsos positivos e negativos. A abordagem reduz
custos e otimiza a busca por locais de reprodução de
mosquitos.
O mosquito Aedes aegypti transmite doenças como dengue,
zika e chikungunya, sendo crucial eliminar seus criadouros
para prevenir surtos. A tarefa de identificar esses locais
manualmente é demorada e ineficiente. Utilizando drones e
aprendizado de máquina, esse estudo implementa técnicas
de aumento de dados para detectar automaticamente
criadouros potenciais, como pneus e tanques d'água. Modelos
de redes neurais, como Faster R-CNN e YOLOv5, mostraram
melhorias significativas, com um aumento de até 14,1% na
precisão. Esses resultados indicam que a abordagem
automatizada pode auxiliar agências de saúde a otimizar o
controle do Aedes aegypti, tornando-o mais rápido e eficaz.