Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/31752| Título: | Detecção e classificação de alvéolos em favos de apis mellifera,utilizando algoritmos de deep learning |
| Título(s) alternativo(s): | Detection and classification of alveoli in apis mellifera comb,using deep learning algorithms |
| Autor(es): | Pires, Willian Oliveira |
| Orientador(es): | Paula Filho, Pedro Luiz de |
| Palavras-chave: | Abelhas - Criação Redes neurais (Computação) Aprendizado do computador Bee culture Neural networks (Computer science) Machine learning |
| Data do documento: | 28-Mar-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | PIRES, Willian Oliveira. Detecção e classificação de alvéolos em favos de apis mellifera, utilizando algoritmos de deep learning. 2023. Dissertação (Mestrado em Tecnologias Computacionais para o Agronegócio) - Universidade Tecnológica Federal do Paraná, Medianeira, 2023. |
| Resumo: | A utilização de sistemas com machine learning em tarefas realizadas por humanos tem se tornado uma importante ferramenta, tornando atividades lentas e sujeitas a erro, mais rápidas e assertivas. Uma dessas atividades é a apicultura, um trabalho muito importante para preservação de abelhas e produção de alimento, mesmo com sua importância, este ainda é um processo muito manual com tarefas lentas e sujeitas a erro. Com o desenvolvimento de temas como machine learning e deep learning, surgiram novas ferramentas para o apicultor. O trabalho propõem desenvolver um modelo de deep learning que ajude no processo de contagem e classificação de alvéolos em favos, uma importante tarefa no manejo de colmeias. Para este desenvolvimento usou-se como base o projeto DeepBee e com ele foi separada a classe zangão e incluido no modelo, contemplando 8 classes (capped, dontcare, drone, eggs, honey, larve, nectar e pollen). Além de disponibilizar um algoritmo que permite facilitar o monitoramento de colmeias, através de arquivos. Foram utilizadas duas arquiteturas de modelos (MobileNet e ResNeXt) e a melhor apresentou uma f1-score de 95%. |
| Abstract: | The use of systems with machine learning in tasks performed by humans has become an important tool, making slow and error-prone activities faster and more assertive. One of these activities is beekeeping, a very important job for the preservation of bees and food production, even with its importance, this is still a very manual process with slow and error-prone tasks. With the development of topics such as machine learning and deep learning, new tools have emerged for the beekeeper. The work proposes to develop a deep learning model that helps in the process of counting and classifying alveoli in combs, an important task in the management of hives. For this development, the DeepBee project was used as a base and with it the drone class was separated and included in the model, contemplating 8 classes (capped, dontcare, drone, eggs,honey,larve,nectar and pollen). In addition to providing an algorithm that facilitates the monitoring of hives, through files. Two model architectures were used (MobileNet and ResNeXt) and the best one presented an f1-score of 95%. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/31752 |
| Aparece nas coleções: | MD - Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| deteccaoclassificacaoalveolosfavos.pdf | 3,09 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
