Resultados Preliminares na Classificação de Insetos Utilizando Sensores Ópticos
Resumo
Neste trabalho nós apresentamos um sensor óptico de baixo custo para contagem e classificação automática de insetos vetores de doenças em tempo real. Nós mostramos que embora a tarefa de contagem seja relativamente simples, a classificação dos insetos em suas espécies é mais elaborada e requer a extração de atributos dos dados. São avaliados dois atributos: a frequência de batida de asas e o ritmo circadiano; bem como são apresentados outros atributos que podem ser incorporados aos classificadores em pesquisas futuras. Nossos resultados preliminares são promissores, com dados coletados com três espécies de insetos, foi possível classificá-los com acurácia acima de 90%.Referências
Dixon, K. W. (2009). Pollination and Restoration. Science, 325(5940):571–573.
Grüebler, M. U., Morand, M., and Naef-Daenzer, B. (2008). Agriculture, Ecosystems and Environment, 123(1–3):75–80.
Moore, A. and Miller, R. H. (2002). Automated identification of optically-sensed Aphid (Homoptera: Aphidae) wingbeat waveforms. Annals of the Entomological Society, 95(1):1–8.
Patnaik, J. L., Juliusson, L., and Vogt, R. L. (2007). Environmental predictors of human west nile virus infections, colorado. Emerging Infectious Diseases, 13(11):1788–1790.
Reed, S. C., Williams, C. M., and Chadwick, L. E. (1942). Frequency of wing-beat as a character for separating species races and geographic varieties of drosophila. Genetics, 27:349–361.
Roubaud, E. (1918). Rhythmes physiologiques et vol spontan chez l’anopheles maculipennis. C. R. Hebdomadaires des Seances de l’Academie des Science, 167:967–969.
Taylor, B. (1998). Biological clocks in mosquitoes. Website: [link].
Walker, K. (2002). A review of control methods for african malaria vector. Technical Report 108, Bureau for Global Health, Washington, DC, USA.
WHO (2010). The world malaria report. Technical report, World Health Organization.
Witten, I. H. and Frank, E. (2005). Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, San Francisco, 2nd edition.
Grüebler, M. U., Morand, M., and Naef-Daenzer, B. (2008). Agriculture, Ecosystems and Environment, 123(1–3):75–80.
Moore, A. and Miller, R. H. (2002). Automated identification of optically-sensed Aphid (Homoptera: Aphidae) wingbeat waveforms. Annals of the Entomological Society, 95(1):1–8.
Patnaik, J. L., Juliusson, L., and Vogt, R. L. (2007). Environmental predictors of human west nile virus infections, colorado. Emerging Infectious Diseases, 13(11):1788–1790.
Reed, S. C., Williams, C. M., and Chadwick, L. E. (1942). Frequency of wing-beat as a character for separating species races and geographic varieties of drosophila. Genetics, 27:349–361.
Roubaud, E. (1918). Rhythmes physiologiques et vol spontan chez l’anopheles maculipennis. C. R. Hebdomadaires des Seances de l’Academie des Science, 167:967–969.
Taylor, B. (1998). Biological clocks in mosquitoes. Website: [link].
Walker, K. (2002). A review of control methods for african malaria vector. Technical Report 108, Bureau for Global Health, Washington, DC, USA.
WHO (2010). The world malaria report. Technical report, World Health Organization.
Witten, I. H. and Frank, E. (2005). Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, San Francisco, 2nd edition.
Publicado
19/07/2011
Como Citar
SILVA, Diego F.; BATISTA, Gustavo E.; KEOGH, Eamonn; MAFRA-NETO, Agenor.
Resultados Preliminares na Classificação de Insetos Utilizando Sensores Ópticos. In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL (ENIAC), 8. , 2011, Natal/RN.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2011
.
p. 749-760.
ISSN 2763-9061.
