Reconhecimento e contagem automáticos de cianobactérias em água bruta de reservatórios da região de Curitiba
Resumo
Cianobactérias são organismos que podem ocorrer em reservatórios e mananciais. Algumas espécies podem produzir toxinas, nocivas por contato ou ingestão, podendo causar até morte. A lei exige análises periódicas da água destinada à população, para monitorar e controlar a qualidade. O processo de identificação e contagem das células de cianobactérias é custoso e manual. A inteligência artificial é atuante na resolução de problemas, e as redes neurais convolucionais são o estado da arte no reconhecimento de imagens e objetos. Propõe-se desenvolver um método automático para a identificação e contagem de células de cianobactérias. Testes demonstraram a factibilidade da proposta, bem como apontaram melhorias a serem feitas.
Referências
Cetesb. (2019) “Manual de cianobactérias planctônicas:Legistação, orientações para o monitoramento e aspectos ambientais”, São Paulo, http://cetesb.sp.gov.br/laboratorios/wp-content/uploads/sites/24/2015/01/manual-cianobacterias-2013.pdf, Janeiro.
Copasa. (2019) Copasa Orienta – Cianobactérias: o perigo das algas azuis. Saneamento, tratamento e abastecimento de água. Programa Chuá: Educação Sanitária e Ambiental da Copasa, http://www.copasa.com.br/wps/wcm/connect/771d71f8-d24f-4cdb-abf8-e3461660d5f6/COPASA_Agua.pdf?MOD=AJPERES, Janeiro.
Gandola E., Antonioli M., Traficante A., Franceschini S., Scardi M., Congestri R. (2016) “ACQUA: Automated Cyanobacterial Quantification Algorithm for toxic filamentous genera using spline curves, pattern recognition and machine learning.” J. Microbiol. Methods. 124:48–56. http://dx.doi.org/10.1016/j.mimet.2016.03.007
Duy, T. N., et al. (2000) “Toxicology and risk assessment of freshwater cyanobacterial (blue-green algal) toxins in water.” In: Review of Environmental and Contamination and Toxicology, 163: 113-186. http://dx.doi.org/10.1007/978-1-4757-6429-1_3
Esteves, F. A. (1998) “Fundamentos de Limnologia”. Ed. Interciência, 2a ed., RJ, 602 p.
G1. (2016) “Tragédia da Hemodiálise que deixou quase 60 mortos completa 20 anos”, Recife, http://g1.globo.com/pe/caruaru-regiao/noticia/2016/02/tragedia-da-hemodialise-que-deixou-quase-60-mortos-completa-20-anos.html.
Lecun, Y., Bengio Y., Hinton. G. (2015) “Deep Learning”. Nature, v521, p436-444. http://dx.doi.org/10.1038/nature14539
Mosleh, M. A. A., Manssor, H., Malek, S., Milow, P., Salleh, A. (2012) “A preliminary study on automated freshwater algae recognition and classification system.” BMC Informatics 13 (Suppl 17), S25. http://dx.doi.org/10.1186/1471-2105-13-S17-S25
Zeder, M., S. Peter, T. Shabarova, J. Pernthaler. (2009) “A small population of planktonic Flavobacteria with disproportionally high growth during the spring phytoplankton bloom in a prealpine lake.” Environ. Microbiol. http://dx.doi.org/10.1111/j.1462-2920.2009.01994.x
Copasa. (2019) Copasa Orienta – Cianobactérias: o perigo das algas azuis. Saneamento, tratamento e abastecimento de água. Programa Chuá: Educação Sanitária e Ambiental da Copasa, http://www.copasa.com.br/wps/wcm/connect/771d71f8-d24f-4cdb-abf8-e3461660d5f6/COPASA_Agua.pdf?MOD=AJPERES, Janeiro.
Gandola E., Antonioli M., Traficante A., Franceschini S., Scardi M., Congestri R. (2016) “ACQUA: Automated Cyanobacterial Quantification Algorithm for toxic filamentous genera using spline curves, pattern recognition and machine learning.” J. Microbiol. Methods. 124:48–56. http://dx.doi.org/10.1016/j.mimet.2016.03.007
Duy, T. N., et al. (2000) “Toxicology and risk assessment of freshwater cyanobacterial (blue-green algal) toxins in water.” In: Review of Environmental and Contamination and Toxicology, 163: 113-186. http://dx.doi.org/10.1007/978-1-4757-6429-1_3
Esteves, F. A. (1998) “Fundamentos de Limnologia”. Ed. Interciência, 2a ed., RJ, 602 p.
G1. (2016) “Tragédia da Hemodiálise que deixou quase 60 mortos completa 20 anos”, Recife, http://g1.globo.com/pe/caruaru-regiao/noticia/2016/02/tragedia-da-hemodialise-que-deixou-quase-60-mortos-completa-20-anos.html.
Lecun, Y., Bengio Y., Hinton. G. (2015) “Deep Learning”. Nature, v521, p436-444. http://dx.doi.org/10.1038/nature14539
Mosleh, M. A. A., Manssor, H., Malek, S., Milow, P., Salleh, A. (2012) “A preliminary study on automated freshwater algae recognition and classification system.” BMC Informatics 13 (Suppl 17), S25. http://dx.doi.org/10.1186/1471-2105-13-S17-S25
Zeder, M., S. Peter, T. Shabarova, J. Pernthaler. (2009) “A small population of planktonic Flavobacteria with disproportionally high growth during the spring phytoplankton bloom in a prealpine lake.” Environ. Microbiol. http://dx.doi.org/10.1111/j.1462-2920.2009.01994.x
Publicado
11/06/2019
Como Citar
LASKOSKI, Geisla de Albuquerque Melo; SOBIERANSKI, Antonio Carlos; LUDWIG, Thelma Alvim Veiga; DE OLIVEIRA , Lucas Ferrari.
Reconhecimento e contagem automáticos de cianobactérias em água bruta de reservatórios da região de Curitiba. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 19. , 2019, Niterói.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2019
.
p. 258-263.
ISSN 2763-8952.
DOI: https://doi.org/10.5753/sbcas.2019.6259.
