Análise da Autocorrelação no reconhecimento de moscas-das-frutas pelo sinal bioacústico de batimento de asas
Resumo
Este estudo avalia o uso da Autocorrelação como técnica de extração de características em um sistema de reconhecimento de moscas-das-frutas por meio de seus sinais bioacústicos de batimento de asas. Para isso, foi gerado um conjunto de dados com as moscas-das-frutas Anastrepha fraterculus e Ceratitis capitata utilizando um sensor optoeletrônico próprio. As características utilizadas para a classificação foram a frequência fundamental obtida por Autocorrelação e FFT, além do espectro de frequência obtido por FFT. Os resultados indicam que o uso da frequência fundamental obtida por FFT e Autocorrelação melhora o desempenho do sistema de classificação (sensibilidade de 96% com RF), apresentando resultados próximos ao uso do espectro de frequência (sensibilidade de 97% com SVM).
Palavras-chave:
Autocorrelação, Moscas-das-frutas, Aprendizado de Máquina, Bioacústica, Batimento de asas
Referências
Ministério da Agricultura, Pecuária e Abastecimento. PLANO NACIONAL DE DESENVOLVIMENTO DA FRUTICULTURA. acessado em maio de 2023. Disponível em: [link].
DIAS, N. d. S. et al. Moscas-das-frutas (Diptera: Tephritidae) e plantas hospedeiras em municípios do estado do Ceará. [S.l.]: Fortaleza: Embrapa Agroindústria Tropical.,2022.
PARANHOS, B. J.; NAVA, D. E.; MALAVASI, A. Biological control of fruit flies in Brazil. Pesquisa Agropecuária Brasileira, [S.l.], v.54, 2019.
NAVA, D. E.; BOTTON, M. Bioecologia e controle de Anastrepha fraterculus e Ceratitis capitata em pessegueiro. [S.l.]: Pelotas: Embrapa Clima Temperado., 2010.
HASSALL, Kirsty L. et al. Resolving the identification of weak-flying insects during flight: a coupling between rigorous data processing and biology. Agricultural and Forest Entomology, v. 23, n. 4, p. 489, 2021.
POTAMITIS, Ilyas; GANCHEV, Todor; FAKOTAKIS, Nikos. Automatic acoustic identification of insects inspired by the speaker recognition paradigm. In: INTERSPEECH. 2006.
POTAMITIS, Ilyas; RIGAKIS, Iraklis. Measuring the fundamental frequency and the harmonic properties of the wingbeat of a large number of mosquitoes in flight using 2D optoacoustic sensors. Applied Acoustics, v. 109, p. 54-60, 2016.
GONZÁLEZ-PÉREZ, María I. et al. A novel optical sensor system for the automatic classification of mosquitoes by genus and sex with high levels of accuracy. Parasites and vectors, v. 15, n. 1, p. 1-11, 2022.
VASCONCELOS, Dinarte; NUNES, Nuno Jardim; GOMES, João. An annotated dataset of bioacoustic sensing and features of mosquitoes. Scientific Data, v. 7, n. 1, p. 382, 2020.
POTAMITIS, Ilyas; RIGAKIS, Iraklis; FYSARAKIS, Konstantinos. Insect biometrics: Optoacoustic signal processing and its applications to remote monitoring of McPhail type traps. PloS one, v. 10, n. 11, p. e0140474, 2015.
POTAMITIS, Ilyas; RIGAKIS, Iraklis; TATLAS, Nicolaos-Alexandros. Automated surveillance of fruit flies. Sensors, v. 17, n. 1, p. 110, 2017.
SANDRINI MORAES, Fabiano; EDSON NAVA, Dori; SCHEUNEMANN, Tiago; SANTOS da ROSA, Vagner. Development of an optoelectronic sensor for detecting and classifying fruit fly (Diptera: Tephritidae) for use in real-time intelligent traps. Sensors, v. 19, n. 5, p. 1254, 2019.
HEINZEL, Gerhard; RÜDIGER, Albrecht; SCHILLING, Roland. Spectrum and spectral density estimation by the Discrete Fourier transform (DFT), including a comprehensive list of window functions and some new at-top windows. 2002.
PROAKIS, John G. Digital signal processing: principles, algorithms, and applications, 4/E. Pearson Education India, 2007.
GERHARD, David et al. Pitch extraction and fundamental frequency: History and current techniques. Regina, SK, Canada: Department of Computer Science, University of Regina, 2003.
RASCHKA, Sebastian; MIRJALILI, Vahid. Python machine learning: Machine learning and deep learning with Python, scikit-learn, and TensorFlow 2. Packt Publishing Ltd, 2019.
DIAS, N. d. S. et al. Moscas-das-frutas (Diptera: Tephritidae) e plantas hospedeiras em municípios do estado do Ceará. [S.l.]: Fortaleza: Embrapa Agroindústria Tropical.,2022.
PARANHOS, B. J.; NAVA, D. E.; MALAVASI, A. Biological control of fruit flies in Brazil. Pesquisa Agropecuária Brasileira, [S.l.], v.54, 2019.
NAVA, D. E.; BOTTON, M. Bioecologia e controle de Anastrepha fraterculus e Ceratitis capitata em pessegueiro. [S.l.]: Pelotas: Embrapa Clima Temperado., 2010.
HASSALL, Kirsty L. et al. Resolving the identification of weak-flying insects during flight: a coupling between rigorous data processing and biology. Agricultural and Forest Entomology, v. 23, n. 4, p. 489, 2021.
POTAMITIS, Ilyas; GANCHEV, Todor; FAKOTAKIS, Nikos. Automatic acoustic identification of insects inspired by the speaker recognition paradigm. In: INTERSPEECH. 2006.
POTAMITIS, Ilyas; RIGAKIS, Iraklis. Measuring the fundamental frequency and the harmonic properties of the wingbeat of a large number of mosquitoes in flight using 2D optoacoustic sensors. Applied Acoustics, v. 109, p. 54-60, 2016.
GONZÁLEZ-PÉREZ, María I. et al. A novel optical sensor system for the automatic classification of mosquitoes by genus and sex with high levels of accuracy. Parasites and vectors, v. 15, n. 1, p. 1-11, 2022.
VASCONCELOS, Dinarte; NUNES, Nuno Jardim; GOMES, João. An annotated dataset of bioacoustic sensing and features of mosquitoes. Scientific Data, v. 7, n. 1, p. 382, 2020.
POTAMITIS, Ilyas; RIGAKIS, Iraklis; FYSARAKIS, Konstantinos. Insect biometrics: Optoacoustic signal processing and its applications to remote monitoring of McPhail type traps. PloS one, v. 10, n. 11, p. e0140474, 2015.
POTAMITIS, Ilyas; RIGAKIS, Iraklis; TATLAS, Nicolaos-Alexandros. Automated surveillance of fruit flies. Sensors, v. 17, n. 1, p. 110, 2017.
SANDRINI MORAES, Fabiano; EDSON NAVA, Dori; SCHEUNEMANN, Tiago; SANTOS da ROSA, Vagner. Development of an optoelectronic sensor for detecting and classifying fruit fly (Diptera: Tephritidae) for use in real-time intelligent traps. Sensors, v. 19, n. 5, p. 1254, 2019.
HEINZEL, Gerhard; RÜDIGER, Albrecht; SCHILLING, Roland. Spectrum and spectral density estimation by the Discrete Fourier transform (DFT), including a comprehensive list of window functions and some new at-top windows. 2002.
PROAKIS, John G. Digital signal processing: principles, algorithms, and applications, 4/E. Pearson Education India, 2007.
GERHARD, David et al. Pitch extraction and fundamental frequency: History and current techniques. Regina, SK, Canada: Department of Computer Science, University of Regina, 2003.
RASCHKA, Sebastian; MIRJALILI, Vahid. Python machine learning: Machine learning and deep learning with Python, scikit-learn, and TensorFlow 2. Packt Publishing Ltd, 2019.
Publicado
21/11/2023
Como Citar
MORAES, Fabiano Sandrini; NAVA, Dori Edson; ARAUJO, Ricardo Matsumura de; SILVA, Orhan Bittencourt Fernandes da.
Análise da Autocorrelação no reconhecimento de moscas-das-frutas pelo sinal bioacústico de batimento de asas. In: ARTIGOS COMPLETOS - SIMPÓSIO BRASILEIRO DE ENGENHARIA DE SISTEMAS COMPUTACIONAIS (SBESC), 13. , 2023, Porto Alegre/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 1-6.
ISSN 2763-9002.
DOI: https://doi.org/10.5753/sbesc_estendido.2023.234491.
