DRONECOLAB: identification of Dengue breeding areas

• Larissa Rocha Santos Federal University of Rio de Janeiro (UFRJ)
• Angélica Dias Federal University of Rio de Janeiro (UFRJ)
• Cláudio de Farias Federal University of Rio de Janeiro (UFRJ)
• Henrique Serdeira Federal University of Rio de Janeiro (UFRJ)

DOI: https://doi.org/10.5753/sbsc_estendido.2024.238584

Abstract

The global increase in diseases related to arboviruses, especially dengue, stands out in peripheral urban regions. In 2022, FIOCRUZ recorded 1,450,270 possible cases of Aedes Aegypti. This study proposes the use of drones equipped with cameras and artificial intelligence to prevent the spread of dengue in Rio de Janeiro, focusing on vulnerable populations. Aligned with collaborative and community learning systems, drones map reproduction foci, highlighting technical effectiveness and community inclusion. The work contributes to public health strategies in challenging urban contexts, promoting community participation and technology integration to address global health issues, demonstrating applicability.

Keywords: Dengue, Vulnerable Population, Drones, Collaboration, Artificial intelligence

References

ANAC. Regulamento Brasileiro da Aviação Civil Especial rbac-e no 94 - Requisitos Gerais para Aeronaves Não Tripuladas de Uso Civil - Aprovação: Resolução no 419, de 2 de maio de 2017. Origem: SAR/SPO, acessado em julho 2020

Donalisio M.R; Freitas A.R.R.; Von Zuben. A.P.B. Arboviroses emergentes no Brasil: desafios para a clínica e implicações para a saúde pública. In: Revista de Saúde Pública, v51, n30. 2017.

Gould D.J.; Moralejo D.; Drey N.; Chudleigh J.H.; Taljaard M. Interventions to improve hand hygiene compliance in patient care. In: Cochrane Database of Systematic Reviews, v9. 2017.

MINISTERIO DA SAÚDE BRASIL. Boletim epidemiológico: Monitoramento dos casos de dengue, febre de chikungunya e febre pelo vírus Zika até a Semana Epidemiológica 49, Disponível em: [link]. Acessado em agosto de 2020.

C. Monteiro; L.B. Gonçalves and J.R.T. Quadros (2017). “Face Recognition System for automatic security control”. In: CISTI 2017, Porto-PT

Rafael Cardoso 22/10/2023 - [link]

Rodrigo Vilani, Carlos Machado, Erica Rocha – [link]

DSA - Data Science Academy. Deep Learning Book. Disponível em: [link] Acessado em julho 2020.

G. F. de Mesquita, L. R. Santos, E. E. C. Dias, L. C. Lanzillotta, P. H. L. S. Pimentel e J. R. T. Quadros (2021). Drone with anti-larvaes biomedicines, using deep learning to identify the reproduction zones of insects, in: CISTI 2021, Espanha.

Saneamento, dengue e demandas sociais na maior favela do Estado do Rio de Janeiro: a Rocinha

Heterogeneidade espacial da dengue em estudos locais, Niterói, RJ”e ”Drones to the Rescue: A Support Solution for Emergency Response