Snake Classifier: Aplicativo mobile para classificação de serpentes peçonhentas
Resumo
Serpentes estão no topo da lista de acidentes com animais peçonhentos no Brasil. O pouco conhecimento da população a respeito desses animais, torna sua identificação dificultada em casos de acidentes, quando se faz necessário a classificação para a aplicação do soro antiofídico correto. Foi proposto neste trabalho, com o uso de Inteligência Artificial com aplicação das técnicas de Transfer Learning, a criação de um modelo de rede neural, implementado a um aplicativo de celular onde, a classificação da espécie é feita de forma instantânea. O modelo treinado com um banco de 3401 imagens obteve um nível acurácia de 90.22%. Já os testes realizados com o aplicativo em funcionamento, levou a uma taxa de acerto de 88.41% após testá-lo com 164 imagens.
Palavras-chave:
Serpentes, Redes Neurais, Transfer Learning, Aplicativo
Referências
Marques Junior, Luiz Carlos. Classificação de plantas daninhas em banco de imagens utilizando redes neurais convolucionais. Dissertação de mestrado. Universidade Estadual Paulista.2020.
Nardelli, Rudiard. Aplicativo de celular para identificação das principais espécies comerciais de camarões. Instituto Federal Catarinense.2020.
Britto, Larissa, Luciano Pacífico, Matheus Silva, and Teresa Ludermir. "Reconhecimento de Plantas Medicinais Usando Características de Cor, Textura e Forma." Anais do XVII Encontro Nacional de Inteligência Artificial e Computacional, Evento Online, 2020. SBC, 2020.
Osório, Fernando Santos, BITTENCOURT João Ricardo. Sistemas inteligentes baseados em Redes Neurais Artificiais aplicados ao Processamento de Imagens. I WORKSHOP DE INTELIGÊNCIA ARTIFICIAL UNISC – Universidade de Santa Cruz do Sul Departamento de Informática- Junho 2000.
Sandler, M., Howard, A., Zhu, M., Zhmoginov, A., and Chen, L.-C. (2018). MobileNetV2: Inverted residuals and linear bottlenecks. In IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 4510–4520, Salt Lake City, Utah, Estados Unidos. IEEE Press.
Ginês, Daniel. ESTABILIS. 10 ferramentas / Frameworks de código aberto para IA. 2018. Disponível em: https://blog.estabil.is/10-ferramentas-frameworks-de-codigo-aberto-para-ia/ Acesso em: 04 set de 2020.
Devmedia. Devcast: o que é flutter? Disponivel em: https://www.devmedia.com.br/flutter/ Acesso em 04 de set. 2020.
Gama Academy. Como o aprendizado por transferência pode tornar o machine learning mais eficiente. Disponivel em: https://site-v1.gama.academy/blog/desenvolvimento/aprendizado-por-transferencia-machine-learning. Acesso em 04 de Set. 2020.
Tensorflow. Implante modelos de machine learning em dispositivos móveis e de internet das coisas (IoT na sigla em Inglês). Disponível em: https://www.tensorflow.org/lite?hl=pt-br. Acesso em: 04 de set. 2020.
Tensorflow. Transfer learning and fine-tuning. Disponivel em: https://www.tensorflow.org/tutorials/images/transfer_learning. Acesso em 04 de set. 2020.
Coros Saúde. O Brasil copatrocinou resolução para o problema dos acidentes ofídicos no mundo. 2018. Disponível em: https://www.saude.gov.br/noticias/svs/43413-brasil-copatrocinou-resolucao-para-o-problema-dos-acidentes-ofidicos-no-mundo. Acesso em: 04 de set. 2020.
Bezerra, Mirthyan. Serpente, escorpião e abelha: os animais peçonhentos que mais matam no país. UOL NOTÍCIAS. 2019. Disponível em: https://noticias.uol.com.br/saude/ultimas-noticias/redacao/2019/05/06/mortes-animais-peconhentos-brasil.htm. Acesso em:04 de set. 2020.
Ministério Da Saúde. Acidentes por animais peçonhentos: o que fazer e como evitar. Disponível em https://www.saude.gov.br/saude-de-a-z/acidentes-por-animais-peconhentos-serpentes. Acesso em: 04 de set. 2020.
Greenme. Atlas das Serpentes Brasileiras: o maior estudo sobre as espécies de serpentes no Brasil. 2020. Disponível em: https://www.greenme.com.br/informarse/animais/41063-maior-estudo-sobre-serpentes-brasileiras-atlas/. Acesso em: 04 de set. 2020.
Ricmais. Veja o que fazer se encontrar animais silvestres. 2020. Disponível em: https://ricmais.com.br/noticias/animais-silvestres/. Acesso em: 04 de set. 2020.
Nardelli, Rudiard. Aplicativo de celular para identificação das principais espécies comerciais de camarões. Instituto Federal Catarinense.2020.
Britto, Larissa, Luciano Pacífico, Matheus Silva, and Teresa Ludermir. "Reconhecimento de Plantas Medicinais Usando Características de Cor, Textura e Forma." Anais do XVII Encontro Nacional de Inteligência Artificial e Computacional, Evento Online, 2020. SBC, 2020.
Osório, Fernando Santos, BITTENCOURT João Ricardo. Sistemas inteligentes baseados em Redes Neurais Artificiais aplicados ao Processamento de Imagens. I WORKSHOP DE INTELIGÊNCIA ARTIFICIAL UNISC – Universidade de Santa Cruz do Sul Departamento de Informática- Junho 2000.
Sandler, M., Howard, A., Zhu, M., Zhmoginov, A., and Chen, L.-C. (2018). MobileNetV2: Inverted residuals and linear bottlenecks. In IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 4510–4520, Salt Lake City, Utah, Estados Unidos. IEEE Press.
Ginês, Daniel. ESTABILIS. 10 ferramentas / Frameworks de código aberto para IA. 2018. Disponível em: https://blog.estabil.is/10-ferramentas-frameworks-de-codigo-aberto-para-ia/ Acesso em: 04 set de 2020.
Devmedia. Devcast: o que é flutter? Disponivel em: https://www.devmedia.com.br/flutter/ Acesso em 04 de set. 2020.
Gama Academy. Como o aprendizado por transferência pode tornar o machine learning mais eficiente. Disponivel em: https://site-v1.gama.academy/blog/desenvolvimento/aprendizado-por-transferencia-machine-learning. Acesso em 04 de Set. 2020.
Tensorflow. Implante modelos de machine learning em dispositivos móveis e de internet das coisas (IoT na sigla em Inglês). Disponível em: https://www.tensorflow.org/lite?hl=pt-br. Acesso em: 04 de set. 2020.
Tensorflow. Transfer learning and fine-tuning. Disponivel em: https://www.tensorflow.org/tutorials/images/transfer_learning. Acesso em 04 de set. 2020.
Coros Saúde. O Brasil copatrocinou resolução para o problema dos acidentes ofídicos no mundo. 2018. Disponível em: https://www.saude.gov.br/noticias/svs/43413-brasil-copatrocinou-resolucao-para-o-problema-dos-acidentes-ofidicos-no-mundo. Acesso em: 04 de set. 2020.
Bezerra, Mirthyan. Serpente, escorpião e abelha: os animais peçonhentos que mais matam no país. UOL NOTÍCIAS. 2019. Disponível em: https://noticias.uol.com.br/saude/ultimas-noticias/redacao/2019/05/06/mortes-animais-peconhentos-brasil.htm. Acesso em:04 de set. 2020.
Ministério Da Saúde. Acidentes por animais peçonhentos: o que fazer e como evitar. Disponível em https://www.saude.gov.br/saude-de-a-z/acidentes-por-animais-peconhentos-serpentes. Acesso em: 04 de set. 2020.
Greenme. Atlas das Serpentes Brasileiras: o maior estudo sobre as espécies de serpentes no Brasil. 2020. Disponível em: https://www.greenme.com.br/informarse/animais/41063-maior-estudo-sobre-serpentes-brasileiras-atlas/. Acesso em: 04 de set. 2020.
Ricmais. Veja o que fazer se encontrar animais silvestres. 2020. Disponível em: https://ricmais.com.br/noticias/animais-silvestres/. Acesso em: 04 de set. 2020.
Publicado
18/07/2021
Como Citar
MACHIAVELI, Emanuel A.; MARCIANO, Juan Morysson Viana; SANTOS, Felipe Gonçalves dos.
Snake Classifier: Aplicativo mobile para classificação de serpentes peçonhentas. In: WORKSHOP DE COMPUTAÇÃO APLICADA À GESTÃO DO MEIO AMBIENTE E RECURSOS NATURAIS (WCAMA), 12. , 2021, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 147-156.
ISSN 2595-6124.
DOI: https://doi.org/10.5753/wcama.2021.15746.
