Publication
Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Rodrigues, Pedro João | |
| dc.contributor.advisor | Borges, André Pinz | |
| dc.contributor.advisor | Pinto, M. Alice | |
| dc.contributor.author | Gomes, Walter Betini Sandim | |
| dc.date.accessioned | 2020-06-29T11:04:11Z | |
| dc.date.available | 2020-06-29T11:04:11Z | |
| dc.date.issued | 2020 | |
| dc.date.submitted | 2018 | |
| dc.description | Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná | pt_PT |
| dc.description.abstract | Com intuito de auxiliar no manutenção de colmeias na apicultura, esse projeto tem como objetivo o desenvolvimento de um classificador automático de subespécies de abelhas. Para isso foi desenvolvido um programa que utiliza das landmarks adaptadas de Nawrocka[ 1] para classificação, porém para realizar o processo de forma automática, foi necessário implementar um detector de objetos capaz de encontrar asas de abelha em uma imagem e um detector de landmarks capaz de indentificá-las em uma imagem e então proceder para classificação. O detector de objetos foi capaz de detectar 98% das asas e o detector de landmarks obteve foi capaz de detectar todos os landmarks em 91% dos casos, com uma precisão de 94% de semelhança com landmarks marcados a mão. A classificação por sua vez, apresentou bons resultados com as maiores classes dos datasets(em quantidade de elementos), tendo 92% de precisão com as duas maiores classes e 87% de precisão com as três maiores. | pt_PT |
| dc.description.abstract | The aim of this project is to help bee hive maintenance in beekeeping to develop an automatic bee subspecies classifier. For this, a program was developed that uses the landmarks adapted from Nawrocka [1] for classification, but to perform the process automatically, it was necessary to implement an object detector capable of finding bee wings in an image and a detector of landmarks able to identify them in an image and then proceed to classification. The object detector was able to detect 98 % of the wings and the landmarks detector obtained was able to detect all landmarks in 91 % of cases, with a precision of 94 % resemblance to hand-marked landmarks. The classification, in turn, presented good results with the largest classes of datasets, with 92 % accuracy with the two largest classes and 87 % accuracy with the three largest. | pt_PT |
| dc.description.sponsorship | Este trabalho é financiado por Fundos FEDER através do Programa Operacional Competitividade e Internacionalização - COMPETE 2020 e por Fundos Nacionais através da FCT - Fundação para a Ciência e a Tecnologia no âmbito do projeto POCI-01-0145- FEDER-029871. | pt_PT |
| dc.identifier.tid | 202489663 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10198/22417 | |
| dc.language.iso | por | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | pt_PT |
| dc.subject | Visão computacional | pt_PT |
| dc.subject | Detecção de landmarks | pt_PT |
| dc.subject | Detector de objetos | pt_PT |
| dc.subject | Deep learning | pt_PT |
| dc.title | Detecção de landmarks e classificação de subespécies de abelhas através de asas com deep learning | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Sistemas de Informação | pt_PT |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- Gomes_Walter.pdf
- Size:
- 5.97 MB
- Format:
- Adobe Portable Document Format