Navegando por Palavras-chave "Machine learning"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Desenvolvimento de um método para classificação de fungos do gênero Metarhizium utilizando dados de espectroscopia no infravermelho e técnica de machine learning
    (Universidade Federal de São Paulo, 2021-02-22) Souza, Bruno João de [UNIFESP]; Pereira, Thiago Martini [UNIFESP]; http://lattes.cnpq.br/3291751276972553
    A capacidade de identificar e classificar amostras de fungos é de grande interesse na medicina diagnóstica e mercado agroindustrial. No que se diz respeito a saúde pública, nos últimos anos, fungos do gênero Aspergillus, antes considerados inofensivos, passaram a contaminar seres humanos com o sistema imune inibido ou enfraquecido devido a medicação antibiótica ou tratamentos invasivos [1]. No caso da indústria de produção, fungos como o gênero Metarhizium vêm sendo usados como biopesticidas para enfrentamento de diversas pragas (espécies de insetos).Foram utilizados dados de espectroscopia no infravermelho por transformada de Fourier (FTIR) de seis linhagens de três espécies diferentes do fungo de gênero Metarhizium (filo Ascomycota), pertencentes ao USDA - ARSEF (“United States Department of Agriculture – Agricultural Research Service Collection of Entomopathogenic Fungal Cultures”). Foram três linhagens da espécie Metarhizium acridum (ARSEF 324, ARSEF 3391 e ARSEF 7486), uma da espécie Metarhizium anisopliae (ARSEF 5749) e duas da espécie Metarhizium brunmeum (ARSEF 1095 e ARSEF 5626). Os dados foram pré-processados em MATLAB® (2015a) com aplicação de downsampling (redução da taxa de amostragem), normalização e filtragem de suavização de Savitzky-Golay (S-G). Os dados representam a absorbância de espectros em função do número de onda, sendo avaliadas as bandas de 900 a 1350cm-1 e de 900 a 1800cm-1 com variação do grau de derivada e do tamanho da janela do filtro. A comparação foi realizada quanto a capacidade de classificação dos grupos com aplicação das técnicas combinadas de Análise de Componentes Principais (PCA) e Análise Discriminante Linear (LDA).Identificou-se que os parâmetros do filtro de Savitzky-Golay (grau de derivada e dimensão da janela) têm grande importância para construção de classificadores juntamente com aplicação de PCA para otimização da razão sinal-ruído (SNR), assim como a escolha das regiões do espectro, visto que a região de 900 a 1800cm-1 apresentou resultados com muita interferência de ruídos decorrentes de contaminante de vapor d’água