Desenvolvimento de um método para classificação de fungos do gênero Metarhizium utilizando dados de espectroscopia no infravermelho e técnica de machine learning

Desenvolvimento de um método para classificação de fungos do gênero Metarhizium utilizando dados de espectroscopia no infravermelho e técnica de machine learning

Author Souza, Bruno João de Autor UNIFESP Google Scholar
Advisor Pereira, Thiago Martini Autor UNIFESP Google Scholar
Graduate program Não se aplica
Abstract 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
Keywords Espectroscopia FTIR
Machine learning
Bioespectroscopia
Fungos
Bioengenharia
xmlui.dri2xhtml.METS-1.0.item-coverage São jose dos campos
Language Portuguese
Sponsor Não recebi financiamento
Date 2021-02-22
Research area otica biomedica
Knowledge area Outra
Publisher Universidade Federal de São Paulo
Extent 62
Access rights Open access Open Access
Type Trabalho de conclusão de curso de graduação
URI https://repositorio.unifesp.br/handle/11600/60765

Show full item record




File

Name: TCC_BrunoJoaoSouza.pdf
Size: 1.713Mb
Format: PDF
Description: texto de tcc final
Open file

This item appears in the following Collection(s)

Search


Browse

Statistics

My Account