Identificação automática de insetos: Utilização de Redes Neurais convolucionais para Diagnose taxonômica automática das principais espécies e gêneros de pentatomídeos (Insecta: Hemiptera) de importância econômica no Brasil.

Nenhuma Miniatura disponível
Data
2022-01-27
Autores
Laurindo, Matheus Rodrigues [UNIFESP]
Orientadores
Schwertner, Cristiano Feldens [UNIFESP]
Tipo
Trabalho de conclusão de curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Os percevejos da família Pentatomidae são um dos maiores problemas associados aos ecossistemas agrícolas, principalmente em plantações de soja, que são de grande importância econômica para o Brasil. A identificação desses percevejos é essencial para as ações de manejo em cultivos e muitas vezes, por problemas de semelhança entre as espécies, essa identificação é muito difícil, até mesmo para pesquisadores experientes. Além de esbarrar em algumas questões reconhecidas como impedimento taxonômico, falta de mão de obra especializada e tempo hábil para correta identificação. Algumas tecnologias podem ser utilizadas a fim de mitigar estes problemas como programas de identificação automática baseados em redes neurais convolucionais, que utilizam o enorme poder de processamento computacional a fim de resultar em uma identificação o mais precisa possível do objeto de estudo. Neste trabalho desenvolvemos um programa de classificação automática para 9 espécies e 5 gêneros de pentatomídeos de interesse agrícola, sendo algumas delas as principais espécies pragas em soja. A identificação automática de espécies pragas de percevejo constitui um grande desafio. Níveis de precisão aceitáveis conseguem ser atingidos quando identificamos a nível de gênero, mas a identificação de espécies apresenta uma menor precisão. Testamos também o efeito da padronização na obtenção das fotos, em uma tentativa de reduzir a necessidade de grandes conjuntos de dados e overfitting do modelo. Os maiores desafios para a identificação automática continuam sendo o baixo número de fotos disponíveis, a similaridade entre algumas espécies, as espécies e gêneros apresentarem grande diversidade intra e interespecífica. Porém nossos resultados mostram como podemos criar modelos robustos com conjuntos de dados menores e ainda assim alcançar boa acurácia.
Stink bugs of the Pentatomidae family are one of the biggest problems associated with agricultural ecosystems, especially in soybean plantations, which are of great economic importance for Brazil. The identification of these bugs is essential for handling actions in crops and often, due to problems of similarity between species, this identification is very difficult, even for experienced researchers. In addition to bumping into some issues recognized as taxonomic impediment, lack of skilled labor and time for correct identification. Some technologies can be used in order to mitigate these problems, such as automatic identification programs based on convolutional neural networks, which use the enormous computational processing power in order to achieve the most accurate identification possible of the object of study. In this work we developed an automatic classification program for 9 species and 5 genera of pentatomidae of agricultural interest, some of which are the main pest species in soybean. Automatic identification of stink bugs pest species is a major challenge. Acceptable levels of accuracy can be achieved when identifying at the genus level, but species identification is less accurate. We also tested the effect of standardization on obtaining the photos, in an attempt to reduce the need for large data sets and model overfitting. The biggest challenges for automatic identification continue to be the low number of available photos, the similarity between some species, the species and genera presenting great intra and interspecific diversity. But our results show how we can create robust models with smaller datasets and still achieve good accuracy.
Descrição
Citação