Pesquisadores da UFMG, USP e Universidade de Sheffield (Reino Unido) aprimoraram um software que utiliza a inteligência artificial para identificar focos de dengue com base em imagens aéreas.
O dispositivo é capaz de analisar automaticamente fotografias de imóveis obtidas por drone e mapear áreas urbanas com alto risco de infestação. A evolução da ferramenta torna dispensável a verificação presencial dos locais identificados como possíveis criadouros das larvas, o que barateou o processo.
“Por meio de mosaicos de imagens obtidas por uma câmera transportada por veículos aéreos não tripulados, desenvolvemos algoritmos baseados em aprendizado profundo para detecção de caixas d’água e piscinas. Um modelo de detecção de objetos, inicialmente criado para áreas de Belo Horizonte, foi aprimorado com técnicas de transferência de aprendizagem, que nos possibilitou detectar objetos em Campinas com menos amostras e mais eficiência”, afirma o coordenador dos estudos, o professor Jefersson Alex dos Santos, da UFMG e de Sheffield.
Construção, quintal e sombreamento
A mais recente etapa do experimento foi realizada em Campinas. Em 200 quarteirões pesquisados, foram visitadas as construções e medidos os três componentes do chamado Índice de Condição de Premissa (PCI): construção, quintal e sombreamento, além das condições das fachadas e outras características.
Os resultados do estudo foram descritos no artigo preprint Automatic mapping of high-risk urban areas for Aedes aegypti infestation based on building facade image analysis, que ainda está em revisão, com Camila Laranjeira (UFMG) como primeira autora e o professor Francisco Chiaravalloti-Neto (Faculdade de Saúde Pública da USP) como autor correspondente.
Segundo os autores, o uso do PCI é uma ferramenta importante, mas como sua medida exige a visita a todos os edifícios, o processo é extremamente oneroso. Nesse estudo, o grupo propõe uma abordagem capaz de prever o PCI com base em imagens de fachadas no nível da rua. A tecnologia foi batizada de PCINet.
“Treinamos uma rede neural profunda com as fotos tiradas, criando um modelo computacional capaz de examinar as fachadas dos edifícios. Avaliamos o PCINet em um cenário que iguala uma situação real de grande escala, na qual o modelo poderia ser implantado para monitorar automaticamente quatro regiões de Campinas”, informaram os autores do artigo.
Segundo os cientistas, os bons resultados obtidos com o PCINet e as boas correlações das condições da fachada com os componentes do PCI demonstraram a confiabilidade da metodologia para classificar as condições dos edifícios sem visitá-los fisicamente.
Com informações da Assessoria de Comunicação do Departamento de Ciência da Computação da UFMG
Leia mais:
