Automated bee species identification through wing images (2015)
- Authors:
- Autor USP: SILVA, FELIPE LENO DA - EP
- Unidade: EP
- Sigla do Departamento: PCS
- DOI: 10.11606/D.3.2015.tde-19102015-145442
- Subjects: INTELIGÊNCIA ARTIFICIAL; VISÃO COMPUTACIONAL; RECONHECIMENTO DE PADRÕES
- Language: Inglês
- Abstract: Diversas pesquisas focam no estudo e conservação das abelhas, em grande parte por sua importância para a agricultura. Entretanto, a identificação de espécies de abelhas vem sendo um impedimento para a condução de novas pesquisas, já que demanda tempo e um conhecimento muito especializado. Apesar de existirem diversos métodos para realizar esta tarefa, muitos deles são excessivamente custosos, restringindo sua aplicabilidade. Por serem facilmente acessíveis, as asas das abelhas vêm sendo amplamente utilizadas para a extração de características, já que é possível aplicar técnicas morfométricas utilizando apenas uma foto da asa. Como a medição manual de diversas características é tediosa e propensa a erros, sistemas foram desenvolvidos com este propósito. Entretanto, os sistemas ainda possuem limitações e não há um estudo voltado às técnicas de classificação que podem ser utilizadas para este fim. Esta pesquisa visa avaliar as técnicas de extração de características e classificação de modo a determinar o conjunto de técnicas mais apropriado para a discriminação de espécies de abelhas. Nesta pesquisa foi demonstrado que o uso de uma conjunção de características morfométricas e fotométricas obtêm melhores resultados que o uso de somente características morfométricas. Também foram analisados os melhores algoritmos de classificação tanto usando somente características morfométricas, quanto usando uma conjunção de características morfométricas e fotométricas, os quais são, respectivamente, o Naïve Bayes e o classificador Logístico. Os Resultados desta pesquisa podem guiar o desenvolvimento de novos sistemas para identificação de espécies de abelha, objetivando auxiliar pesquisas conduzidas por biólogos.
- Imprenta:
- Data da defesa: 19.02.2015
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
SILVA, Felipe Leno da. Automated bee species identification through wing images. 2015. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2015. Disponível em: https://teses.usp.br/teses/disponiveis/3/3141/tde-19102015-145442/. Acesso em: 02 jan. 2026. -
APA
Silva, F. L. da. (2015). Automated bee species identification through wing images (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/3/3141/tde-19102015-145442/ -
NLM
Silva FL da. Automated bee species identification through wing images [Internet]. 2015 ;[citado 2026 jan. 02 ] Available from: https://teses.usp.br/teses/disponiveis/3/3141/tde-19102015-145442/ -
Vancouver
Silva FL da. Automated bee species identification through wing images [Internet]. 2015 ;[citado 2026 jan. 02 ] Available from: https://teses.usp.br/teses/disponiveis/3/3141/tde-19102015-145442/ - Methods and algorithms for knowledge reuse in multiagent reinforcement learning
- Methods and algorithms for knowledge reuse in multiagent reinforcement learning
- Planejamento probabilístico com becos sem saída
- Accelerating multiagent reinforcement learning through transfer learning
- Pairwise registration in indoor environments using adaptive combination of 2D and 3D cues
- A Survey on Transfer Learning for Multiagent Reinforcement Learning Systems
- An advising framework for multiagent reinforcement learning systems
- MOO-MDP: an Object-Oriented Representation for Cooperative Multiagent Reinforcement Learning
- GeNICE: a Novel Framework for Gene Network Inference by Clustering, Exhaustive Search, and Multivariate Analysis
- Evaluating classification and feature selection techniques for honeybee subspecies identification using wing images
Informações sobre o DOI: 10.11606/D.3.2015.tde-19102015-145442 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
