An open-source web-based recognition system: automated classification, detection, and explainability with a case study on pollen grains (2025)
- Authors:
- Autor USP: FURTADO, EMANUEL FERREIRA - IFSC
- Unidade: IFSC
- Sigla do Departamento: FCM
- DOI: 10.11606/D.76.2025.tde-18092025-083228
- Subjects: PÓLEN; INTELIGÊNCIA ARTIFICIAL; APRENDIZADO COMPUTACIONAL
- Keywords: Aplicação web; Aprendizado profundo; Artificial intelligence; Deep learning; Pollen recognition; Reconhecimento de pólen; Web application
- Agências de fomento:
- Language: Inglês
- Abstract: Os grãos de pólen desempenham um papel essencial na reprodução vegetal e na manutenção da biodiversidade. Compreender a biologia do pólen permite um maior entendimento dos mecanismos de polinização, da evolução das plantas e das interações ecológicas. Atualmente, os sistemas de detecção de pólen baseiam-se em processos manuais de coleta e análise, que são trabalhosos, demorados e sujeitos a erros. A identificação e classificação de grãos de pólen representam um grande desafio, especialmente considerando a elevada diversidade de espécies vegetais e a variação morfológica dos grãos. Além disso, a contagem e classificação manual são tarefas que demandam muito tempo e podem apresentar inconsistências devido a falhas humanas. Nesta dissertação, apresentamos uma aplicação web de código aberto, desenvolvida com técnicas de aprendizado profundo, para a classificação e detecção automatizada de grãos de pólen em imagens microscópicas. O objetivo da aplicação é simplificar o processo para usuários sem conhecimento técnico, reduzindo o esforço necessário em comparação com os métodos manuais tradicionais. Para isso, foram exploradas de forma sistemática abordagens tradicionais de aprendizado de máquina e técnicas de aprendizado profundo a fim de aumentar a precisão dos resultados. Dado a necessidade e importância da transparência e da confiabilidade dos modelos de inteligência artificial (IA), técnicas de IA explicável (xAI), como métodos baseados em gradientes, perturbações evisualização de características, foram aplicadas em diversos modelos, incluindo DenseNet, EfficientNet, ResNet e arquiteturas híbridas CNN-Transformer. Os resultados obtidos demonstraram que os modelos de aprendizado profundo superam significativamente os métodos tradicionais, oferecendo maior precisão, rapidez e confiabilidade. Além disso, a plataforma web desenvolvida mostrou-se intuitiva, facilitando o reconhecimento de grãos de pólen em tempo real e a interpretabilidade dos modelos utilizados. Essa abordagem, além de representar um avanço no reconhecimento automatizado de pólen, estabelece uma base sólida para futuras pesquisas em aplicações interdisciplinares de IA
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
- Data da defesa: 15.07.2025
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
FURTADO, Emanuel Ferreira. An open-source web-based recognition system: automated classification, detection, and explainability with a case study on pollen grains. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/76/76135/tde-18092025-083228/. Acesso em: 10 fev. 2026. -
APA
Furtado, E. F. (2025). An open-source web-based recognition system: automated classification, detection, and explainability with a case study on pollen grains (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/76/76135/tde-18092025-083228/ -
NLM
Furtado EF. An open-source web-based recognition system: automated classification, detection, and explainability with a case study on pollen grains [Internet]. 2025 ;[citado 2026 fev. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76135/tde-18092025-083228/ -
Vancouver
Furtado EF. An open-source web-based recognition system: automated classification, detection, and explainability with a case study on pollen grains [Internet]. 2025 ;[citado 2026 fev. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76135/tde-18092025-083228/
Informações sobre o DOI: 10.11606/D.76.2025.tde-18092025-083228 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
