IDENTIFICAÇÃO DE AEDES AEGYPTI POR MEIO DE CLASSIFICAÇÃO DE IMAGENS USANDO A ARQUITETURA RESNET 50
Palavras-chave:
Dengue, Imagens digitais, Automação, Redes Neurais ConvolucionaisResumo
A dengue representa uma ameaça crescente à saúde pública, especialmente em regiões tropicais. O Aedes aegypti,
principal vetor da doença, apresenta alta adaptabilidade a ambientes urbanos, dificultando seu controle. Este trabalho
aplicou a arquitetura ResNet-50, uma Rede Neural Convolucional, na classificação de imagens do mosquito,
diferenciando-o de espécies semelhantes. Utilizou-se o dataset Mosquito on Human Skin, composto por imagens sobre
pele humana em diferentes condições. A metodologia envolveu pré-processamento, transfer learning com pesos do
ImageNet e otimização de hiperparâmetros. O modelo foi avaliado por acurácia, precisão, recall e F1-score. Obteve-se
acurácia média entre 88% e 90%, demonstrando a eficácia da ResNet-50. O classificador mostrou potencial para
integrar sistemas de monitoramento e apoiar ações preventivas no combate à dengue.
