Busca avançada
Ano de início
Entree

Armadilhas e sensores inteligentes: uma abordagem inovadora para controle de insetos peste e vetores de doenças

Processo: 18/05859-3
Modalidade de apoio:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de junho de 2018
Vigência (Término): 30 de abril de 2019
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Gustavo Enrique de Almeida Prado Alves Batista
Beneficiário:Vinícius Mourão Alves de Souza
Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Vinculado ao auxílio:16/04986-6 - Armadilhas e sensores inteligentes: uma abordagem inovadora para controle de insetos peste e vetores de doenças, AP.ESCIENCE.R
Assunto(s):Aprendizado computacional   Inteligência artificial   Sensores inteligentes   Mineração de dados   Controle de insetos   Vetores de doenças   Diaphorina citri   Greening (doença de planta)
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Armadilhas inteligentes | Entomologia Computacional | identificação de insetos | Inteligência Artificial | Aprendizado de Máquina

Resumo

Indiscutivelmente, os insetos são importantes na Agricultura, no meio ambiente e saúde pública. Muitas espécies são benéficas para o meio ambiente e para as pessoas. Por exemplo, insetos são responsáveis pela polinização de ao menos dois terços de todo o alimento consumido no mundo. Devido a esta importância para os seres humanos, o recente declínio nas populações de insetos polinizadores, principalmente as abelhas, é considerado um grave problema ambiental, frequentemente associado ao uso de pesticidas. Por outro lado, pragas agrícolas são responsáveis por destruir mais de 40 bilhões de dólares em alimentos por ano e determinadas espécies são vetores de doenças que matam mais de um milhão de pessoas anualmente, como a Malária, Dengue, Febre Chikungunya e Zika Vírus. Neste projeto de pesquisa, é proposta uma armadilha inteligente para a captura de espécies maléficas de insetos. A armadilha utiliza um sensor óptico que tem sido desenvolvido pela equipe deste projeto nos últimos anos, capaz de reconhecer automaticamente a espécie de insetos a partir de dados do batimento de asas dos insetos. O reconhecimento das espécies de insetos permitirá a criação de mapas de densidade em tempo real, que por sua vez podem ser utilizados para apoiar intervenções locais. Por exemplo, no caso de pragas agrícolas, estes mapas permitirão a aplicação inteligente e direcionada de inseticidas, reduzindo o impacto para o meio ambiente. No caso de insetos vetores de doenças, a armadilha poderá auxiliar na redução dos custos de intervenções sofisticadas e efetivas como a SIT (técnica do inseto estéril), mas que possuem um alto custo. Neste projeto, pretende-se expandir o estado-da-arte em computação por meio desta aplicação real, especialmente nas áreas de aprendizado de máquina e mineração de fluxo de dados. De modo a demonstrar os aspectos práticos desta proposta, as pesquisas serão concentradas na identificação de duas espécies: o psilídio asiático dos citros, vetor da Doença de Greening, uma terrível doença que ataca árvores de citros e o Aedes aegypti, vetor da Dengue, Febre Amarela e Chikungunya, e Zika Vírus, recentemente associado a casos de Microcefalia em recém-nascidos. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
SABINO PARMEZAN, ANTONIO RAFAEL; SOUZA, VINICIUS M. A.; BATISTA, GUSTAVO E. A. P. A.. Evaluation of statistical and machine learning models for time series prediction: Identifying the state-of-the-art and the best conditions for the use of each model. INFORMATION SCIENCES, v. 484, p. 302-337, . (18/05859-3, 16/04986-6, 13/10978-8)
SOUZA, VINICIUS M. A.; DOS REIS, DENIS M.; MALETZKE, ANDRE G.; BATISTA, GUSTAVO E. A. P. A.. Challenges in benchmarking stream learning algorithms with real-world data. DATA MINING AND KNOWLEDGE DISCOVERY, . (16/04986-6, 17/22896-7, 18/05859-3)

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.