Tese-PPGEB

URI Permanente para esta coleção

https://repositorio.univap.br/handle/123456789/81

Navegar

Navegando Tese-PPGEB por Autor "Godoi, Bruno Henrique"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Desenvolvimento e avaliação de uma estufa microbiológica para geração de conjuntos de dados utilizados em aprendizado de máquina
    (2024-03-08) Ferreira , Juliana; Arisawa, Emília Angela Loschiavo; Raniero, Leandro José; Miñán, Alejandro Guillermo; Mendes, Alessandro Corrêa; Godoi, Bruno Henrique; Soares, Cristina Pacheco; São José dos Campos
    A identificação microbiológica desempenha um papel fundamental em diversas áreas, desde a segurança alimentar até a pesquisa médica, entendendo a sua importância este estudo visa otimizar a identificação microbiológica, superando limitações dos métodos tradicionais que apresentam demoras e custos operacionais elevados. O trabalho propõe o desenvolvimento e avaliação de uma estufa microbiológica inteligente voltada para a geração de conjuntos de dados utilizados em aprendizado de máquina. A inovação central do projeto reside na integração de um sistema de câmeras avançadas dentro da estufa, capaz de capturar imagens de culturas microbiológicas. Estas imagens são processadas e analisadas por um modelo de Rede Neural Convolucional (CNN), projetado para classificar as imagens com precisão em diferentes intervalos de tempo. O objetivo principal é fornecer um dispositivo avançado, porém acessível, que facilite e aprimore os processos de identificação microbiológica. Resultados experimentais indicam precisão do modelo CNN na classificação de imagens de Staphylococcus aureus com até 80% de acerto no processo no período de 24 horas de cultivo, porém com menor eficácia para Escherichia coli, sugerindo a necessidade de aprimoramento contínuo do modelo. Este trabalho apresenta um método viável e pronto para ser utilizado para criação de bancos de dados aplicados a microbiologia, mesmo com as limitações apresentadas no trabalho, o equipamento foi validado e encontra-se operacional. A tecnologia desenvolvida possui margem para ajustes no modelo de aprendizado de máquina, contudo espera-se que o sistema proposto ofereça uma ferramenta para a identificação rápida e precisa de uma ampla gama de microrganismos, potencializando seu uso em diversas aplicações científicas e industriais.