Desenvolvimento e avaliação de uma estufa microbiológica para geração de conjuntos de dados utilizados em aprendizado de máquina
| dc.contributor.advisor | Ferreira , Juliana | |
| dc.contributor.author | Godoi, Bruno Henrique | |
| dc.contributor.coadvisor | Soares, Cristina Pacheco | |
| dc.contributor.event2 | São José dos Campos | |
| dc.contributor.referee | Arisawa, Emília Angela Loschiavo | |
| dc.contributor.referee | Raniero, Leandro José | |
| dc.contributor.referee | Miñán, Alejandro Guillermo | |
| dc.contributor.referee | Mendes, Alessandro Corrêa | |
| dc.date.accessioned | 2024-11-11T13:29:39Z | |
| dc.date.available | 2024-11-11T13:29:39Z | |
| dc.date.issued | 2024-03-08 | |
| dc.description.abstract | 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. | |
| dc.description.abstract2 | Microbiological identification is fundamental in various fields, from food safety to medical research. Understanding its importance, this study aims to optimize microbiological identification, overcoming the limitations of traditional methods that present delays and high operational costs. The work proposes developing and evaluating an intelligent microbiological incubator designed for generating datasets used in machine learning. The central innovation of the project lies in integrating an advanced camera system within the incubator, capable of capturing images of microbiological cultures. These images are processed and analyzed by a Convolutional Neural Network (CNN) model, designed to classify the images accurately at different time intervals. The main objective is to provide an advanced yet accessible device that facilitates and enhances microbiological identification processes. Experimental results indicate high accuracy of the CNN model in classifying images of Staphylococcus aureus with up to 80% accuracy within a 24-hour cultivation period, although with lower efficacy for Escherichia coli, suggesting the need for continuous model improvement. This work presents a viable method that is ready for use in creating microbiology databases. Despite the limitations presented in the study, the equipment has been validated and is operational. The developed technology allows for adjustments in the machine learning model, and it is expected that the proposed system will offer a tool for rapid and accurate identification of a wide range of microorganisms, enhancing its use in various scientific and industrial applications. | |
| dc.description.physical | 84 f. | |
| dc.format.mimetype | ||
| dc.identifier.affiliation | Universidade do Vale do Paraíba | |
| dc.identifier.bibliographicCitation2 | GODOI, Bruno Henrique. Desenvolvimento e avaliação de uma estufa microbiológica para geração de conjuntos de dados utilizados em aprendizado de máquina. São José dos Campos, 2024. 84 f. Tese (Doutorado em Engenharia Biomédica) - Universidade do Vale do Paraíba, Instituto de Pesquisa e Desenvolvimento, São José dos Campos/SP, 2024 | |
| dc.identifier.uri | https://repositorio.univap.br/handle/123456789/409 | |
| dc.language.iso | pt_BR | |
| dc.publisher.country | Brasil | |
| dc.publisher.initials | UNIVAP | |
| dc.publisher.institution | Universidade do Vale do Paraíba | |
| dc.publisher.program | doutorado em Engenharia Biomédica | |
| dc.publisher.spatial | São José dos Campos | |
| dc.subject.keyword | Estufa Microbiológica | |
| dc.subject.keyword | Identificação Microbiológica | |
| dc.subject.keyword | Rede Neural Convolucional | |
| dc.subject.keyword | Processamento de Imagens Digitais | |
| dc.title | Desenvolvimento e avaliação de uma estufa microbiológica para geração de conjuntos de dados utilizados em aprendizado de máquina | |
| dc.title.alternative | Development and Evaluation of a Microbiological Incubator for Generating Datasets Used in Machine Learning | |
| dc.type | Tese |