MEDEIROS NETO. F. G. Extração automática de características de asas de mosca da espécie Drosophila melanogaster. 2017. 59 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2017. / Submitted by Programa de Pós-Graduação Engenharia Elétrica e de Computação (secretaria_ppgeec@sobral.ufc.br) on 2017-08-24T13:13:22Z
No. of bitstreams: 1
2017_dis_fgmneto.pdf: 2887253 bytes, checksum: 71db95333b633d65ae536330c8799d28 (MD5) / Approved for entry into archive by Djeanne Costa (djeannecosta@gmail.com) on 2017-09-01T11:43:30Z (GMT) No. of bitstreams: 1
2017_dis_fgmneto.pdf: 2887253 bytes, checksum: 71db95333b633d65ae536330c8799d28 (MD5) / Made available in DSpace on 2017-09-01T11:43:31Z (GMT). No. of bitstreams: 1
2017_dis_fgmneto.pdf: 2887253 bytes, checksum: 71db95333b633d65ae536330c8799d28 (MD5)
Previous issue date: 2017-08 / Biometrics techniques are used in studies of several animal species, such as the Drosophila
melanogaster, popularly known as fruit fly. This species has become a model organism for the
study of the impacts that other insects produce to the environment. In addition, these flies have
proteins and genes similar to those of humans. A challenge for specialists in the study of these
individuals is the similarity of the wings between males and females, which may be affected
by mutations or variations in the genotype. This work proposes a method of discrimination for
gender and genotype of flies of the species Drosophila melanogaster from features extracted
from images of the wings. This approach is based on the fractal dimension extracted from
the Canny filter segmentation of the components of the Stationary Wavelet Transform. The
methodology is validated by dividing the data into groups with variable training and test rates and
using six different classifiers: Random Forest, Support Vector Machines, Multi-layer Perceptron,
Linear Discriminant Analysis, Quadratic Discriminant Analysis and K Nearest Neighbors. Then,
the classification is repeated with data reduction, only females for genotype or only individuals
without mutation for gender. The results were satisfactory, surpassing works of the literature with
automatic methodologies. For genotype, the hit rates were lower due to the physical similarity
between the wings. / Técnicas de biometria são utilizadas nos estudos de diversas espécies de animais, como exemplo a
Drosophila Melanogaster, popularmente conhecida como mosca da fruta. Essa espécie tornou-se
um organismo modelo para o estudo dos impactos que outros insetos produzem ao meio ambiente.
Ademais, essas moscas possuem proteínas e genes similares aos dos seres humanos. Uma
dificuldade para especialistas no estudo desses indivíduos é a semelhança das asas entre machos
e fêmeas, que podem ser afetadas por mutações ou variações no genótipo. Este trabalho propõe
um método de discriminação de gênero e genótipo de moscas da espécie Drosophila melanogaster
a partir de características extraídas de imagens das asas. Essa abordagem se baseia na dimensão
fractal extraída da segmentação por filtro de Canny das componentes da Transformada Wavelet
Estacionária. A metodologia é validada com a divisão dos dados em grupos com taxas de
treinamento e teste variáveis e na utilização de seis classificadores de abordagens diferentes:
Floresta Aleatória, Máquinas de Vetor de Suporte, Perceptron Multicamadas, Análise por
Discriminante Linear, Análise por Discriminante Quadrático e K Vizinhos Mais Próximos. Em
seguida, a classificação é repetida com redução dos dados, apenas fêmeas para genótipo ou
apenas indivíduos sem mutação para gênero. Os resultados obtidos foram satisfatórios, superando
trabalhos da literatura com metodologias que não utilizam interação humana. Para genótipo, as
taxas de acerto foram mais baixas devido à semelhança física entre as asas.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufc.br:riufc/25382 |
| Date | 08 1900 |
| Creators | Medeiros Neto, Francisco Gerardo |
| Contributors | Paula Júnior, Iális Cavalcante de |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds