Pesquisadores da UFMG, USP e Universidade de Sheffield (Reino Unido) desenvolveram um software inovador impulsionado por inteligência artificial, destinado à identificação de focos de dengue por meio de análise de imagens aéreas.
Esse avançado sistema é capaz de analisar automaticamente imagens de propriedades capturadas por drones, mapeando regiões urbanas com alto risco de infestação pelo mosquito da dengue. Esta evolução na tecnologia elimina a necessidade de verificações presenciais nos locais identificados como possíveis criadouros, resultando em uma otimização de custos.
“Por meio de mosaicos de imagens obtidas por uma câmera transportada por veículos aéreos não tripulados, desenvolvemos algoritmos baseados em aprendizado profundo para detecção de caixas d’água e piscinas. Um modelo de detecção de objetos, inicialmente criado para áreas de Belo Horizonte, foi aprimorado com técnicas de transferência de aprendizagem, que nos possibilitou detectar objetos em Campinas com menos amostras e mais eficiência”, afirma o coordenador dos estudos, o professor Jefersson Alex dos Santos, da UFMG e de Sheffield.
Quarteirões
A última fase da pesquisa foi conduzida em Campinas, onde foram examinados 200 quarteirões. Durante esta investigação, as estruturas foram visitadas e três componentes do Índice de Condição de Premissa (PCI) foram avaliados: construção, quintal e sombreamento, juntamente com outras características, como condições das fachadas.
Os resultados desta pesquisa estão documentados no artigo preprint “Mapeamento automático de áreas urbanas de alto risco para infestação por Aedes aegypti com base na análise de imagens de fachadas de edifícios”, atualmente em revisão. A primeira autora do artigo é Camila Laranjeira (UFMG), com o professor Francisco Chiaravalloti-Neto (Faculdade de Saúde Pública da USP) como autor correspondente.
Os pesquisadores destacam que embora o Índice de Condição de Premissa (PCI) seja uma ferramenta crucial, sua determinação tradicionalmente demanda visitas a todas as propriedades, tornando o processo extremamente dispendioso. Neste estudo, o grupo propõe uma abordagem inovadora, utilizando imagens das fachadas dos edifícios no nível da rua para prever o PCI. Essa tecnologia foi denominada PCINet.
“Treinamos uma rede neural profunda com as fotos tiradas, criando um modelo computacional capaz de examinar as fachadas dos edifícios. Avaliamos o PCINet em um cenário que iguala uma situação real de grande escala, na qual o modelo poderia ser implantado para monitorar automaticamente quatro regiões de Campinas”, informaram os autores do artigo em entrevista ao Jornal da USP.
Segundo os cientistas, os bons resultados obtidos com o PCINet e as boas correlações das condições da fachada com os componentes do PCI demonstraram a confiabilidade da metodologia para classificar as condições dos edifícios sem visitá-los fisicamente.
*Este conteúdo está alinhado aos Objetivos de Desenvolvimento Sustentável (ODS), na Agenda 2030 da Organização das Nações Unidas (ONU). ODS 03 – Saúde e Bem-Estar
Leia também:
