(in portuguese: Detecção de caixas d’água e piscinas baseada em sensoriamento remoto e aprendizagem profunda: relação com nível socioeconômico e aplicações no controle da dengue)
Cunha, Higor Souza; Sclauser, Brenda Santana; Wildemberg, Pedro Fonseca; Fernandes, Eduardo Augusto Militão; Santos, Jefersson Alex Dos; de Lage, Mariana Oliveira; Lorenz, Camila; Barbosa, Gerson Laurindo; Quintanilha, José Alberto; Neto, Francisco Chiaravalloti.
(Public Library of Science) PLoS ONE 16(12): e0258681, 2021.
http://dx.doi.org/10.1109/icip46576.2022.9897407
Resumo
Estudos demonstraram que áreas com níveis socioeconômicos mais baixos são frequentemente mais vulneráveis à dengue e a doenças mortais semelhantes que podem ser transmitidas através de mosquitos. Este estudo tem como objetivo detectar caixas d’água instaladas em telhados e piscinas em imagens digitais para identificar e classificar áreas com base no índice socioeconômico, a fim de auxiliar programas de saúde pública no controle de doenças ligadas ao mosquito Aedes aegypti. Este estudo abrange quatro regiões de Campinas, São Paulo, caracterizadas por diferentes contextos socioeconômicos. Com mosaicos de imagens obtidas por uma Canon PowerShot S100 de 12,1 MP (distância focal de 5,2 mm) transportada por veículos aéreos não tripulados, desenvolvemos algoritmos de aprendizagem profunda no âmbito da visão computacional para detecção de caixas d’água e piscinas. Um modelo de detecção de objetos, inicialmente criado para áreas de Belo Horizonte, Minas Gerais, foi aprimorado usando a técnica de transferência de aprendizagem e permitiu detectar objetos em Campinas com menos amostras e mais eficiência. Com a detecção de objetos em imagens digitais, foram estimadas as proporções de objetos por quilômetro quadrado para cada região estudada, adotando-se um modelo de distribuição Qui-quadrado. Assim, constatamos que regiões com baixo nível socioeconômico tinham mais caixas d’água expostas, enquanto regiões com alto nível socioeconômico tinham mais piscinas expostas. Usando abordagens de aprendizagem profunda, criamos uma ferramenta útil para Aedes aegypti para utilizar e direcionar os esforços de prevenção de doenças. Portanto, concluímos que é possível detectar objetos diretamente relacionados ao nível socioeconômico de uma determinada região a partir de imagens digitais, o que incentiva a praticidade dessa abordagem para estudos voltados à saúde pública.