Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/25382
Title in Portuguese: Extração automática de características de asas de mosca da espécie Drosophila melanogaster
Title: Automatic feature extraction from fly wings of Drosophila melanogaster species
Author: Medeiros Neto, Francisco Gerardo
Advisor(s): Paula Júnior, Iális Cavalcante de
Keywords: Dimensão fractal
Transformada Wavelet Estacionária
Filtro de Canny
Drosophila melanogaster
Issue Date: Aug-2017
Citation: MEDEIROS NETO, F. G.
Abstract in Portuguese: 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.
Abstract: 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.
Description: 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.
URI: http://www.repositorio.ufc.br/handle/riufc/25382
metadata.dc.type: Dissertação
Appears in Collections:PPGEEC - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2017_dis_fgmneto.pdf2,82 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.