Armadilhas e sensores inteligentes: uma abordagem inovadora para controle de insetos peste e vetores de doenças

• Processo: 16/04986-6
• Modalidade de apoio: Auxílio à Pesquisa - Programa eScience e Data Science - Regular
• Vigência: 01 de junho de 2017 - 30 de abril de 2019
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Gustavo Enrique de Almeida Prado Alves Batista
• Beneficiário: Gustavo Enrique de Almeida Prado Alves Batista
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Pesquisadores associados: Agenor Mafra Neto ; Claudia Regina Milaré ; Eamonn John Keogh ; Juliano José Corbi ; Pedro Takao Yamamoto ; Ronaldo Cristiano Prati ; Vinícius Mourão Alves de Souza
• Bolsa(s) vinculada(s): 18/05859-3 - Armadilhas e sensores inteligentes: uma abordagem inovadora para controle de insetos peste e vetores de doenças, BP.PD
• Assunto(s): Aprendizado computacional Entomologia Sensores inteligentes Controle de insetos Controle de pragas Vetores de doenças Greening (doença de planta) Diaphorina citri Aedes aegypti
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Entomologia Computacional | fluxos de dados | Aprendizado de Máquina

Resumo

Indiscutivelmente, os insetos são importantes na agricultura, no meio ambiente e saúde pública. Muitas espécies são benéficas para o meio ambiente e para as pessoas. Por exemplo, insetos são responsáveis pela polinização de ao menos dois terços de todo o alimento consumido no mundo. Devido a esta importância para os seres humanos, o recente declínio nas populações de insetos polinizadores, principalmente as abelhas, é considerado um grave problema ambiental, frequentemente associado ao uso de pesticidas. Por outro lado, pragas agrícolas são responsáveis por destruir mais de 40 bilhões de dólares em alimentos por ano e determinadas espécies são vetores de doenças que matam mais de um milhão de pessoas anualmente, como a malária, dengue, febre chikungunya e zika vírus. Neste projeto de pesquisa, é proposta uma armadilha inteligente para a captura de espécies maléficas de insetos. A armadilha utiliza um sensor óptico que tem sido desenvolvido pela equipe deste projeto nos últimos anos, capaz de reconhecer automaticamente a espécie de insetos a partir de dados do batimento de asas dos insetos. O reconhecimento das espécies de insetos permitirá a criação de mapas de densidade em tempo real, que por sua vez podem ser utilizados para apoiar intervenções locais. Por exemplo, no caso de pragas agrícolas, estes mapas permitirão a aplicação inteligente e direcionada de inseticidas, reduzindo o impacto para o meio ambiente. No caso de insetos vetores de doenças, a armadilha poderá auxiliar na redução dos custos de intervenções sofisticadas e efetivas como a SIT (técnica do inseto estéril), mas que possuem um alto custo. Neste projeto, pretende-se expandir o estado-da-arte em Computação por meio desta aplicação real, especialmente nas áreas de Aprendizado de Máquina e Mineração de Fluxo de Dados. De modo a demonstrar os aspectos práticos desta proposta, as pesquisas serão concentradas na identificação de duas espécies: o psilídio asiático dos citros, vetor da doença de Greening, uma terrível doença que ataca árvores de citros e o Aedes aegypti, vetor da dengue, febre amarela e chikungunya, e zika virus, recentemente associado a casos de microcefalia em recém-nascidos. (AU)

Publicações científicas

(19)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SOUZA, VINICIUS M. A.; DA SILVA, TIAGO PINHO; BATISTA, GUSTAVO E. A. P. A.; IEEE. Evaluating Stream Classifiers with Delayed Labels Information. 2018 7TH BRAZILIAN CONFERENCE ON INTELLIGENT SYSTEMS (BRACIS), v. N/A, p. 6-pg., 2018-01-01. (16/04986-6, 18/05859-3)

DA SILVA, LUCAS TSUTSUI; SOUZA, VINICIUS M. A.; BATISTA, GUSTAVO E. A. P. A.; IEEE. EmbML Tool: supporting the use of supervised learning algorithms in low-cost embedded systems. 2019 IEEE 31ST INTERNATIONAL CONFERENCE ON TOOLS WITH ARTIFICIAL INTELLIGENCE (ICTAI 2019), v. N/A, p. 5-pg., 2019-01-01. (16/04986-6, 18/05859-3)

SILVA, DIEGO F.; YEH, CHIN-CHIA M.; ZHU, YAN; BATISTA, GUSTAVO E. A. P. A.; KEOGH, EAMONN. Fast Similarity Matrix Profile for Music Analysis and Exploration. IEEE TRANSACTIONS ON MULTIMEDIA, v. 21, n. 1, p. 29-38, JAN 2019. (16/04986-6, 13/26151-5)

SABINO PARMEZAN, ANTONIO RAFAEL; SOUZA, VINICIUS M. A.; BATISTA, GUSTAVO E. A. P. A.. Evaluation of statistical and machine learning models for time series prediction: Identifying the state-of-the-art and the best conditions for the use of each model. INFORMATION SCIENCES, v. 484, p. 302-337, MAY 2019. (18/05859-3, 16/04986-6, 13/10978-8)

DOS REIS, DENIS M.; MALETZKE, ANDRE G.; BATISTA, GUSTAVO E. A. P. A.; ASSOC COMP MACHINERY. Unsupervised Context Switch for Classification Tasks on Data Streams with Recurrent Concepts. 33RD ANNUAL ACM SYMPOSIUM ON APPLIED COMPUTING, v. N/A, p. 7-pg., 2018-01-01. (16/04986-6)

PARMEZAN, ANTONIO R. S.; SOUZA, VINICIUS M. A.; ZLIOBAITE, INDRE; BATISTA, GUSTAVO E. A. P. A.. Changes in the wing-beat frequency of bees and wasps depending on environmental conditions: a study with optical sensors. Apidologie, v. 52, n. 4, p. 731-748, AUG 2021. (16/04986-6)

REIS, DENIS; MALETZKE, ANDRE; SILVA, DIEGO F.; BATISTA, GUSTAVO E. A. P. A.; ACM. Classifying and Counting with Recurrent Contexts. KDD'18: PROCEEDINGS OF THE 24TH ACM SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY & DATA MINING, v. N/A, p. 10-pg., 2018-01-01. (16/04986-6)

SOUZA, VINICIUS M. A.; DOS REIS, DENIS M.; MALETZKE, ANDRE G.; BATISTA, GUSTAVO E. A. P. A.. Challenges in benchmarking stream learning algorithms with real-world data. DATA MINING AND KNOWLEDGE DISCOVERY, JUL 2020. (16/04986-6, 17/22896-7, 18/05859-3)

PARMEZAN, ANTONIO R. S.; SOUZA, VINICIUS M. A.; ZLIOBAITE, INDRE; BATISTA, GUSTAVO E. A. P. A.. Changes in the wing-beat frequency of bees and wasps depending on environmental conditions: a study with optical sensors. Apidologie, JUN 2021. (16/04986-6)

SILVA, DIEGO F.; GIUSTI, RAFAEL; KEOGH, EAMONN; BATISTA, GUSTAVO E. A. P. A.. Speeding up similarity search under dynamic time warping by pruning unpromising alignments. DATA MINING AND KNOWLEDGE DISCOVERY, v. 32, n. 4, p. 988-1016, JUL 2018. (16/04986-6, 12/08923-8, 13/26151-5)

MOURA, LIDIA; DE NADAI, BARBARA L.; BERNEGOSSI, ALINE C.; FELIPE, MAYARA C.; CASTRO, GLEYSON B.; CORBI, JULIANO J.. Be quick or be dead: high temperatures reduce Aedes aegypti (Diptera: Culicidae) larval development time and pyriproxyfen larvicide efficiency in laboratory conditions. INTERNATIONAL JOURNAL OF TROPICAL INSECT SCIENCE, v. 41, n. 2, JAN 2021. (16/04986-6, 18/21901-0, 16/24622-9, 16/21946-8)

DOS REIS, DENIS; MALETZKE, ANDRE; CHERMAN, EVERTON; BATISTA, GUSTAVO; BERLINGERIO, M; BONCHI, F; GARTNER, T; HURLEY, N; IFRIM, G. One-Class Quantification. MACHINE LEARNING AND KNOWLEDGE DISCOVERY IN DATABASES, ECML PKDD 2018, PT I, v. 11051, p. 17-pg., 2019-01-01. (16/04986-6)

MOURA, LIDIA; DE NADAI, BARBARA LEPRETTI; CORBI, JULIANO J.. What does not kill it does not always make it stronger: High temperatures in pyriproxyfen treatments produce Aedes aegypti adults with reduced longevity and smaller females. JOURNAL OF ASIA-PACIFIC ENTOMOLOGY, v. 23, n. 2, p. 529-535, JUN 2020. (16/24622-9, 16/04986-6)

PARMEZAN, ANTONIO R. S.; SOUZA, VINICIUS M. A.; SETH, ARPITA; ZLIOBAITE, INDRE; BATISTA, GUSTAVO E. A. P. A.. Hierarchical classification of pollinating flying insects under changing environments. ECOLOGICAL INFORMATICS, v. 70, p. 20-pg., 2022-08-02. (16/04986-6)

MALETZKE, ANDRE; DOS REIS, DENIS; CHERMAN, EVERTON; BATISTA, GUSTAVO; AAAI. DyS: A Framework for Mixture Models in Quantification. THIRTY-THIRD AAAI CONFERENCE ON ARTIFICIAL INTELLIGENCE / THIRTY-FIRST INNOVATIVE APPLICATIONS OF ARTIFICIAL INTELLIGENCE CONFERENCE / NINTH AAAI SYMPOSIUM ON EDUCATIONAL ADVANCES IN ARTIFICIAL INTELLIGENCE, v. N/A, p. 9-pg., 2019-01-01. (16/04986-6, 17/22896-7)

PARMEZAN, ANTONIO R. S.; SOUZA, VINICIUS M. A.; BATISTA, GUSTAVO E. A. P. A.. Time Series Prediction via Similarity Search: Exploring Invariances, Distance Measures and Ensemble Functions. IEEE ACCESS, v. 10, p. 22-pg., 2022-01-01. (13/10978-8, 16/04986-6, 18/05859-3)

MALETZKE, ANDRE G.; DOS REIS, DENIS M.; BATISTA, GUSTAVO E. A. P. A.; IEEE. Quantification in Data Streams: Initial Results. 2017 6TH BRAZILIAN CONFERENCE ON INTELLIGENT SYSTEMS (BRACIS), v. N/A, p. 6-pg., 2017-01-01. (16/04986-6)

SILVA, DIEGO F.; BATISTA, GUSTAVO E. A. P. A.; WANI, MA; KANTARDZIC, M; SAYEDMOUCHAWEH, M; GAMA, J; LUGHOFER, E. Elastic Time Series Motifs and Discords. 2018 17TH IEEE INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND APPLICATIONS (ICMLA), v. N/A, p. 6-pg., 2018-01-01. (16/04986-6, 13/26151-5, 17/24340-6)

SOUZA, VINICIUS M. A.; DOS REIS, DENIS M.; MALETZKE, ANDRE G.; BATISTA, GUSTAVO E. A. P. A.. Challenges in benchmarking stream learning algorithms with real-world data. DATA MINING AND KNOWLEDGE DISCOVERY, v. 34, n. 6, p. 54-pg., 2020-07-07. (17/22896-7, 16/04986-6, 18/05859-3)