Busca avançada
Ano de início
Entree

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

Processo: 16/04986-6
Linha de fomento:Auxílio à Pesquisa - Programa eScience e Data Science - Regular
Vigência: 01 de junho de 2017 - 31 de maio 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
Pesq. 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 

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)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Pós-doutorado em aprendizado de máquina na USP com Bolsa da FAPESP 

Publicações científicas
(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)
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. Citações Web of Science: 0.
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. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.