Tenebrio AI Detection: Um modelo para identificação e classificação precisa de Tenebrio molitor por meio de visão computacional

Resumo

Objetivo: Desenvolver e implementar um modelo funcional de detecção utilizando visão computacional para a identificação e classificação precisa de Tenebrio molitor, mais conhecido como tenébrio ou larva-da-farinha. Métodos: A metodologia adotada compreendeu a aquisição de 394 imagens brutas e respectivas anotações detalhadas de tenébrios, utilizando a plataforma Roboflow. Realizou-se o pré-processamento e a augmentação das imagens para mitigar o overfitting, totalizando 946 imagens. A partição do conjunto de dados seguiu uma distribuição de 70% para treinamento, 20% para validação e 10% para teste. O modelo de detecção foi submetido a retreinamento com parâmetros constantes, sendo a avaliação do desempenho conduzida por meio de métricas como Precision, Recall e mAP@0.5. Resultados: O modelo exibiu um desempenho significativo, alcançando uma precisão de 93,6%, recall de 88,4% e mAP de 94,8%. Estes resultados denotam uma notável melhoria em relação a modelos preexistentes. A análise dos resultados indica que a introdução de novas imagens e a implementação da técnica de augmentação de rotação desempenharam uma função crucial na otimização da eficácia do modelo. Conclusão: O presente estudo contribui significativamente para o avanço da visão computacional na entomologia aplicada, oferecendo não apenas uma solução prática para a identificação de insetos comestíveis, mas também estabelecendo uma base para futuras investigações em outras espécies e contextos industriais.