DETECÇÃO E CLASSIFICAÇÃO DE AEDES AEGYPTI UTILIZANDO VISÃO COMPUTACIONAL

Resumo

O Aedes aegypti representa uma ameaça relevante à saúde pública no Brasil, sendo vetor
de doenças como dengue, zika e chikungunya. O controle eficaz desse mosquito é essencial para
prevenir surtos e proteger a população. Este projeto propõe o desenvolvimento de uma solução baseada
em inteligência artificial, com foco na detecção e classificação de mosquitos, especialmente do gênero
Aedes e Culex. Foi utilizado o algoritmo YOLOv11 em cinco versões (nano, small, medium, large e
extra-large), treinado com um dataset contendo 4.998 imagens de mosquitos dos gêneros Aedes e Culex,
anotadas com bounding boxes e rotuladas conforme o gênero. Os resultados, avaliados por métricas de
precisão e confiabilidade, indicaram desempenho satisfatório. Contudo, imagens com ângulos ou
cenários distintos dos presentes no dataset apresentaram queda de desempenho. A versão extra-large se
destacou como a mais robusta entre as testadas. Conclui-se que a aplicação de algoritmos de visão
computacional, como o YOLOv11, é promissora para auxiliar no monitoramento e controle do mosquito
vetor, sendo recomendada a ampliação do treinamento com imagens mais variadas para melhoria dos
resultados.