Os pesquisadores da Universidade Federal de Minas Gerais (UFMG), em parceria com pesquisadores da Universidade de São Paulo (USP) e da Universidade de Sheffield, no Reino Unido, aprimoraram um software que utiliza a Inteligência Artificial (IA) para identificar focos de Aedes aegypti com base em imagens aéreas. Os responsáveis da universidade mineira são do Departamento de Ciência da Computação (DCC), e ajudaram a desenvolver um dispositivo capaz de usar imagens de fachadas de imóveis para análise automática e mapeamento das áreas urbanas com alto risco de infestação. Com esse uso, a ferramenta é capaz de tornar dispensável a verificação presencial nos locais que servem como possíveis criadouros do Aedes aegypti, barateando o processo e facilitando o combate à dengue.
Como explica o coordenador dos estudos, o professor Jefersson Alex dos Santos, do DCC e da Universidade de Sheffield, é através dessas imagens que é usado o sistema de detecção. “Desenvolvemos algoritmos baseados em aprendizado profundo para detecção de caixas d’água e piscinas. Um modelo de detecção de objetos, inicialmente criado para áreas de Belo Horizonte, foi aprimorado com técnicas de transferência de aprendizagem, que nos permitiu detectar objetos em Campinas com menos amostras e mais eficiência”, afirma.
Índice de Condição de Premissa
Esse projeto já gerou testes práticos, que foram realizados em Campinas, no estado de São Paulo, quando nos 200 quarteirões pesquisados foram medidos três diferentes componentes. Os chamados Índice de Condição de Premissa (PCI), analisados no estudo, levam em conta a construção, quintal e sombreamento, considerando também as fachadas e outras características. Os resultados desse estudo foram apresentados no artigo Automatic mapping of high-risk urban areas for Aedes aegypti infestation based on building facade image analysis, que ainda está em revisão, e que indica avanços nessa otimização de recursos desejada pelos pesquisadores. A tecnologia desenvolvida até então foi chamada de PCINet.
Conforme destacam os autores, identificar quais são as áreas de maior risco em um município e direcionar os esforços de controle para elas é uma estratégia mais eficiente para o combate ao Aedes aegypti, e para isso a ferramenta seria importante. Para que funcione, no entanto, é necessário que seja feita uma visita em todos os edifícios, um processo que seria considerado muito oneroso, e por isso a proposta seria de um uso capaz de prever o PCI com base em imagens das fachadas no nível da rua. Até então, os resultados obtidos com o PCINet e as correlações das condições da fachada com os componentes do PCI indicam, para eles, a confiabilidade da metodologia para classificar as condições dos edifícios sem visitá-los fisicamente, apresentando resultados satisfatórios neste sentido.