Wavelet-based Auto-Counting Tool of Aedes Eggs

Yussof, Wan Nural Jawahir Hj Wan; Man, Mustafa; Hitam, Muhammad Suzuri; Hamid, Abdul Aziz K Abdul; Awalludin, Ezmamarul Afreen; Bakar, Wan Azelee Wan Abu

doi:10.1145/3290589.3290594

Cited by 7 publications

(6 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Although several attempts based on technology solutions have been made to improve the efficiency in vector surveillance [20][21][22][23][24] , the earliest stage that can be done for automatic identification is at the larval stage. Current attempts on mosquito egg identification [25][26][27][28] still focus on counting the number of Ae. aegypti and Ae.…”

Section: Identification Of Aedes Aegypti and Aedes Albopictus Eggs Ba...mentioning

confidence: 99%

Identification of Aedes aegypti and Aedes albopictus eggs based on image processing and elliptic fourier analysis

Gunara,

Joelianto,

Ahmad

2023

Sci Rep

View full text Add to dashboard Cite

Dengue hemorrhagic fever is a worldwide epidemic caused by dengue virus and spread by infected female mosquitoes. The two main mosquito species vectors of the dengue virus are Aedes aegypti and Aedes albopictus. Conventionally, the identification of these two species’ egg is time-consuming which makes vector control more difficult. However, although attempts on efficiency improvements by providing automatic identification have been conducted, the earliest stage is at the larval stage. In addition, there are currently no studies on classifying to distinguish the two vectors during the egg stage based on their digital image. A total of 140 egg images of Aedes aegypti and Aedes albopictus were collected and validated by rearing them individually to become adult mosquitoes. Image processing and elliptic Fourier analysis were carried out to extract and describe the shape difference of the two vectors’ eggs. Machine learning algorithms were then used to classify the shape signatures. Morphometrically, the two species’ eggs were significantly different, which Aedes albopictus were smaller in size. Egg-shape contour reconstructions of principal components and Multivariate Analysis of Variance (MANOVA) revealed that there is a significant difference (p value $$< 0.000$$ < 0.000 ) in shape between two species’ eggs at the posterior end. Based on Wilk’s lambda of the MANOVA results, the classification could be done using only the first 3 principal components. Classification of the test data yielded an accuracy of 85.00% and F1 score 84.21% with Linear Discriminant Analysis applying default hyperparameter. Alternatively, k-Nearest Neighbors with optimal hyperparameter yielded a higher classification result with 87.50% and 87.18% of accuracy and F1 score, respectively. These results demonstrate that the proposed method can be used to classify Aedes aegypti and Aedes albopictus eggs based on their digital image. This method provides a foundation for improving the identification and surveillance of the two vectors and decision making in developing vector control strategies.

show abstract

Section: Identification Of Aedes Aegypti and Aedes Albopictus Eggs Ba...mentioning

confidence: 99%

Identification of Aedes aegypti and Aedes albopictus eggs based on image processing and elliptic fourier analysis

Gunara,

Joelianto,

Ahmad

2023

Sci Rep

View full text Add to dashboard Cite

show abstract

“…Alguns trabalhos de contagem automática, total ou parcial, vem sendo estudados, e as principais técnicas utilizadas são baseadas em: limiarizac ¸ão ou agrupamento com filtragem por área [Silva et al 2012, Feitosa 2015, Sousa and Paiva 2014, filtragem morfológica [Bandong and Joelianto 2019], Wavelet [Rocha et al 2019, Yussof et al 2018 e Deep Learning [Santana et al 2019, Garcia et al 2019. Analisando esses trabalhos nota-se que é necessário realizar uma automac ¸ão no processo de aquisic ¸ão das imagens, pois a padronizac ¸ão da distância e do aumento do microscópio irá facilitar a etapa de detecc ¸ão dos ovos.…”

Section: Trabalhos Relacionadosunclassified

Contagem de ovos do Aedes Aegypti em palhetas de ovitrampas baseada em Deep Learning

Silva¹,

Silva²,

Barros³

et al. 2021

Anais Do XIV Encontro Unificado De Computação Do Piauí (ENUCOMPI 2021)

View full text Add to dashboard Cite

O Aedes aegypti é o vetor de um dos problemas de saúde pública mais difíceis de serem combatidos no mundo tropical: a proliferação da epidemia de dengue. Como não há vacina ou tratamento específico, e a erradicação do seu vetor se tornou praticamente impossível, a melhor maneira de se evitar a doença é realizando o controle do mosquito Aedes aegypti. Com isso, este trabalho apresenta uma metodologia computacional para a segmentação de ovos nas palhetas ovitrampas que visa auxiliar especialistas nessa contagem. Para o desenvolvimento deste trabalho realizamos testes com as redes neurais convolucional desenvolvida para segmentação: U-Net, Segnet e uma rede pré treinada. Em seguida, realizamos uma etapa de pós-processamento baseada em morfologia matemática. Os resultados alcançados foram promissores, e a rede U-Net foi a que apresentou melhor desempenho, com Acurácia de 98,65% na segmentação dos ovos e erro médio quadrado de 4,25% na contagem.

show abstract

“…No trabalho apresentado por Yussof e demais pesquisadores (Wan Yussof et al, 2018) se propôs a adoção de um filtro de Gabor para otimizar o processo de limiarização da imagem, fazendo com que a segmentação dos ovos do Aedes fosse mais eficiente. A ideia dos autores foi adotar o filtro com o objetivo de realçar a diferença entre os ovos do mosquito e o fundo das imagens.…”

Section: Técnicas Computacionais De Contagemunclassified

“…Trabalho Técnica Validação Principais resultados Costa (2017) Equalização para tons de cinza 206 imagens Acurácia = 98,94% Limiarização adaptativa baseada em descontinuidade Segmentação dos ovos e bounding-boxes Extração de características para treinamento Wan Yussof et al (2018) Filtros de gabor para realce 5 imagens EM = 1,49% macro Limiarização adaptativa de Otsu Abertura e dilatação morfológicas 5 imagens EM = 0% micro Análise de componentes conectados Garcia et al (2019) Segmentação de regiões externas à palheta 30 imagens R = 0,86 Conversão do sistema RGB para L*a*b* 27 imagens R = 0,9703 Rocha et al (2019) Realce por filtro passa-alta (High-boost) 1 palheta Taxa Tabela 3: Exemplo de como o valor do erro médio (EM) foi calculado.…”

Section: Conclusãounclassified

Uma revisão das técnicas computacionais para contagem de ovos de Aedes aegypti em imagens de ovitrampas

Brun

Moraes

Rizzi

et al. 2020

RBCA

View full text Add to dashboard Cite

A dengue é uma doença viral infecciosa, transmitida pelo mosquito Aedes (albopictus e aegypti), que está presente em mais de 100 países. Mesmo tendo um número frequente e crescente de casos confirmados, não existe vacina eficaz contra a dengue. A estratégia mais eficiente é o acompanhamento e controle do vetor, realizado principalmente com a limpeza de recipientes que são possíveis criadouros. Uma das alternativas para o monitoramento, é a estimação da quantidade de mosquitos por região. Isso pode ser feito através da contagem de ovos em imagens de ovitrampas, que são armadilhas compostas por um recipiente parcialmente ocupado por água ou alguma infusão no qual é inserida uma palheta ou lâmina, proporcionando um ambiente adequado para oviposição. A palheta é fotografada e a contagem dos ovos é feita manualmente. As imagens contêm uma quantidade variável de ovos podendo alcançar milhares de unidades, tornando o trabalho de contagem dispendioso e passivo a erros devido ao cansaço humano. Uma alternativa para auxiliar na estimação do número de ovos presentes nas ovitrampas são os métodos de contagem automática. O atual trabalho apresenta um levantamento bibliográfico de trabalhos de contagem automática de ovos presentes na literatura, visando identificar as diferentes técnicas usadas na solução do problema, bem como os fatores de maior influência no processo e possíveis desafios que ainda demandam soluções.

show abstract

Wavelet-based Auto-Counting Tool of Aedes Eggs

Cited by 7 publications

References 12 publications

Identification of Aedes aegypti and Aedes albopictus eggs based on image processing and elliptic fourier analysis

Identification of Aedes aegypti and Aedes albopictus eggs based on image processing and elliptic fourier analysis

Contagem de ovos do Aedes Aegypti em palhetas de ovitrampas baseada em Deep Learning

Uma revisão das técnicas computacionais para contagem de ovos de Aedes aegypti em imagens de ovitrampas

Contact Info

Product

Resources

About