Lógica difusa e análise de imagem aplicada à identificação de espécies no complexo Siderastrea de Blainville, 1830 (Cnidaria, Scleractinia)

Orientador: Prof. Dr. Marcos BarbeitosDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Biológicas, Programa de Pós-Graduação em Zoologia. Defesa : Curitiba, 07/03/2018Inclui referências: p.30-33Resumo: O gênero Siderastrea representa um desafio em termos de identificação dada a grande sobreposição existente na distribuição de caracteres diagnósticos quantitativos entre espécies. O objetivo deste trabalho é testar a utilidade de métodos de última geração em descrição e classificação de imagens para a identificação das espécies que compõem o chamado "Complexo Siderastrea do Atlântico", formado por S. radians, S. siderea e S. stellata. As imagens foram obtidas utilizando-se microscopia eletrônica de varredura da superfície do esqueleto de colônias pertencentes às três espécies, coletadas desde Búzios (RJ) a Maraxanguape (RN). Foi utilizado o método de Padrões Binários Locais Completos (CLBP), uma técnica simples porém eficiente, para caracterizar imagem com grande variação localizada em padrões, que tem alcançado resultados excelentes em classificação de textura em bases de dados representativos. Para a classificação supervisionada das imagens, foi utilizada uma rede neural artificial difusa, que simula uma memória associativa (?-FAM) e estabelece a correspondência entre os descritores da imagem e uma das três espécies de corais. A abordagem foi testada usando 370 imagens, sendo 92 imagens de S. radians, 72 de S. siderea e 206 de S. stellata. O sucesso médio da classificação individual das imagens obtido em experimentos de validação cruzada foi de 91±5%, superando todos os outros classificadores testados. Os resultados sugerem que as novas tecnologias de análise e classificação de imagens, conhecidas como visão computadorizada, podem ser ferramentas valiosas para serem aplicadas nas ciências biológicas. Palavras-chave: inteligência artificial, classificação supervisionada, microscopia, morfometria, computer vision.Abstract: Species identification in the genus Siderastrea is challenging due to the large overlap in diagnostic characters among species. The goal of this thesis is to test the utility of state of the art methods in image analysis and classification to species identification in the so called "Atlantic Siderastrea complex", composed of S. radians, S. siderea and S. stellata. Images were obtained from coralla using a scanning electron microscope. Individuals were collected along the Brazilian coast, from Búzios (RJ) to Maraxanguape (RN). Image analysis was accomplished using Complete Local Binary Patterns (CLBP), a simple but efficient technique to characterize images with localized pattern variation and that has had excellent performance in texture recognition of images from representative databases. Supervised image classification was aided by a fuzzy artificial network that simulates associative memory (?-FAM), establishing the correspondence between image descriptors and putative species. The approach was tested using 370 images, being 92 images of S. radians, 72 of S. siderea and 206 of S. stellata. Average classification success in cross-validation experiments was 91±5%, outperforming all other tested classifiers. The results suggest that the so called computer vision may be a useful tool to be applied in the biological sciences. Key words: artificial intelligence, supervised classification, microscopy, morphometrics, computer vision