Use este identificador para citar ou linkar para este item:
https://repositorio.ifgoiano.edu.br/handle/prefix/6257| Tipo: | Trabalho de Conclusão de Curso |
| Título: | VISÃO COMPUTACIONAL APLICADA À DETECÇÃO DE ANAPLASMA PLATYS EM PLAQUETAS |
| Autor(es): | Oliveira, Hiann Alexander Mendes de |
| Primeiro Orientador: | Vieira, Gabriel da Silva |
| Primeiro Coorientador: | Ávila Filho, Saulo Humberto de |
| Primeiro Membro da Banca: | Vieira, Gabriel da Silva |
| Segundo Membro da Banca: | Ávila Filho, Saulo Humberto de |
| Terceiro Membro da Banca: | Cardoso, Cristiane de Fátima dos Santos |
| Quarto Membro da Banca: | Costa, Nattane Luiza da |
| Resumo: | O diagnóstico da anaplasmose canina, doença causada pela Anaplasma platys, depende da identificação microscópica do patógeno nas plaquetas, um processo manual que é demorado, subjetivo e suscetível a erros. Este trabalho propõe um modelo de aprendizado de máquina (YOLOv8) para automatizar a detecção e classificação de plaquetas saudáveis e infectadas. Para isso, foi construído um dataset híbrido (imagens reais do Hospital Veterinário do IF Goiano - Campus Urutaí e da internet), treinado com uma divisão de 80% para treino e 20% para validação. Os resultados demonstraram a viabilidade do protótipo: a análise gráfica indicou que o modelo aprendeu a identificar os padrões, mas revelou uma tendência a falsos positivos (classificando plaquetas saudáveis como doentes). Conclui-se que a ferramenta é promissora para o diagnóstico auxiliar, mas sua precisão é limitada pelo dataset restrito. Como trabalhos futuros, recomenda-se a expansão do dataset para aprimorar o desempenho. |
| Abstract: | The manual identification of Anaplasma platys in platelets, essential for diagnosing canine anaplasmosis, is a time-consuming and error-prone process. This work proposes a machine learning model (YOLOv8) to automate the detection and classification of healthy and infected platelets. For this, a hybrid dataset (real images from the HV-IF Goiano - Campus Urutaí and the internet) was built, trained with an 80% train and 20% validation split. The results demonstrate the prototype's viability: graphical analysis indicated the model learned to identify patterns but revealed a tendency for false positives (classifying healthy platelets as diseased). It is concluded that the tool is promising for auxiliary diagnosis, but its precision is limited by the restricted dataset. For future work, dataset expansion is recommended to improve performance. |
| Palavras-chave: | Aprendizado de Máquina Detecção de Objetos Anaplasmose Canina YOLOv8 |
| Área do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO CNPQ::CIENCIAS AGRARIAS::MEDICINA VETERINARIA |
| Idioma: | por |
| Pais: | Brasil |
| Editor: | Instituto Federal Goiano |
| Sigla da Instituição: | IF Goiano |
| Campus: | Campus Urutaí |
| Tipo de Acesso: | Acesso Aberto |
| URI: | https://repositorio.ifgoiano.edu.br/handle/prefix/6257 |
| Data do documento: | 11-Dez-2025 |
| Aparece nas coleções: | Bacharelado em Sistemas de Informação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| tcc_Hiann Oliveira | 2,18 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.