Dados da Submissão

Título

APLICAÇÃO DE REDES NEURAIS PARA IDENTIFICAÇÃO DE NANOFÓSSEIS CALCÁRIOS EM IMAGENS DE LÂMINAS BIOESTRATIGRÁFICAS

Texto do resumo

A Inteligência Artificial (IA) aplicada à bioestratigrafia com base em nanofósseis calcários vem sendo desenvolvida visando a redução do tempo de análise e o aumento da precisão taxonômica. Os nanofósseis calcários são microfósseis marinhos representados pelas algas haptófitas com dimensões menores que 62 µm, com morfologias diversificadas e observadas nas análises de rotina, sob microscópios ópticos com aumentos de até 1.600x. Esses microfósseis são de suma importância para indústria petrolífera, onde são aplicados nas correlações estratigráficas a partir do posicionamento cronoestratigráfico dos estratos sedimentares. O objetivo deste trabalho foi avaliar o uso de Redes Neurais Convolucionais em tarefas de classificação e detecção de nanofósseis em imagens de lâminas. Para essa tarefa foram selecionadas 530 imagens de um total de 2.206 imagens, fazendo a segmentação de 10 classes de nanofósseis (Ahmuellerella octoradiata, Axopodorhabdus albianus, Braarudosphaera africana, B. batiliformis, B. pseudobatilliformis, Lithastrinus grilli, L. septenarius, Nannoconus quadriangulus apertus, N. fragilis e N. Troelsenii) aplicando o algoritmo SAM (Segment Anything Model) da META AI. Para aumentar a diversidade e robustez dos dados, as imagens foram submetidas a data augmentation. Essa prática amplia o conjunto de dados, enriquecendo a variedade de cenários e condições presentes nas imagens, fundamental para o treinamento de modelos de detecção robustos e generalizados. A classificação de imagens consiste no processo de atribuir rótulos únicos automaticamente às imagens de entrada, identificando objetos ou padrões específicos nelas. Para a classificação, foram utilizadas as seguintes arquiteturas da literatura: CNN, AlexNet, ResNet-18, ResNet-50 e a DenseNet. A tarefa de detecção, além de classificar, também tem por objetivo determinar a posição de elementos distintos na imagem. Para a detecção dos nanofósseis na imagem foi utilizado o modelo YOLOv8, que localiza, delimita e reconhece as classes (espécies) de diferentes nanofósseis em uma mesma imagem. Os resultados obtidos inicialmente para classificação indicam que: a) DenseNet e ResNet-50 apresentaram melhor desempenho em comparação com CNN, AlexNet; b) ResNet-18 mostrou um bom equilíbrio onde a simplicidade e a eficiência do modelo são cruciais; c) ResNet-50 não necessariamente apresentou um ganho significativo de desempenho para justificar o aumento na complexidade em todos os casos; d) DenseNet e ResNet-50 são preferíveis para alta precisão, enquanto ResNet-18 é uma boa escolha quando a eficiência é importante. Essa análise destaca a importância de selecionar o modelo adequado para a tarefa específica, considerando a precisão e a matriz de confusão em diferentes classes. Já a integração da tecnologia YOLOv8 permite automatizar e agilizar o processo de análise, permitindo a identificação rápida e precisa dos nanofósseis em um grande volume de imagens, contribuindo para a otimização do tempo dispendido nas análises pelos especialistas. Em relação ao Dataset, a matriz de confusão entre algumas classes sugere a necessidade de mais dados de treinamento ou um refinamento na coleta de dados para essas classes específicas.

Palavras Chave

Inteligência Artificial; Algas Haptófitas; Nanofósseis Calcários; Classificação; Detecção