Objetivos do Projeto

O projeto tem como objetivo desenvolver um sistema inteligente para o monitoramento de espécies marinhas, com foco na caravela (Physalia physalis), espécie de alto risco à saúde pública devido à sua potente toxina. Para isso, serão empregados métodos de extração, curadoria, armazenamento e análise de dados provenientes de redes sociais, jornais e bases de dados externas, utilizando técnicas de processamento de imagens, processamento de linguagem natural e aprendizado de máquina. O sistema visa, ainda, divulgar informações sobre a distribuição das espécies, sua importância ecológica, medidas de conservação e prevenção de acidentes, incentivando a ciência cidadã.

Pesquisadores Envolvidos

• Aurora Trinidad Ramirez Pozo – Coordenadora (Doutorado em Engenharia Elétrica – UFPR). Áreas: Ciência da Computação, Metodologia e Técnicas da Computação.
• Carlos Augusto Prolo – Pesquisador (Doutorado – UFRN). Especialista em Processamento de Linguagem Natural e Análise de Algoritmos.
• Carmem Satie Hara – Pesquisadora (Doutorado – UFPR). Especialista em Bancos de Dados e Extração de Informações.
• Hugo Alberto Perlin – Pesquisador (Doutorado – IFPR). Atuação em Visão Computacional, Inteligência Artificial e Processamento Gráfico.
• Martin Alejandro Musicante – Pesquisador (Doutorado – UFRN). Áreas: Lógicas, Semântica de Programas e Bancos de Dados Semiestruturados.
• Miodeli Nogueira Junior – Pesquisador (Doutorado – UFPB). Especialista em Zoologia, Ecologia e Taxonomia de organismos marinhos.
• Tobias Bernward Bleninger – Pesquisador (Doutorado – UFPR). Atua na modelagem ambiental e correlação de dados com parâmetros oceanográficos.
• Wagner Machado Nunan Zola – Pesquisador (Doutorado – UFPR). Foco em algoritmos de alto desempenho e visualização de dados.
• Alunos de Graduação: Leonardo da Silva Camargo, Marcos Vinícius Pontarolo.
• Alunos de Pós-Graduação: Bruno Henrique Meyer, Cristina Yassue Morimoto, Henrique Margotte, Heloisa Fernanda Rocha, Lisiane Reips, Lorena Silva do Nascimento.

Publicações

• Meyer, Pozo, Zola (2021) – Improving Barnes-Hut t-SNE Algorithm in Modern GPU Architectures with Random Forest KNN and Simulated Wide-Warp. ACM Journal on Emerging Technologies in Computing Systems (JETC), 17(4), pp. 1–26.
• Lima, Pozo, Mendiburu, Santana (2021) – Automatic Design of Deep Neural Networks Applied to Image Segmentation Problems. EuroGP 2021. LNCS, vol 12691, pp. 98–113.
• Sodré, Magalhães, Floriano, Pozo, Hara, Machado (2021) – COVID-19 Portal: Machine Learning Techniques Applied to the Analysis of Judicial Processes Related to the Pandemic. ADBIS 2021, CCIS, vol 1450, pp. 109–120.
• Nogueira, M. et al. (2021) – Gelatinous Zooplankton. In: J. Pan; P. Pratolongo (Org.). Marine Biology: A Functional Approach to the Oceans and Their Organisms. 1ª ed., CRC Press, 2021, v. 1, p. 144–173.

Repositórios GitHub

A seguir, alguns dos repositórios contendo os códigos desenvolvidos para o projeto:

• Detecção de Caravelas Portuguesas em Imagens
• Extração de Informações de Textos
• Detecção de Caravelas Portuguesas em Imagens e Textos
• Autoencoder Federado para Análise de Dados Distribuídos, e aplicações de xAI
• Modelo de Previsão de Ocorrências baseado em dados históricos

Visualizador de aparecimento de Caravelas Portuguesas

Financiadores

• Chamada: CNPq/MCTI/FNDCT Nº 18/2021 – Faixa B – Grupos Consolidados
• Instituições Envolvidas: Universidade Federal do Paraná (UFPR), Universidade Federal do Rio Grande do Norte (UFRN), Universidade Federal da Paraíba (UFPB) e Instituto Federal do Paraná (IFPR).