Aprendizado Profundo para Classificação de Microorganismos

Neste trabalho apresentamos uma comparação entre três métodos de aprendizado de máquina (ML) aplicados para identificar Chatonella localizadas imagens microscópicas. Analisamos o algoritmo de vizinhos de k mais próximos (KNN), o algoritmo de rede neural sem peso (WNN) e o algoritmo de rede neural convolucional (CNN). Este último sendo o estado da arte para classificação de imagens. O objetivo deste trabalho é identificar o melhor método para contabilizar diferentes tipos de microrganismos de amostras de água oceânica, com a finalidade de detectar poluição. Essa comparação leva em consideração a precisão da taxa de acertos. O algoritmo que teve o melhor desempenho foi a rede neural convolucional, como será detalhado neste trabalho.