1. UEMA Repositório
  2. BIBLIOTECA DIGITAL UEMA
  3. 1 CAMPUS SÃO LUÍS
  4. CENTRO DE CIÊNCIAS TECNOLÓGICAS - CCT
  5. CURSOS DE GRADUAÇÃO CCT - UEMA
  6. CURSO DE BACHARELADO EM  ENGENHARIA DE COMPUTAÇÃO - CCT UEMA
  7. Curso de Bacharelado em Engenharia da Computação - CCT UEMA - Artigos 
Use este identificador para citar ou linkar para este item: https://repositorio.uema.br/jspui/handle/123456789/6250
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSilva, Vinicius Anderson Silva da-
dc.date.accessioned2026-07-02T19:50:10Z-
dc.date.available2026-07-02-
dc.date.available2026-07-02T19:50:10Z-
dc.date.issued2025-02-17-
dc.identifier.citationSILVA, Vinicius Anderson Silva da. Automatização do reconhecimento de células germinativas em imagens histológicas de ovários de peixes: estudo de caso de peixes encontrados no estado do Maranhão. 2025. 40 f. TCC (Curso de Graduação em Engenharia da Computação) - Centro de Ciências Tecnológicas, Universidade Estadual do Maranhão, São Luís, 2025. Disponível em: https://repositorio.uema.br/jspui/handle/123456789/6250pt_BR
dc.identifier.urihttps://repositorio.uema.br/jspui/handle/123456789/6250-
dc.description.abstractThe state of Maranhão has significant fishing activity, making it essential to monitor the reproductive biology of fish for sustainable management. This work presents an automated approach for recognizing germ cells in histological images of fish ovaries, using digital image processing and supervised learning. The objective is to develop a tool that aids in the efficient analysis of gonads, contributing to knowledge in the field and better management of fishing resources. The methodology uses the Canny edge detection algorithm to segment cells and supervised learning techniques to classify them, overcoming the limitations of traditional manual methods. The results show gains in batch processing speed (50 images/minute) and precision (56% accuracy) with STERapp. The solution aims to increase the precision and reproducibility of analyses, positively impacting fishing sustainability in Maranhão and similar regionspt_BR
dc.languageporpt_BR
dc.publisherUniversidade Estadual do Maranhãopt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAprendizado Supervisionadopt_BR
dc.subjectProcessamento Digital de Imagenspt_BR
dc.subjectImagem histológicapt_BR
dc.subjectdetecção de bordaspt_BR
dc.subjectovários de peixept_BR
dc.subjectReconhecimento de Célulaspt_BR
dc.subjectSupervised Learningpt_BR
dc.subjectDigital Image Processingpt_BR
dc.subjectHistological imagept_BR
dc.subjectEdge detectionpt_BR
dc.subjectrecognizing germ cellspt_BR
dc.subjectFish gopt_BR
dc.titleAutomatização do reconhecimento de células germinativas em imagens histológicas de ovários de peixes: estudo de caso de peixes encontrados no estado do Maranhãopt_BR
dc.title.alternativeAutomation of germ cell recognition in histological images of fish ovaries: a case study of fish found in the state of Maranhãopt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.creator.Latteshttp://lattes.cnpq.br/3742609225462299pt_BR
dc.contributor.advisor1Jacob Junior, Antonio Fernando Lavareda-
dc.contributor.advisor1IDhttps://orcid.org/0000-0002-9415-7265pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4510520291728075pt_BR
dc.contributor.referee1Figueiredo, Marina Bezerra-
dc.contributor.referee1IDhttps://orcid.org/0000-0001-7485-8593pt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/7460926931244016pt_BR
dc.contributor.referee2Campos, Lucio Flavio De Albuquerque-
dc.description.resumoO estado do Maranhão possui importante atividade pesqueira, sendo essencial o monitoramento da biologia reprodutiva dos peixes para a gestão sustentável. Este trabalho apresenta uma abordagem automatizada para reconhecimento de células germinativas em imagens histológicas de ovários de peixes, usando processamento digital de imagens e aprendizado supervisionado. O objetivo é desenvolver uma ferramenta que auxilie na análise eficiente das gônadas, contribuindo para o conhecimento na área e melhor gestão dos recursos pesqueiros. A metodologia usa o algoritmo de detecção de bordas Canny para segmentar células e técnicas de aprendizado supervisionado para classificá-las, superando limitações dos métodos manuais tradicionais. Os resultados mostram ganhos em velocidade no processamento em lote (50 imagens/minuto) e precisão (56% de acurácia) junto ao STERapp. A solução visa aumentar a precisão e reprodutibilidade das análises, impactando positivamente a sustentabilidade da pesca no Maranhão e regiões similarespt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus São Luis Centro de Ciências Tecnológicas – CCTpt_BR
dc.publisher.initialsUEMApt_BR
dc.subject.cnpqCiência da Computaçãopt_BR
Aparece nas coleções:Curso de Bacharelado em Engenharia da Computação - CCT UEMA - Artigos 

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC - VINICIUS ANDERSON SILVA DA SILVA - ENG. DE COMPUTACAO CCT UEMA 202.pdfPDF A1.03 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.