Use este identificador para citar ou linkar para este item: https://locus.ufv.br//handle/123456789/28974
Registro completo de metadados
Campo DCValorIdioma
dc.contributorSiqueira, Maria Augusta Lima-
dc.contributor.advisorMartins, Gustavo Ferreira-
dc.contributor.authorBernardes, Rodrigo Cupertino-
dc.date.accessioned2022-05-12T17:11:22Z-
dc.date.available2022-05-12T17:11:22Z-
dc.date.issued2021-07-16-
dc.identifier.citationBERNARDES, Rodrigo Cupertino. Ethoflow: an artificial intelligence-based software that facilitates behavioral measurements and their application for toxicological assessments in insects. 2021. 129 f. Tese (Doutorado em Entomologia) - Universidade Federal de Viçosa, Viçosa. 2021.pt-BR
dc.identifier.urihttps://locus.ufv.br//handle/123456789/28974-
dc.description.abstractThe application of artificial intelligence (AI) techniques has demonstrated outstanding performance for automating complex tasks in many areas. Thus, software with AI implementation can be sufficiently robust to meet the demand for studies on animal behavior (e.g., evaluating behavior under field conditions). Studies on risk assessment in bees have focused on the possible causes of loss of their colonies worldwide, which is attributed to different factors, including agricultural practices with the use of agrochemicals. In toxicological studies of agrochemicals in bees, behavioral assessment is an important sublethal parameter. Thus, the development and application of AI tools can considerably contribute to the understanding of how agrochemicals and other factors are affecting the bees’ health. The present work aimed to develop an AI-based software (Ethoflow) to automatically assess animal behavior. In addition, Ethoflow was applied to evaluate sublethal behavioral changes in toxicological studies of agrochemicals in forages of two stingless bee species, including Melipona quadrifasciata and Partamona helleri (Hymenoptera, Apidae, Meliponini). The results obtained demonstrate that: (1) Ethoflow is robust for multivariate behavioral assessments, behavioral assessments in heterogeneous environments, tracking individuals in groups maintaining their identities and can be trained to learn behaviors specific to animals; (2) it is possible to classify agrochemical contamination in bees with high accuracy by integrating multivariate behavioral data with AI algorithms and the agrochemicals glyphosate and imidacloprid differentially impact the midgut physiology of M. quadrifasciata; (3) the foliar fertilizer copper sulfate (CuSO 4 ) causes sublethal effects on the behavior and structure and physiology of the midgut epithelium of P. helleri; (4) the mixture of mesotrione and atrazine herbicides interfered in food intake and behavioral parameters, caused damage to the midgut epithelium and altered the pattern of proteins related to the cell proliferation and differentiation in midgut of P. helleri. In general, Ethoflow is a useful support tool for technical-scientific applications in the animal behavior field and has significant potential in risk assessments of non-target organisms for modeling the multiple factors affecting bees’ health, including theadverse effects of agrochemicals. Besides, AI algorithms trained with multivariate behavioral data predict bees’ agrochemical contamination with high accuracy. Finally, the analyzes enabled holistic assessments of sublethal effects of different agrochemicals on the behavior and physiology of bees. Keywords: Bee. Computer vision. Machine learning. Meliponini. Pollinators.en
dc.description.abstractA aplicação de técnicas de inteligência artificial (IA) tem demonstrado desempenho excepcional para automatizar tarefas complexas em muitas áreas. Um software com implementação de IA pode ser robusto atender a demanda de estudos sobre comportamento animal (por exemplo, para avaliar comportamentos em condições de campo). Estudos sobre avaliação de risco em abelhas têm se concentrado nas possíveis causas de perda de suas colônias em todo o mundo, o que é atribuído a diferentes fatores incluindo práticas agrícolas com uso de agroquímicos. Em estudos toxicológicos de agroquímicos em abelhas, avaliação comportamental é um importante parâmetro subletal. Dessa forma, o desenvolvimento e aplicação de ferramentas com IA pode contribuir substancialmente para o entendimento de como os agroquímicos e outros fatores estão afetando a saúde das abelhas. O presente trabalho objetivou desenvolver um software (Ethoflow) baseado em IA para avaliar comportamento animal automaticamente. Além disso, o Ethoflow foi aplicado em avaliações comportamentais em forrageiras de duas espécies de abelha sem ferrão, Melipona quadrifasciata e Partamona helleri (Hymenoptera, Apidae, Meliponini) expostas a diferentes agroquímicos. Os resultados obtidos demonstram que: (1) o Ethoflow é robusto para avaliações comportamentais multivariadas, avaliações comportamentais em ambientes heterogêneos, rastreamento de indivíduos em grupos mantendo suas identidades e pode ser treinado para aprender comportamentos específicos dos animais; (2) é possível classificar contaminação por agroquímicos em abelhas com alta acurácia, integrando dados comportamentais multivariados com algoritmos de IA e os agroquímicos glifosato e imidaclopride, diferencialmente, impactam a fisiologia do intestino médio de M. quadrifasciata; (3) o fertilizante foliar sulfato de cobre causa efeitos subletais no comportamento e na estrutura e fisiologia do epitélio do intestino médio de P. helleri; (4) a mistura dos herbicidas mesotriona e atrazina interferiu no consumo alimentar e parâmetros comportamentais, causou danos ao epitélio do intestino médio e alterou o padrão de proteínas relacionadas à proliferação e diferenciação de células-tronco do intestino médio de P. helleri. Em resumo, o Ethoflow é uma ferramenta de suporte útil para aplicaçõestécnico-científicas em comportamento animal e tem potencial significativo em avaliações de risco de organismos não-alvo para modelar os múltiplos fatores que afetam a saúde das abelhas, incluindo os efeitos adversos dos agroquímicos. Além disso, algoritmos de IA, treinados com dados comportamentais multivariados, preveem a contaminação por agroquímicos em abelhas com alta acurácia. Finalmente, as análises permitiram avaliações holísticas dos efeitos subletais de diferentes agroquímicos no comportamento e fisiologia das abelhas. Palavras-chave: Abelha. Aprendizado de máquina. Meliponini. Polinizadores. Visão computacional.pt-BR
dc.description.sponsorshipCNPQ -Conselho Nacional de Desenvolvimento Científico e Tecnológicopt-BR
dc.language.isoengen
dc.publisherUniversidade Federal de Viçosapt-BR
dc.rightsAcesso Abertopt-BR
dc.subjectAbelhas - Comportamentopt-BR
dc.subjectEthoflow (Software)pt-BR
dc.titleEthoflow: an artificial intelligence-based software that facilitates behavioral measurements and their application for toxicological assessments in insectsen
dc.titleEthoflow: software baseado em inteligência artificial para medições comportamentais e suas aplicações em avaliações toxicológicas em insetospt-BR
dc.typeTesept-BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/8214961088942187pt-BR
dc.subject.cnpqEntomologia Agrícolapt-BR
dc.degree.grantorUniversidade Federal de Viçosapt-BR
dc.degree.departmentDepartamento de Entomologiapt-BR
dc.degree.programDoutor em Entomologiapt-BR
dc.degree.localViçosa - MGpt-BR
dc.degree.date2021-07-16-
dc.degree.levelDoutoradopt-BR
Aparece nas coleções:Entomologia

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
texto completo.pdftexto completo18,32 MBAdobe PDFVisualizar/Abrir


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