Desenvolvimento de um modelo de classificação de imagens de peixes de Florianópolis usando Deep Learning

Abstract

Diante do progressivo desaparecimento do saber-fazer da pesca artesanal em Florianópolis, Santa Catarina, este trabalho teve como objetivo geral desenvolver um modelo de Deep Learning (DL) voltado à classificação de imagens de peixes e outros animais marinhos, visando a documentação e difusão deste patrimônio cultural. Para tanto, estruturou-se um dataset próprio com 963 imagens de oito espécies de relevância local (incluindo peixes e crustáceos), compilado a partir de fontes públicas e coleta primária. A metodologia empregou a técnica de Transfer Learning para implementar e comparar duas arquiteturas de Redes Neurais Convolucionais (CNNs): MobileNetV2 e ResNet50V2. O desenvolvimento, conduzido no ambiente Google Colab, incluiu pré-processamento, aumento de dados (Data Augmentation) e quatro experimentos principais variando hiperparâmetros. Os resultados demonstraram a alta viabilidade da abordagem, com acurácias superiores a 95% em todos os testes. Conclui-se que, apesar do desempenho similar na classificação, o MobileNetV2 é significativamente mais leve que o ResNet50V2, consolidando-se como a arquitetura mais eficiente e ideal para uma futura aplicação móvel.