A dengue é um problema de saúde mundial, destacando-se em países de clima tropical, especialmente no Brasil. A dengue chegou ao Brasil na metade do século XIX. Mas somente depois dos resultados de trabalhos realizados em 1940 pelo controle da febre amarela, foi admitida a erradicação do Aedes aegypti em caráter oficial. Ainda não existem formas de controle do mosquito, entretanto, o uso de armadilhas chamadas “ovitrampas” pode ser feito para detectar a presença dele e fazer o monitoramento da doença. Nas ovitrampas o mosquito deposita seus ovos em uma palheta, que depois é submetida a contagem microscópica e manual. Entretanto, esse procedimento é cheio de falhas podendo levar a erros. Assim, este trabalho tem como objetivo apresentar o desenvolvimento de um sistema de reconhecimento e contagem automática de ovos do mosquito que foram depositados nas palhetas, usando técnicas de processamento de imagens, aprendizado de máquina e reconhecimento de padrões, tornando o processo mais ágil e minimizando os erros humanos. O método consiste em aquisição das imagens das palhetas pelo hardware, em seguida, usou-se a técnica de edição das imagens com ovos, rotacionando-as, obtendo assim 720 imagens positivas e 1440 negativas. Com estas novas edições consegue-se aumentar o número de positivos e reduzir os falsos positivos. A seguir, o algoritmo AdaBoost é utilizado tanto para treinar o classificador quanto para selecionar as características obtidas nas palhetas. Por fim, são contabilizados os ovos reconhecidos e os resultados obtidos são comparados com a quantidade real obtida pelo microscópio, analisando a efetividade do sistema.