Simulação preliminar da predição do volume globular bovino: um método não invasivo por meio de imagens RGB e redes neurais convolucionais.
Dentre as diversas áreas de produção agropecuária no Brasil, a pecuária bovina destaca-se devido ao número expressivo de animais e aos produtos derivados da produção animal que são destinados tanto para o consumo interno quanto para exportação. A manutenção do status produtivo da pecuária depende de...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Brasil |
| Institución: | Universidade Federal do Pampa (UNIPAMPA) |
| Repositorio: | Repositório Institucional da UNIPAMPA |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.unipampa.edu.br:riu/8952 |
| Acceso en línea: | https://repositorio.unipampa.edu.br/jspui/handle/riu/8952 |
| Access Level: | acceso abierto |
| Palabra clave: | CNPQ::CIENCIAS EXATAS E DA TERRA Inteligência artificial Deep learning Tristeza parasitária bovina Visão computacional Anemia Artificial intelligence Bovine parasitic sadness Computer vision |
| Sumario: | Dentre as diversas áreas de produção agropecuária no Brasil, a pecuária bovina destaca-se devido ao número expressivo de animais e aos produtos derivados da produção animal que são destinados tanto para o consumo interno quanto para exportação. A manutenção do status produtivo da pecuária depende de diversos fatores, incluindo manejos de nutrição, manejo sanitário, genético e tecnológico, os quais necessitam de constante investimento e expansão. Diversas doenças acometem os rebanhos, porém, a Tristeza Parasitária Bovina (TPB) destaca-se por causar expressivos prejuízos na cadeia produtiva que vão de problemas sanitários aos animais e econômicos para o produtor. Sendo assim, há a necessidade do monitoramento do impacto de produção gerado por esta enfermidade. Atualmente, o diagnóstico preciso da TPB é feito de modo invasivo, através da coleta sangue, para posterior realização de exames laboratoriais que forneçam com precisão os valores do volume globular (VG) para a aplicação do tratamento correto. Entretanto, nenhum método atual permite a mensuração do valor do VG sem contato com o animal. Portanto, o desenvolvimento de uma abordagem capaz de estimar o valor do VG sem a necessidade de contato com os animais, pode auxiliar os médicos veterinários no manejo de tratamentos adequados. A utilização de redes neurais convolucionais possibilita um grau profundo de análise de imagens para reconhecimento de padrões. Para a condução deste experimento, foram utilizadas imagens bovinas coletadas durante um manejo realizado na Empresa Brasileira de Pesquisa Agropecuária (Embrapa) Pecuária Sul. Em paralelo à coleta de imagens, foram realizadas coletas de amostras de sangue para a realização da análise laboratorial dos valores de VG presentes em cada animal. As técnicas de pré-processamento de imagens e aumento de dados foram empregadas para auxiliar na tarefa de treinamento do modelo. Os melhores resultados obtidos para a regressão realizada com o modelo criado, obtiveram valores para o coeficiente de determinação (R²) e coeficiente de correlação com valores de -0.06 e 0.36%, respectivamente. Deste modo, o presente estudo ainda não consegue apresentar uma solução efetiva para a predição do VG dos animais utilizando a região ocular como dado de entrada. Entretanto, pesquisas futuras podem investigar outros métodos ou indicadores capazes de aprimorar a capacidade preditiva deste cenário. |
|---|