Meat Image: avaliação de características de qualidade de carne por imagem

• Processo: 21/10536-1
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de março de 2023
• Data de Término da vigência: 31 de março de 2025
• Área do conhecimento: Ciências Agrárias - Zootecnia - Produção Animal
• Pesquisador responsável: Gregori Alberto Rovadoscki
• Beneficiário: Gregori Alberto Rovadoscki
• Empresa: Brazil Beef Quality Ltda. - ME
• CNAE: Criação de bovinos
• Município: Piracicaba
• Pesquisadores principais: Marcelo Aranda da Silva Coutinho
• Bolsa(s) vinculada(s): 23/04205-8 - Desenvolvimento de um algoritmo aplicado a avaliação de carcaça bovina, BP.TT; 23/02983-3 - Aplicativo mobile para a avaliação de característica de carcaça, BP.TT; 23/01220-6 - Meat Image: avaliação de características de qualidade de carne por imagem, BP.PIPE
• Assunto(s): Aprendizado computacional Algoritmos Imageamento Qualidade da carne Indústrias Frigoríficos Características de carcaça Abate
• Palavra(s)-Chave do Pesquisador: algoritmo | machine learning | Processamento em Nuvem | qualidade de carne | Qualidade de Carne

Resumo

A indústria de carne rotineiramente recebe animais para abate de diferentes categorias e características de carcaça (marmoreio, idade, sexo, espessura de gordura, raças, etc.), consequentemente, produzem cortes cárneos distintos em relação aos atributos organolépticos percebidos pelos consumidores. Constatando a deficiência na avalição de carcaças no Brasil surgiu a Brazil Beef Quality (2017), oferecendo o serviço de avaliação de carcaças e predição da qualidade de carne baseado na abordagem do Meat Standard Australia (MSA). Avaliando características como: área de olho de lombo (AOL), espessura de gordura subcutânea (EGS), marmoreio (MARM), cor de carne (CC) e gordura (CG). Atualmente, essas medidas são coletadas de forma manual e subjetiva (método clássico), apesar de apresentar bons resultados, esse tipo de avaliação é morosa e está sujeito a erros, pois a percepção humana é sensível a diversos fatores, como estresse e fadiga, situações recorrentes em um ambiente frigorífico. Diante do exposto, o objetivo deste projeto é desenvolver um algoritmo baseado em Machine Learning para avaliação de imagens utilizando dispositivo mobile para classificação de carcaças para qualidade de carne em tempo real. Serão utilizadas imagens do contrafilé de 2.000 animais previamente avaliados para AOL, EGS, MARM, CC e CG os quais serão obtidas dentro de frigoríficos parceiros da empresa no Estado de São Paulo. Para a construção desse algoritmo via Machine Learning, será utilizado o método YOLO, bem conhecido e de bom desempenho para identificação de objetos, o qual fornece detecção de objetos rápida e em tempo real. O algoritmo será adaptado em um sistema via API, sempre priorizando as demandas dos frigoríficos. (AU)