SmartTrato: plataforma de visão computacional e inteligência artificial para a melhoria do manejo alimentar baseado no comportamento animal

• Processo: 19/11676-1
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Vigência (Início): 01 de julho de 2019
• Vigência (Término): 31 de janeiro de 2020
• Área do conhecimento: Ciências Agrárias - Zootecnia - Nutrição e Alimentação Animal
• Pesquisador responsável: Alan Caio Rodrigues Marques
• Beneficiário: Felipe Bizzo da Silva
• CNAE: Criação de bovinos ; Desenvolvimento de programas de computador sob encomenda ; Atividades profissionais, científicas e técnicas não especificadas anteriormente
• Vinculado ao auxílio: 18/14609-0 - SmartTrato: plataforma de visão computacional e inteligência artificial para a melhoria do manejo alimentar baseado no comportamento animal, AP.PIPE
• Assunto(s): Aprendizado computacional Aprendizagem profunda Automação Visão computacional Inteligência artificial Produção animal Dieta animal Nutrição animal Hábito alimentar animal Comportamento animal
• Palavra(s)-Chave do Pesquisador: Automação | Deep Learning | machine learning | Máquinas Autônomas | Nutrição | Produção Animal | Soluções com sistemas inteligentes para nutrição de bovinos

Resumo

Mais de 2/3 do custo de produção de sistemas intensivos de bovinos é representado pela dieta. Portanto, o sucesso econômico destas operações está associado ao manejo alimentar. Atualmente o ajuste da oferta de alimento depende da avaliação de pessoal treinado, atribuindo notas subjetivas de leitura de escore de alimento no cocho, com avaliações realizadas 1 ou 2 vezes ao dia. Tendências de eventos climáticos também não são usados para ajustar a oferta da dieta. Utilizar modelos preditivos, minimizar os erros humanos e melhorar o manejo alimentar podem ajudar o país a: reduzir as sobras e perdas de dieta, que podem chegar a mais de R$ 500 milhões/ano e melhorar a eficiência de conversão de alimento em carne. Este projeto, nomeado SmartTrato, tem o objetivo de: 1) desenvolver algoritmos que eliminem a subjetividade do manejo alimentar; 2) compreender como as máquinas poderão ser automatizadas e 3) minimizar erros humanos, reduzir perdas e melhorar a eficiência alimentar, aumentando a lucratividade na fazenda. Com o SmartTrato será realizado a caracterização do confinamento, coleta de dados climáticos e o monitoramento da dieta no cocho, perdas e comportamento animal. A hipótese deste estudo é que a eficiência alimentar ajustada para perdas e a lucratividade são melhores significativamente para o Método SmartTrato (MS) comparado ao Método Tradicional (MT). Nesta Fase 1 do PIPE os algoritmos serão desenvolvidos e treinados; somente na Fase 2 os métodos serão comparados. Para isso serão montados dois sistemas de monitoramento por câmeras (nomeados TratoCam): I) acoplado ao vagão misturador (MSV) que passa ao lado das linhas de cocho e II) estático (MSE), posicionado sobre a linha de cocho. Ambos irão monitorar a dieta no cocho, as perdas e o estado animal. Amostragem dos ingredientes, dieta e sobras, bem como informações das pesagens para calibração dos algoritmos, serão realizados ao longo do projeto. Uma estação meteorológica local será utilizada para monitorar os eventos climáticos, conciliados com dados climáticos exógenos para ajustes dos algoritmos preditivos. Os animais serão monitorados simultaneamente pelo SmartTrato e individualmente pela plataforma BeefTrader (FAPESP 2015/07855-7) e LPT (2018/01184-1), totalizando 1.000 animais, enriquecendo a base de dados com informações 3do indivíduo e não apenas da baia. Os principais produtos deste projeto são: I) desenvolver um sistema de câmeras para monitorar o comportamento ingestivo animal de forma estática e acoplada a vagões misturadores; II) gerar uma base de dados que associe informações do animal, imagens do estado animal e do cocho, o consumo, perdas e os dados climáticos de forma estruturada; III) desenvolver modelos de classificação baseados em redes convolucionais profundas para classificar as imagens do estado animal e o escore do cocho; IV) desenvolver um algoritmo de previsão de consumo animal, considerando o estado animal, dados de dieta, consumo, perdas e eventos climáticos; V) levantar requisitos, criando conhecimento na forma de relatório para a automação de vagões misturadores, incluindo a abordagem de Internet das Coisas (IoT); e VI) apresentar artigo em congresso internacional.