Visão computacional aplicada ao monitoramento de massa corporal individual de suínos em terminação

• Processo: 22/11652-8
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de abril de 2023
• Data de Término da vigência: 29 de fevereiro de 2024
• Área de conhecimento: Ciências Agrárias - Engenharia Agrícola
• Pesquisador responsável: Rafael Vieira de Sousa
• Beneficiário: Gabriel Pagin de Carvalho Nunes Oliveira
• Instituição Sede: Faculdade de Zootecnia e Engenharia de Alimentos (FZEA). Universidade de São Paulo (USP). Pirassununga , SP, Brasil
• Assunto(s): Desempenho animal Inteligência artificial Suinocultura Zootecnia de precisão Mineração de dados
• Palavra(s)-Chave do Pesquisador: desempenho animal | imagem de profundidade | Inteligência Artificial | medição não-invasiva | Suinocultura | zootecnia de precisão | Mineração de Dados

Resumo

Estudos recentes em produção animal têm mostrado que medidas de desempenho relacionadas à massa corporal servem de assistência ao manejo animal e na qualidade da proteína animal produzida. Nesse contexto, o projeto busca a construção e avaliação de sistema de visão computacional baseado em câmera 3D e identificação por rádio frequência (RFID) para monitoramento automatizado e individual do desempenho de suínos em fase de terminação. Para tal finalidade serão utilizados dados experimentais de 50 suínos alojados em duas baias entre a 8ª e a 20ª semana, com massa corporal entre 20 e 120 kg, que serão pesado semanalmente e terão as imagens obtidas com câmera RGB-D e associadas a identificação por RFID de cada animal. A partir da base de dados serão avaliados algoritmos de extração de características dimensionais da superfície dorsal associados a modelos computacionais para predição de massa corporal. Para a etapa de modelagem serão avaliados diferentes algoritmos baseados em Aprendizado de Máquina (ex. Redes Neurais Artificiais, Máquina de Vetores de Suporte, Floresta Randômica e k-Vizinhos Mais Próximos) utilizando combinações diferentes de entradas para predição. Os testes para confrontar os modelos de predição utilizarão como métrica de análise parâmetros de regressão linear e de erro (erro médio porcentual e raiz do erro quadrático médio). Através dos resultados do projeto busca-se evidenciar não só as melhores técnicas computacionais para construção dos modelos, mas também evidenciar o potencial do uso da câmera RGB-D associada identificação por RFID.

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

OLIVEIRA, Gabriel Pagin de Carvalho Nunes. Visão computacional aplicada ao monitoramento de massa corporal individual de suínos em terminação. 2024. Dissertação de Mestrado - Universidade de São Paulo (USP). Faculdade de Zootecnica e Engenharia de Alimentos (FZE/BT) Pirassununga.