Aplicação de técnicas de visão computacional na construção de classificadores para os comportamentos de alimentação e dominância em bovinos zebuínos

• Processo: 24/22540-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de abril de 2025
• Data de Término da vigência: 31 de março de 2026
• Área de conhecimento: Ciências Agrárias - Engenharia Agrícola - Construções Rurais e Ambiência
• Pesquisador responsável: Rafael Vieira de Sousa
• Beneficiário: Marcos Jun Orikassa
• Instituição Sede: Faculdade de Zootecnia e Engenharia de Alimentos (FZEA). Universidade de São Paulo (USP). Pirassununga , SP, Brasil
• Assunto(s): Aprendizado computacional Desempenho animal Modelagem computacional Visão computacional Gado Zebu
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | desempenho animal | Hierarquia de dominância | Modelagem computacional | Visão Computacional | Zebuinos | Comportamento e desempenho animal

Resumo

Em sistemas intensivos, o clima influencia diretamente o comportamento alimentar dos bovinos, afetando a ingestão de água e matéria seca, além dos horários e da frequência de consumo. A hierarquia de dominância também desempenha um papel importante em ambientes confinados, impactando as interações sociais, o acesso aos recursos e o comportamento geral dos animais. O Teste de Desempenho e Eficiência Alimentar (TDEA) do Programa Nacional de Avaliação de Touros Jovens (PNAT), promovido pela Associação Brasileira dos Criadores de Zebu (ABCZ), busca identificar touros jovens com atributos relevantes para a produção de bovinos zebuínos. No entanto, a avaliação de desempenho, comportamento e hierarquia exige, tradicionalmente, uma coleta presencial e observação manual, tornando o processo trabalhoso e pouco eficiente. Este estudo, portanto, propõe o desenvolvimento de um modelo de visão computacional para classificar os comportamentos de alimentação e dominância. Durante a realização do PNAT, serão coletadas vídeo-imagens da área dos comedouros, que servirão como entrada para o modelo. A classificação será realizada utilizando uma Rede Neural Recorrente LSTM (Long Short-Term Memory), projetada para capturar padrões temporais, como movimentos e interações dos animais. O projeto de iniciação científica está vinculado ao projeto CNPq "Sistemas automáticos não invasivos para monitoramento integrado de desempenho e bem-estar na pecuária de corte", que investiga a hipótese de que o desempenho animal está relacionado ao comportamento alimentar, à resposta ao ambiente térmico e à hierarquia de dominância. A partir dessas correlações, acredita-se que será possível desenvolver sistemas automáticos capazes de monitorar o desempenho e o bem-estar dos animais de forma não invasiva e em tempo real.