Uso de processamento digital de imagens e machine learning para mensuração de características de conformação, precocidade e musculosidade (cpm) em bovinos nelore

• Processo: 25/00826-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de janeiro de 2026
• Data de Término da vigência: 31 de dezembro de 2026
• Área de conhecimento: Ciências Biológicas - Genética - Genética Animal
• Pesquisador responsável: José Bento Sterman Ferraz
• Beneficiário: Melissa Chaves de Lima
• Instituição Sede: Faculdade de Zootecnia e Engenharia de Alimentos (FZEA). Universidade de São Paulo (USP). Pirassununga , SP, Brasil
• Assunto(s): Conformação Gado Nelore Precocidade Processamento de imagens Visão computacional Melhoramento genético animal
• Palavra(s)-Chave do Pesquisador: conformação | musculosidade | Nelore | Precocidade | Processamento de Imagem | Visão Computacional | Melhoramento Genético Animal

Resumo

A bovinocultura de corte tem um papel importante na economia brasileira,representando cerca de 4% das exportações totais do país e 8% das exportações doagronegócio em 2023. O Brasil é responsável por 12% do rebanho bovino mundial e,em 2024, manteve-se como o maior exportador de carne bovina, com 18,75% dasexportações globais. A raça Nelore, por sua adaptabilidade e resistência a doenças,ocupa posição de destaque na produção nacional.O melhoramento genético tem sido uma ferramenta essencial para aumentar aprodutividade do setor. Esse processo foca na seleção de genótipos que combinamboa adaptação ao clima com alto rendimento produtivo, buscando aumentar afrequência de genes desejáveis. Além das características tradicionais, como o peso, ouso de escores visuais, avaliando conformação frigorífica, precocidade de acabamentoe musculatura, tem se mostrado uma estratégia eficiente para selecionar os melhoresanimais. Além disso, as características avaliadas possuem coeficientes deherdabilidade moderados, o que contribui para a melhoria contínua do rebanho aolongo das gerações.Recentemente, avanços tecnológicos permitiram o desenvolvimento deprogramas de predição de escores visuais. Um exemplo é o trabalho de Spoliansky(2016), que criou um sistema para calcular o escore de condição corporal (ECC) emvacas leiteiras a partir de imagens.Esta pesquisa propõe o uso de técnicas de processamento digital de imagens emachine learning para predizer escores visuais em bovinos de corte, visando aumentara precisão e a eficiência na seleção genética no Brasil. (AU)