"A Transversalidade da Ciência, Tecnologia e Inovações para o Planeta"
5 a 7 de outubro de 2021
Trabalho 15782
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Pós-graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Zootecnia |
| Setor | Departamento de Zootecnia |
| Bolsa | CAPES |
| Conclusão de bolsa | Não |
| Apoio financeiro | CAPES, FUNARBE |
| Primeiro autor | Nathália Farias de Souza |
| Orientador | MARIO LUIZ CHIZZOTTI |
| Outros membros | CRISTINA MATTOS VELOSO, Lilian Karem Estevão Santos de Jesus, Maria Navarro Valerio, Rizielly Saraiva Reis Vilela |
| Título | Avaliação de imagens para predição de características quantitativas de carcaça bovinas |
| Resumo | O uso de imagens é cada vez mais utilizado na produção animal, o uso tecnologias já é difundida em muitos frigoríficos ao redor do mundo. A Video Image Analysis, é uma das metodologias que permitem a extração de informações do objeto de interesse na imagem. Objetivou-se predizer características de carcaça como os pesos e rendimentos de carcaça quente (PCQ e RCQ, respectivamente) e carcaça fria (PCF e RCF). O experimento foi conduzido na Unidade de Ensino, Pesquisa e Extensão (UEPE) frigorifico escola, da Universidade Federal de Viçosa. Foram utilizadas 24 vacas de descarte, no dia do abate o peso corporal (PCA) foi coletado, o PCQ, assim como, as imagens da meia-carcaça direita onde foi utilizada a câmera FLIR C3, após 24hrs de refrigeração das carcaças foram coletados os PCF e com essas informações calculados os rendimentos. As imagens foram submetidas ao programa Fiji para extração de informações, ou descritores de forma como: Área (A), Perímetro (P), Largura (L), Comprimento (C) e Circularidade (CI). Após isso os dados foram tabulados e submetidos ao software R, utilizando um script do algoritmo LASSO (least absolute shrinkage and selection operator) utilizando alfa= 1 e lambda=0, além do K-fold 10. Para todas as variáveis avaliadas, entraram os descritores extraídos por imagem (Área; Perímetro; Largura; Comprimento e a Circularidade), esses descritores associados ao PCA permitiram métricas com valores nos treinamentos entre 0,82 à 0,93 e para os testes entre 0,80 à 0,95, considerados coeficientes de determinação elevados demonstrando um bom ajuste dos modelos. As métricas RMSE e MAE para o treinamento ficaram, respectivamente entre 9,93 à 11,80 e 7,47 à 8,50, já no teste esses valores ficaram para RMSE de 14,62 à 17,25, valores que costumam seguir essa tendência de serem menor no treinamento em relação ao teste. Tornando assim possível predizer características quantitativas de carcaça como pesos e rendimentos a partir do uso de imagem. Sendo assim possível predizer PCQ, PCF, RCQ e RCF a partir da de imagens obtidas da meia-carcaça direita de vacas de descarte. |
| Palavras-chave | zootecnia, carcaça, analise de imagem |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|