"Ciências Básicas para o Desenvolvimento Sustentável"
24 a 26 de outubro de 2023
Trabalho 18343
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Inteligência Artificial |
| Setor | Departamento de Zootecnia |
| Bolsa | PIBIC/CNPq |
| Conclusão de bolsa | Não |
| Apoio financeiro | CNPq |
| Primeiro autor | Polliany da Costa Santos Oliveira |
| Orientador | ERICA BEATRIZ SCHULTZ |
| Outros membros | Layla Cristien de Cássia Miranda Dias, Pedro Henrique Silva Braga, RENATA VERONEZE |
| Título | Pedição de peso corporal de suínos através de inteligência artificial |
| Resumo | A mensuração do peso corporal possibilita avaliar o desempenho produtivo, o ganho de peso diário, a taxa de crescimento e a eficiência alimentar dos animais. Além disso, permite identificar o momento ideal para o abate. Dessa maneira, é notável a importância do monitoramento do peso corporal de suínos. Entretanto, o método tradicional de pesagem resulta na perda de variabilidade individual e em uma avaliação temporal defasada. Com base na hipótese de que a simplificação do processo de pesagem por meio de tecnologias pode contribuir para o aumento da precisão, objetivou-se avaliar a correlação da área, perímetro,largura de dorso e altura lateral com o peso corporal de suínos. O experimento foi realizado na Unidade de Melhoramento de Suínos da UFV. Foram avaliados 60 animais das raças Large White (LL), Piau (PP), Duroc x Large White (DL) e Large White x Piau (LP) ao longo de 135 dias. O imageamento foi realizado a cada ciclo de 25 dias durante o manejo de pesagem. As imagens foram coletadas com câmera Intel RealSense Depth. Foram coletados vídeos em média de 30 segundos por animal de forma a capturar posições da região dorsal. Os vídeos foram processados e selecionados os melhores frames da posição dorsal e lateral individual. Em seguida foram extraídos atributos das imagens, sendo estes a área, perímetro, largura do dorso e altura lateral. As extrações de atributos foram realizadas de forma semiautomática pelo ImageJ. Foi realizada a análise de correlação de Pearson a 5% de significância(p<0,05). Para a predição foi ajustado o modelo Random Forest (RF) otimizando os hiperparâmetros. As avaliações de precisão e acurácia foram realizadas com as métricas de coeficientes de determinação (R²) e o erro médio absoluto (MAE). Houve correlação alta e positiva, ou seja, acima de 0,78 em relação aos atributos de medidas de área, altura e largura do dorso com o peso. No entanto, a correlação entre a altura lateral e o peso não foi satisfatória, com valor de 0,39. Na predição encontramos um R² de 0,8575 e o MAE de 10,52 kg. Conclui-se que as medidas de área, perímetro e largura do dorso apresentam alta correlação e podem ser um preditor do peso corporal em suínos e o modelo ajustado foi preciso, mas não foi acurado, podendo variar até 10,52 kg na predição. |
| Palavras-chave | Aprendizado de máquina, modelos, peso corporal. |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|