"Ciências Básicas para o Desenvolvimento Sustentável"
24 a 26 de outubro de 2023
Trabalho 18971
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Zootecnia |
| Setor | Departamento de Zootecnia |
| Bolsa | FUNARBIC/FUNARBE |
| Conclusão de bolsa | Sim |
| Apoio financeiro | FAPEMIG |
| Primeiro autor | Pedro Henrique Silva Braga |
| Orientador | ERICA BEATRIZ SCHULTZ |
| Outros membros | Aline Rabello Conceição, Layla Cristien de Cássia Miranda Dias, Polliany da Costa Santos Oliveira, RENATA VERONEZE |
| Título | Predição dos pesos corporais por imagens de suínos em crescimento e terminação |
| Resumo | Na suinocultura o monitoramento do peso leva à uma tomada de decisão mais assertiva do setor, para uniformização dos lotes, identificação e formulação de dietas alinhando o desempenho com lucratividade. A fase da creche é definida por crescimento e maturação de órgãos vitais, já a recria e terminação são caracterizadas pelo aumento da musculatura e deposição de gordura, respectivamente. Com isso há um entendimento com a curva de crescimento de um suíno e cada fase leva a uma diferenciação de sua morfologia. Contudo a pesagem tradicional é um método laborioso e afeta o bem-estar animal ocasionando doenças, diminuição do consumo e desempenho gerando menos lucros ao produtor. Com intuito de facilitar essa mensuração, a tecnologia como uso de imagens é uma alternativa, portanto objetivou-se verificar se é possível predizer o peso dos animais por atributos extraídos das imagens. Foram utilizados 58 animais no total durante a fase da cria até sua terminação, fotos da morfologia foram extraídas pela câmera RGB Intel Realsense, a uma distância de 140 cm de distância do animal totalizando 490 imagens. As imagens extraídas foram segmentadas utilizando ImageJ para delimitação das regiões de interesse, as partes delimitadas foram Área Dorsal (AD), Largura Dorsal (LD), Perímetro Dorsal (PD) e Profundidade (P). A pesagem manual foi realizada no ciclo de 25 dias. Foi otimizado os hiperparâmetros do algoritmo Random Forest por validação cruzada (5 k-fold) com 80% das imagens para treinamento e 20% para teste. A avaliação de precisão e acurácia dos modelos foram pelas métricas de raiz quadrática média (RMSE) e o erro médio absoluto (MAE), respectivamente. A região mais significativa para predição na creche foi o LD com 76 % da variação (RMSE=2,08;MAE=1,15;R²=0,76), enquanto nas fases de recria (RMSE=12,1;MAE=10,1;R²=0,73) e terminação (RMSE=20,08;MAE=15,84;R²=0,46) a métrica mas importante foi o AD com 73,4 % e 46,2%. Conclui-se que as imagens extraídas são possíveis predizer o peso na fase da creche e recria. Agradecimentos a Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) projeto Rede de pesquisa em Inteligência Artificial aplicada à pecuária digital - Rede IAPD, RED-00172-22. |
| Palavras-chave | Tecnologia, Biometria, Algoritmo |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|