Das Montanhas de Minas ao Oceano: Os Caminhos da Ciência para um Futuro Sustentável

20 a 25 de outubro de 2025

Trabalho 20430

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Agrárias
Área temática Dimensões Econômicas: ODS9
Setor Departamento de Zootecnia
Bolsa Não se Aplica
Conclusão de bolsa Não
Primeiro autor Fabiano Brandão de Andrade
Orientador ERICA BEATRIZ SCHULTZ
Outros membros Ayres Gustavo Dias Nogueira, Isabelle Pinheiro Siqueira, Mariana Guimarães Pereira, Tamara Ferreira
Título Análise qualitativa do uso de visão computacional para recorte de curral em confinamento de bovinos de corte
Resumo A adoção de tecnologias na pecuária vem revolucionando os sistemas de produção animal, possibilitando a otimização dos processos produtivos e a melhoria na eficiência operacional e gerencial das fazendas. O monitoramento remoto com uso de drones atrelado à inteligência artificial surge como uma ferramenta para realização do inventário de animais, disponibilidade de alimento no cocho e diversas outras funções. Sendo assim, o objetivo foi a avaliação qualitativa do uso de visão computacional para recorte de curral e monitoramento de bovinos de corte em regime de confinamento. Foram coletadas 1754 imagens de 6 fazendas distintas utilizando um veículo aéreo não tripulado (VANT), modelo Mavic 2. Os vôos ocorreram a uma altura padronizada de 53 metros, nos quais foram coletados dados de 24 currais e 65 lotes no total. As imagens obtidas foram processadas utilizando o sistema de visão computacional Cargill® Cattle View (CCV), que possibilita a classificação de animais deitados e levantados, além da predição do escore de cocho e de indicadores de bem-estar animal. Após o processamento, as imagens foram tratadas e foi realizada a remoção de outliers e duplicatas, das quais 1565 foram consideradas como válidas para prosseguir em análises subsequentes. Assim, foi avaliada a qualidade do recorte dos currais das imagens válidas, sendo atribuído o status de “sucesso” e “fracasso” para 1409 e 156 imagens, respectivamente. Em seguida as imagens marcadas como fracasso foram avaliadas visualmente, sendo agrupadas quanto ao tipo de erro. A análise de dados foi descritiva com cálculo da porcentagem. Ao investigar as causas relacionadas ao fracasso do recorte dos currais foi constatado que 60,96% decorreu de erros de recorte lateral, 7,02% de baixa nitidez da imagem, 13,60% pela presença de grama no curral e 18,42% pelo recorte de parte de outro curral vizinho. O erro de recorte lateral ocorreu quando a ferramenta não conseguiu identificar corretamente a estrutura de delimitação dos currais (cercas), o que aconteceu de maneira análoga nas situações em que foi recortado parte de um curral vizinho. Outra causa dos erros gerados foi a baixa nitidez de algumas imagens, que pode ter sido devido principalmente a fatores externos, como alta presença de ventos e poeira no local de coleta, que prejudicou a estabilidade do drone e a visibilidade do curral. Um último fator que ocasionou no recorte incorreto foi a presença de grama no piso do curral, que não foi identificada pelo CCV, uma vez que este foi projetado inicialmente para confinamentos com solo exposto, sem a presença de vegetação. Sendo assim, é possível concluir que o uso de imagens de drone em conjunto com uma ferramenta de visão computacional tem potencial para otimizar o monitoramento e o gerenciamento de fazendas produtoras de bovinos de corte. Todavia, é necessário aprimorar aspectos como a coleta das imagens e a precisão do processamento da visão computacional.
Palavras-chave Zootecnia de precisão, Monitoramento remoto, Drone.
Forma de apresentação..... Painel
Link para apresentação Painel
Gerado em 0,71 segundos.