Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.unipampa.edu.br/jspui/handle/riu/8952
Tipo: Dissertação
Título : Simulação preliminar da predição do volume globular bovino: um método não invasivo por meio de imagens RGB e redes neurais convolucionais.
Autor(es): Lorensi, Rui Antonio da Rocha
Primeiro Orientador: Genro, Teresa Cristina Moraes
Coorientador: Camargo, Sandro da Silva
1° Membro da banca: Genro, Teresa Cristina Moraes Genro
2° Membro da banca: Botton , Sônia de Avila
3° Membro da banca: Welfer, Daniel
4° Membro da banca: Gaspar, Emanuelle Baldo
Resumo: Dentre as diversas áreas de produção agropecuária no Brasil, a pecuária bovina destaca-se devido ao número expressivo de animais e aos produtos derivados da produção animal que são destinados tanto para o consumo interno quanto para exportação. A manutenção do status produtivo da pecuária depende de diversos fatores, incluindo manejos de nutrição, manejo sanitário, genético e tecnológico, os quais necessitam de constante investimento e expansão. Diversas doenças acometem os rebanhos, porém, a Tristeza Parasitária Bovina (TPB) destaca-se por causar expressivos prejuízos na cadeia produtiva que vão de problemas sanitários aos animais e econômicos para o produtor. Sendo assim, há a necessidade do monitoramento do impacto de produção gerado por esta enfermidade. Atualmente, o diagnóstico preciso da TPB é feito de modo invasivo, através da coleta sangue, para posterior realização de exames laboratoriais que forneçam com precisão os valores do volume globular (VG) para a aplicação do tratamento correto. Entretanto, nenhum método atual permite a mensuração do valor do VG sem contato com o animal. Portanto, o desenvolvimento de uma abordagem capaz de estimar o valor do VG sem a necessidade de contato com os animais, pode auxiliar os médicos veterinários no manejo de tratamentos adequados. A utilização de redes neurais convolucionais possibilita um grau profundo de análise de imagens para reconhecimento de padrões. Para a condução deste experimento, foram utilizadas imagens bovinas coletadas durante um manejo realizado na Empresa Brasileira de Pesquisa Agropecuária (Embrapa) Pecuária Sul. Em paralelo à coleta de imagens, foram realizadas coletas de amostras de sangue para a realização da análise laboratorial dos valores de VG presentes em cada animal. As técnicas de pré-processamento de imagens e aumento de dados foram empregadas para auxiliar na tarefa de treinamento do modelo. Os melhores resultados obtidos para a regressão realizada com o modelo criado, obtiveram valores para o coeficiente de determinação (R²) e coeficiente de correlação com valores de -0.06 e 0.36%, respectivamente. Deste modo, o presente estudo ainda não consegue apresentar uma solução efetiva para a predição do VG dos animais utilizando a região ocular como dado de entrada. Entretanto, pesquisas futuras podem investigar outros métodos ou indicadores capazes de aprimorar a capacidade preditiva deste cenário.
Resumen : Among the various sectors of agricultural production in Brazil, livestock farming stands out due to the substantial number of animals and the animal and the products derived from animal production, serving both domestic consumption and export markets. The maintenance of the productive status of livestock depends on various factors, including nutrition, sanitary management, genetic and technological practices, all of which require constant investment and expansion. Numerous diseases affect herds, however, bovine parasitic meningoencephalitis stands out for causing significant losses in the production chain, ranging from health problems in animals to economic losses for the producer. Therefore, there is a need to monitor the production impact generated by this disease. Currently, the precise diagnosis of bovine parasitic meningoencephalitis is done invasively through blood collection for subsequent laboratory tests that accurately provide values for packed cell volume for the application of the correct treatment. However, no current method allows for the measurement of cell volume without contact with the animal. Therefore, the development of an approach capable of estimating packed cell volume without the need for contact with the animals can assist veterinarians in managing appropriate treatments. The use of convolutional neural networks enables a deep level of image analysis for pattern recognition. For this experiment, bovine images collected during handling at the Empresa Brasileira de Agropecuária (Embrapa) were used. In parallel with image collection, blood samples were taken for laboratory analysis of cell volume values in each animal. Image preprocessing and data augmentation techniques were employed to assist in the model training task. The best results obtained for the regression performed with the created model yielded values for the coefficient of determination (R²) and correlation coefficient with values of -0.06 and 0.36%, respectively. While the current study falls short of offering a conclusive solution for predicting the packed cell volume of cattle based on the ocular region as input data, it underscores the need for further investigations into more refined methodologies and/or alternative accuracy.
Palabras clave : Inteligência artificial
Deep learning
Tristeza parasitária bovina
Visão computacional
Anemia
Artificial intelligence
Bovine parasitic sadness
Computer vision
CNPQ: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
metadata.dc.publisher.country: Brasil
Editorial : Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Bagé
Curso: Mestrado Acadêmico em Computação Aplicada
Citación : LORENSI, Rui Antonio da Rocha. Simulação preliminar da predição do volume globular bovino: um método não invasivo por meio de imagens RGB e redes neurais convolucionais. 2023. 86 f.: il. Dissertação (Mestrado em Computação Aplicada ) – Universidade Federal do Pampa, Campus Bagé, Bagé, 2023.
Tipo de acesso: Acesso Aberto
URI : https://repositorio.unipampa.edu.br/jspui/handle/riu/8952
Fecha de publicación : 30-nov-2023
Aparece en las colecciones: Mestrado em Computação Aplicada

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Dis Rui Lorensi 2023.pdf8.5 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.