Notícias

Banca de DEFESA: JOSÉ DOS SANTOS DE MOURA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JOSÉ DOS SANTOS DE MOURA
DATA: 11/02/2022
HORA: 14:00
LOCAL: Plataforma Google Meet
TÍTULO: ALGORITMO DE VISÃO COMPUTACIONAL PARA IDENTIFICAÇÃO DE GALINHAS DA RAÇA CANELA-PRETA
PALAVRAS-CHAVES: galinha caipira, inteligência computacional, rede neural convolucional, Template Matching, YOLO
PÁGINAS: 65
GRANDE ÁREA: Ciências Agrárias
ÁREA: Zootecnia
SUBÁREA: Genética e Melhoramento dos Animais Domésticos
RESUMO:

Diante do aumento da produção comercial dos criatórios de animais puros da raça de galinhas Canela-Preta, surge a necessidade de automatizar a identificação dos animais. Algoritmos de visão computacional têm se mostrado eficiente na automação de identificação de animais para zootecnia de precisão. Visando trabalhar sob esse viés, este trabalho tem como proposta desenvolver um algoritmo com base em visão computacional para detectar e identificar, por meio de imagens, galinhas da raça Canela-Preta. Para essa finalidade, foram capturadas 501 imagens de 167 galinhas fêmeas da raça Canela-Preta, em que 33 imagens foram descartadas em virtude da má qualidade na aquisição. Ademais, apenas 468 imagens serviram como base de dados, resultando em 156 indivíduos, tomando como referência em três planos distintos (plano lateral direito, lateral esquerdo e frontal). Todas as imagens com padrão de qualidade de resolução 1280x1920. Diante dessa captação, foram utilizados dois métodos de identificação das galinhas. O primeiro foi aplicado uma rede neural convolucional, utilizando as 468 imagens (lateral direito, lateral esquerdo e frontal) da base, separadas em treino, validação e teste para gerar o modelo e, posteriormente, identificar o indivíduo. O segundo utilizou 156 imagens frontais das galinhas, sendo aplicada a rede YOLO para a detecção dos indivíduos e, em seguida, o Template Matching, que buscou as imagens detectadas para encontrar a melhor similaridade entre uma imagem de entrada (Template) e outra de pesquisa (indivíduo). Como resultados, na etapa de detecção, das 156 imagens utilizadas, obteve-se uma taxa de acerto de 86,54% e 14,46% de erro, correspondendo a 135 e 21 imagens, respectivamente. Para a etapa de identificação, utilizando-se a primeira técnica, com a rede neural, foi obtido uma acurácia de 40%. Na segunda técnica, utilizando Template Matching, a técnica conseguiu identificar todos os indivíduos, obtendo-se uma acurácia de 86,54%, uma similaridade média de 99,58% e uma taxa de erro médio de 0,42%. Conclui-se que este trabalho, atingiu sua proposta de desenvolver um algoritmo para identificar individualmente a galinha caipira da raça Canela-Preta. Esse algoritmo pode ser utilizado para a seleção de galinhas por imagem, proporcionando o controle e as tomadas de decisões quanto ao manejo das galinhas.


MEMBROS DA BANCA:
Presidente - 2993761 - NATANAEL PEREIRA DA SILVA SANTOS
Interno - 1550485 - JOSE LINDENBERG ROCHA SARMENTO
Externo ao Programa - 2025063 - ROMUERE RODRIGUES VELOSO E SILVA
Externo à Instituição - MARCOS JACOB DE OLIVEIRA ALMEIDA - EMBRAPA
Externo à Instituição - OTILIO PAULO DA SILVA NETO - IFPI
Notícia cadastrada em: 04/02/2022 12:08
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb04.ufpi.br.instancia1 28/09/2022 04:19