Banca de DEFESA: FRANCISCO ALBIR LIMA JÚNIOR

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: FRANCISCO ALBIR LIMA JÚNIOR
DATA: 01/04/2021
HORA: 14:00
LOCAL: Sala Virtual no Google Meet
TÍTULO: AVALIAÇÃO DE CARCAÇA POR MEIO DO RECONHECIMENTO DE IMAGENS ULTRASSONOGRÁFICAS DE OVINOS UTILIZANDO FERRAMENTAS DE INTELIGÊNCIA ARTIFICIAL
PALAVRAS-CHAVES: AOL, Fenotipagem de precisão, Inteligência Artificial, Ovinos de corte, Ultrassonografia
PÁGINAS: 50
GRANDE ÁREA: Ciências Agrárias
ÁREA: Zootecnia
SUBÁREA: Genética e Melhoramento dos Animais Domésticos
RESUMO:

A ovinocultura de corte é um segmento da agropecuária que se encontra em constante expansão, estando presente em, praticamente, todos os continentes. Esta atividade está ganhando espaço no agronegócio brasileiro e na região Nordeste. Entretanto, a produtividade da carne ovina, ao longo dos anos, ainda é considerada baixa, o que afeta diretamente a oferta em termos quantitativo e qualitativo. Portanto, este setor exige alternativas tecnológicas dentro do melhoramento genético dos rebanhos, como fenotipagem de precisão, para permitir melhorar o rendimento de carcaça dos animais, a fim de atender às demandas existentes. Desta forma, a avaliação de carcaça de maneira padronizada é uma alternativa viável para predizer a quantidade de carcaça que o animal pode produzir, a qual tem sido realizada a partir da análise de imagens ultrassonograficas por profissionais especializados. Sendo assim, o objetivo com pesquisa foi o desenvolvimento de uma abordagem com o uso de inteligência artificial para avaliação predizer a área de olho de lombo na carcaça ovina de forma acurada por meio do reconhecimento de imagens ultrassonográficas do músculo Longissimus dorsi. A metodologia proposta para este trabalho foi dividida em 4 etapas. Na etapa de coleta de dados, 121 imagens ultrassonográficas de fêmeas ovinas foram coletadas com auxílio de aparelho de ultrassom,  Na etapa de segmentação das regiões de interesse, utilizou-se um método de segmentação automatizado com base em algoritmos de agrupamento e redes neurais (U-Net). A segmentação das imagens adquiridas de maneira automática foi realizada com o intuito de reconhecer as regiões de interesse na imagem do músculo. Para a avaliação de segmentações automáticas, utilizou-se as métricas de coeficiente de dados Dice e a métrica de intersecção sobre união (IoU). Durante a etapa de extração de recursos, objetivou-se encontrar características importantes para a previsão de AOL (Área de Olho de Lombo). Na última etapa, foi realizada uma análise de regressão, sendo a variável independente os valores dos atributos obtidos com os descritores utilizados e a variável dependente a AOL previsto para a imagem de ultrassom do animal, onde utilizou-se as métricas de quadrado médio do resíduo (QMR) e erro médio absoluto (EMA) para avaliar a qualidade do ajuste. Dois algoritmos de regressão foram utilizados, AdaBoost Regressor (ABR) e Random Forest Regressor (RFR). Os valores obtidos pela métrica Dice foi de 0,94 e a da IoU foi de 0,89 o que demonstra alta similaridade entre o real e o previsto. Os valores de QMR, EMA e R² para o ABR foram, respectivamente, 2,61, 1,22 e 0,51, e para o RFR 2,15, 1,12 e 0,61, o que demonstra uma correlação positiva entre os valores preditos e os valores reais. Portanto, a medição automatizada da AOL a partir de imagens ultrassonogrpaficas é promissora e possibilitará maior eficiência na realização desta medida em grandes quantidades de imagens com alta precisão, pois dispensa a intervenção humana na delimitação da área do músculo Longissimus dorsi em ovinos de corte.

MEMBROS DA BANCA:
Presidente - 1550485 - JOSE LINDENBERG ROCHA SARMENTO
Externo ao Programa - 7423630 - ANTONIO DE SOUSA JUNIOR
Externo ao Programa - 2025063 - ROMUERE RODRIGUES VELOSO E SILVA
Externo à Instituição - LUIZ ANTONIO SILVA FIGUEIREDO FILHO - IFMA