Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/34389
Título: | Identificação automatizada do escore de condição corporal bovino |
Título(s) alternativo(s): | Automated identification of bovine body condition score |
Autor(es): | Catto, Patrick |
Orientador(es): | Casanova, Dalcimar |
Palavras-chave: | Processamento de imagens Aprendizado do computador Redes neurais (Computação) Automação Image processing Machine learning Neural networks (Computer science) Automation |
Data do documento: | 20-Jun-2024 |
Editor: | Universidade Tecnológica Federal do Paraná |
Câmpus: | Pato Branco |
Citação: | CATTO, Patrick. Identificação automatizada do escore de condição corporal bovino. 2024. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2024. |
Resumo: | Este trabalho propõe a automatização da identificação do Escore de Condição Corporal (ECC) em bovinos, utilizando técnicas avançadas de Processamento de imagens digitais (PID) e Aprendizado de Máquina (AM). Dada a variabilidade e a subjetividade inerentes aos métodos tradicionais de avaliação do ECC, o desenvolvimento de um sistema automatizado visa proporcionar uma abordagem mais objetiva e precisa. A metodologia empregada incluiu a captura e o processamento de imagens digitais de bovinos, a seleção e o treinamento de modelos de redes neurais convolucionais, e a validação dos modelos através de uma abordagem de three-way holdout. Os modelos explorados incluíram VGG16, ResNet50 e Inception-V3, com o VGG16 demonstrando superioridade nos testes iniciais. Utilizou-se a técnica de otimização Hyperband para o ajuste de hiperparâmetros e o framework Optuna para refinar os modelos. Os resultados mostraram redução no Erro Quadrático Médio (EQM) ao decorrer das épocas, para a base de teste no melhor modelo adquirido, obteve-se o valor de 0.126, com intervalo de confiança para 95% de [0,089, 0,164]. Estes resultados indicam que o modelo desenvolvido pode classificar o EQM com precisão. Este estudo contribui para a gestão de rebanhos, fornecendo uma ferramenta que aplicada pode auxiliar os produtores na monitoração precisa do estado nutricional dos bovinos. |
Abstract: | This work proposes the automation of the identification of ECC in cattle using advanced PID and AM techniques. Given the variability and subjectivity inherent in traditional methods of ECC evaluation, the development of an automated system aims to provide a more objective and accurate approach. The methodology included the capture and processing of digital images of cattle, the selection and training of convolutional neural network models, and the validation of the models through a three-way holdout approach. The models explored included VGG16, ResNet50, and Inception-V3, with VGG16 demonstrating superiority in initial tests. The Hyperband optimization technique was used for hyperparameter tuning and the Optuna framework to refine the models. The results showed a reduction in EQM over the epochs, with the best model achieving an EQM value of 0.126 for the test set, with a 95% confidence interval of [0.089, 0.164]. These results indicate that the developed model can classify EQM with precision. This study contributes to herd management by providing a tool that, when applied, can assist producers in accurately monitoring the nutritional status of cattle. |
URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/34389 |
Aparece nas coleções: | PB - Engenharia de Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
identificacaoautomatizadacondicaocorporal.pdf | 5,61 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons