Título: SISTEMA INTELIGENTE DE VISÃO COMPUTACIONAL PARA ANÁLISE DE COMPORTAMENTO ALIMENTAR ANIMAL APLICAÇÃO NA SUINOCULTURA

Título alternativo: COMPUTER VISION SMART SYSTEM FOR ANIMAL FEEDING BEHAVIOUR ANALYSIS PIG FARMING CASE

Autoria de: Geraldo Luciano de Carvalho Neto

Orientação de: Danilo Alves de Lima

Presidente da banca: Danilo Alves de Lima

Primeiro membro da banca: Wilian Soares Lacerda

Segundo membro da banca: Arthur de Miranda Neto

Palavras-chaves: Aprendizado de Máquina, Visão Computacional, Suinocultura, Comportamento Animal, Redes Neurais Convolucionais

Data da defesa: 14/05/2021

Semestre letivo da defesa: 2020-2

Data da versão final: 02/06/2021

Data da publicação: 02/06/2021

Referência: Neto, G. L. d. C. SISTEMA INTELIGENTE DE VISÃO COMPUTACIONAL PARA ANÁLISE DE COMPORTAMENTO ALIMENTAR ANIMAL APLICAÇÃO NA SUINOCULTURA. 2021. 52 p. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação Bacharelado)-Universidade Federal de Lavras, Lavras, 2021.

Resumo: Na produção de suínos, os custos com alimentação dos animais podem representar mais que 60 dos custos totais de produção. Análises de comportamento alimentar dos animais nestes ambientes de produção podem fornecer importantes informações para a produção eficiente e também para o bem-estar animal. Atualmente, tais análises são feitas por meio de observações humanas, demandando muita mão de obra e longo tempo, além de, geralmente, não possuírem resultados de grande confiabilidade. Com os recentes avanços das Redes Neurais Artificiais e das técnicas de Visão Computacional, o número de soluções tecnológicas inovadoras desenvolvidas com base nesses conhecimentos tem crescido exponencialmente. Suas aplicações são inúmeras e presentes nas mais diversas áreas. Este trabalho tem como objetivo propor um sistema que utiliza técnicas de Visão Computacional e Redes Neurais Convolucionais, uma classe de Rede Neural, para analisar, de forma automática, o comportamento alimentar de suínos em granjas, por meio de detecção e rastreamento visual dos animais. Para isso, uma rede neural Faster-R-CNN foi treinada para detecção de suínos, com uma precisão de 95,8 e revocação de 88,5. A rede treinada se mostrou robusta, mesmo sob intensas variações de iluminação e sob oclusões parciais. O método proposto para análise de comportamento alimentar é capaz de registrar o tempo em que os animais se alimentam com uma precisão acima de 90.

Abstract: In pig production, the costs of feeding the animals can represent more than 60 of the total production costs. Feeding behavior analysis of animals in these production environments can provide important information for efficient production and also for animal welfare. Currently, such analyzes are made through human observations, demanding a lot of labor and a long time, besides, generally, they do not have accurate results. With the recent advances in Artificial Neural Networks and Computer Vision techniques, the number of innovative technological solutions developed based on this knowledge has grown exponentially. Its applications are numerous and present in the most diverse areas. This work aims to propose a system that uses Computer Vision techniques and Convolutional Neural Networks, a class of Neural Network, to automatically analyze the feeding behavior of pigs on farms, through the detection and visual tracking of animals. Thus, a Faster-R-CNN neural network was trained to detect pigs, with an accuracy of 95.8 and recall of 88.5. The trained net proved to be robust, even under intense lighting variations and partial occlusions. The proposed method for the analysis of feeding behavior is capable of counting the time during which the animals feed with an accuracy above 90.

URI: sip.prg.ufla.br/publico/trabalhos_conclusao_curso/acessar_tcc_por_curso/
engenharia_de_controle_e_automacao/20202201410385

URI alternaviva: repositorio.ufla.br/handle/1/47454

Curso: G022 - ENGENHARIA DE CONTROLE E AUTOMAÇÃO (BACHARELADO)

Nome da editora: Universidade Federal de Lavras

Sigla da editora: UFLA

País da editora: Brasil

Gênero textual: Trabalho de Conclusão de Curso

Nome da língua do conteúdo: Português

Código da língua do conteúdo: por

Licença de acesso: Acesso aberto

Nome da licença: Licença do Repositório Institucional da Universidade Federal de Lavras

URI da licença: repositorio.ufla.br

Termos da licença: Acesso aos termos da licença em repositorio.ufla.br

Detentores dos direitos autorais: Geraldo Luciano de Carvalho Neto e Universidade Federal de Lavras

Baixar arquivo