Please use this identifier to cite or link to this item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1114988
Title: Reconhecimento da ceratoconjuntivite infecciosa bovina utilizando imagens termográficas e redes neurais convolucionais.
Authors: FREITAS, D. S. de
CAMARGO, S. da S.
COMIN, H. B.
DOMINGUES, R.
GASPAR, E. B.
CARDOSO, F. F.
Affiliation: Dhyonatan Santos de Freitas, UNIPAMPA; Sandro da Silva Camargo, UNIPAMPA; Helena Brocardo Comin, UFPEL; ROBERT DOMINGUES, CPPSUL; EMANUELLE BALDO GASPAR, CPPSUL; FERNANDO FLORES CARDOSO, CPPSUL.
Date Issued: 2019
Citation: Revista Brasileira de Computação Aplicada, v. 11, n. 3, p.133-145, nov. 2019.
Description: A Ceratoconjuntivite Infecciosa Bovina (CIB) é considerada a doença ocular de maior importância na criação de bovinos, causando perdas significativas tanto no rebanho afetado quanto para o produtor. Por se tratar de uma doença infectocontagiosa é necessário que as formas de diagnóstico sejam aprimoradas. Atualmente, o diagnóstico para CIB é realizado por meio da avaliação dos sinais clínicos por um especialista e confirmados por exames laboratoriais, o que geralmente é uma tarefa custosa e demorada. Neste trabalho, é avaliada a utilização da termografia infravermelha para aquisição de imagens da região ocular bovina de animais sadios e infectados pela CIB e, a partir disso utilizar essa base de imagens no treinamento e validação de um conjunto de redes neurais convolucionais (RNC), com o intuito de identificar se o animal está ou não infectado em novas amostras. Foram utilizadas 4.938 imagens termográficas da região ocular bovina no processo de treinamento e validação de cinco arquiteturas distintas de RNC, as quais foram avaliadas utilizando validação cruzada. Os melhores resultados obtidos neste trabalho indicam que as RNC são capazes de classificar corretamente os sinais clínicos da CIB em imagens termográficas com uma taxa de acurácia próxima de 80%. Palavras-Chave: Análise de imagens digitais; Classificação; Doença ocular bovina; Reconhecimento de padrões. Abstract Infectious Bovine Keratoconjunctivitis (IBK) is considered the most important ocular disease in cattle rearing, causing significant losses in both the affected herd and as for producer. Because it is an infectious disease, the forms of diagnosis need to be improved. Currently, the diagnosis for IBK is performed through the evaluation of clinical signs by a specialist and confirmed by laboratory tests, which is usually a costly and time-consuming task. In this work, the use of infrared thermography for the acquisition of images of the bovine ocular region of healthy and infected animals by the IBK is evaluated, using this image base in the training and validation of a set of convolutional neural networks (CNN) with the aim of identifying whether or not the animal is infected in new samples. A total of 4.938 thermographic images of the bovine ocular region were used in the training and validation process of five different architectures of CNN, which were evaluated using cross-validation. The best results obtained in this study indicate that CNNs are able to correctly classify IBK clinical signs in thermographic images with an accuracy rate close to 80%. Keywords: Analysis of digital images; Bovine ocular disease; Classification; Pattern Recognition.
Thesagro: Bovino
Doença Animal
Olho
Conjuntivite
NAL Thesaurus: Keratoconjunctivitis
Eye diseases
Keywords: Ceratoconjuntivite
Language: pt_BR
Type of Material: Artigo de periódico
Access: openAccess
Appears in Collections:Artigo em periódico indexado (CPPSUL)

Files in This Item:
File Description SizeFormat 
RBCA2019.pdf1,21 MBAdobe PDFThumbnail
View/Open

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace