Please use this identifier to cite or link to this item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1138969
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSANTOS, E. F. dos
dc.contributor.authorLOPES, L. B.
dc.contributor.authorVENDRUSCULO, L. G.
dc.date.accessioned2022-01-11T01:56:02Z-
dc.date.available2022-01-11T01:56:02Z-
dc.date.created2022-01-10
dc.date.issued2021
dc.identifier.citationIn: ENCONTRO DE CIÊNCIA E TECNOLOGIAS AGROSSUSTENTÁVEIS, 5.; JORNADA CIENTÍFICA DA EMBRAPA AGROSSILVIPASTORIL, 10., 2021. Sinop. Resumos... Brasília, DF: Embrapa, 2021. p. 57.
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1138969-
dc.descriptionA carne bovina é uma das principais fontes de proteína animal para os seres humanos. No contexto de produção, a análise do acabamento da carcaça torna-se essencial visto sua importância no desempenho animal e exigências nutricionais. A avaliação individualizada das carcaças é inviável para a maioria dos frigoríficos, devido ao significativo número de animais, bem com o tempo e recursos dispendidos. Entretanto, o uso de tecnologia baseada em visão computacional e processamento de imagem, tem se mostrado bastante eficaz no processo de automação de rotina de inspeção. O objetivo deste estudo foi projetar, desenvolver e validar um sistema para estimar o percentual de gordura em semi-carcaças bovinas. Os dados foram coletados em um frigorífico localizado em Sinop e ocorreram entre outubro de 2020 e julho de 2021. A maioria das carcaças vieram de novilhas. Foi proposto um pipeline de visão computacional, o qual foi dividido em três etapas. Na primeira fase, foi realizado um processamento de vídeo para identificar e selecionar corretamente uma imagem contendo apenas a carcaça de interesse. Na segunda parte, foi realizado o pré-processamento e a segmentação para remoção do fundo da imagem e finalmente a estimação do percentual de gordura. Na etapa de segmentação do plano de fundo foi utilizada a rede neural denominada U-net. Para verificar a acurácia desta etapa optou-se pelo coeficiente de similaridade de Jaccard, ou Intersection over Union (IoU). A rede neural U-net treinada para segmentação de fundo da imagem atingiu um IoU médio de 0,96 ao segmentar 171 imagens de testes, demonstrando a boa performance na extração do fundo. O método proposto mostrou-se satisfatório para a realização da tarefa de estimação do percentual de gordura, mas os resultados se restringem a animais fêmeas, sendo necessários outras etapas de validação para ampliar o modelo de estimativa.
dc.language.isopor
dc.rightsopenAccess
dc.subjectProcessamento de dados
dc.subjectVisão computacional
dc.subjectRede neural
dc.subjectU-net
dc.subjectSemicarcaça
dc.subjectNovilha
dc.subjectCoeficiente de similaridade
dc.subjectJaccard
dc.subjectIntersection over Union
dc.titleMétodo para estimativa do percentual de cobertura de gordura em carcaça bovinas usando visão computacional.
dc.typeResumo em anais e proceedings
dc.subject.thesagroCarcaça
dc.subject.thesagroZootecnia
dc.subject.thesagroGordura Animal
dc.subject.thesagroBovino
riaa.ainfo.id1138969
riaa.ainfo.lastupdate2022-01-10
dc.contributor.institutionELTON FERNANDES DOS SANTOS, UFMT, Sinop-MT; LUCIANO BASTOS LOPES, CPAMT; LAURIMAR GONCALVES VENDRUSCULO, CNPTIA.
Appears in Collections:Resumo em anais de congresso (CPAMT)

Files in This Item:
File Description SizeFormat 
2021-cpamt-lbl-metodo-estimativa-percentual-cobertura-gordura-carcaca-bovina-visao-computacional-p-57.pdf347,96 kBAdobe PDFThumbnail
View/Open
Show simple item record

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace