Use este identificador para citar ou linkar para este item:
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1138969
Título: | Método para estimativa do percentual de cobertura de gordura em carcaça bovinas usando visão computacional. |
Autoria: | SANTOS, E. F. dos![]() ![]() LOPES, L. B. ![]() ![]() VENDRUSCULO, L. G. ![]() ![]() |
Afiliação: | ELTON FERNANDES DOS SANTOS, UFMT, Sinop-MT; LUCIANO BASTOS LOPES, CPAMT; LAURIMAR GONCALVES VENDRUSCULO, CNPTIA. |
Ano de publicação: | 2021 |
Referência: | In: ENCONTRO DE CIÊNCIA E TECNOLOGIAS AGROSSUSTENTÁVEIS, 5.; JORNADA CIENTÍFICA DA EMBRAPA AGROSSILVIPASTORIL, 10., 2021. Sinop. Resumos... Brasília, DF: Embrapa, 2021. p. 57. |
Conteúdo: | A 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. |
Thesagro: | Carcaça Zootecnia Gordura Animal Bovino |
Palavras-chave: | Processamento de dados Visão computacional Rede neural U-net Semicarcaça Novilha Coeficiente de similaridade Jaccard Intersection over Union |
Tipo do material: | Resumo em anais e proceedings |
Acesso: | openAccess |
Aparece nas coleções: | Resumo em anais de congresso (CPAMT)![]() ![]() |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
2021-cpamt-lbl-metodo-estimativa-percentual-cobertura-gordura-carcaca-bovina-visao-computacional-p-57.pdf | 347,96 kB | Adobe PDF | ![]() Visualizar/Abrir |