CAMPUS MINISTRO PETRÔNIO PORTELA

URI Permanente desta comunidade

https://repositoriosibi.ufpi.br/handle/123456789/4

Navegar

Navegando CAMPUS MINISTRO PETRÔNIO PORTELA por Autor "ALVES, Ana Caroline de Almeida"

Agora exibindo 1 - 1 de 1
  • Nenhuma Miniatura disponível
    Item
    PREDIÇÃO DO PESO DE GALINHAS CANELA-PRETA COM O USO DE VISÃO COMPUTACIONAL
    (2023-11-29) ALVES, Ana Caroline de Almeida
    RESUMO Um fator crucial para produtores comerciais de aves é o acompanhamento do peso corporal dos animais, pois isso possibilita obter o peso ideal para a comercialização. Entretanto, o monitoramento do crescimento animal através de balanças tradicionais pode ser estressante, dispendioso e trabalhoso. Nesse sentido, métodos baseados em visão computacional podem ser úteis para realizar essa tarefa de maneira menos dispendiosa e com maior bem-estar animal. Com o objetivo de desenvolver um algoritmo para prever o peso de galinhas Canela-Preta, foi realizada uma avaliação da capacidade preditiva de cada abordagem, obtendo-se um R² de até 45%. Desse modo, este trabalho apresenta uma solução econômica para o acompanhamento do peso de aves comerciais, evitando o estresse causado pelas balanças tradicionais e utilizando métodos de visão computacional para predizer o peso das aves. ABSTRACT: Monitoring broiler bird weight is critical for determining the ideal market weight. However, traditional monitoring methods, such as the use of scales, can be costly, labor-intensive and stressful for animals. Therefore, the application of methods based on computer vision can offer a more efficient and less stressful alternative for monitoring animal growth. The use of computer vision tools allows for the extraction of important information from the images of birds, such as their body weight, without the need for physical contact with the animals. In this study, we aimed to develop an algorithm for predicting the weight of Canela-Preta chickens using methods based on computer vision. The predictive ability of each method was evaluated, and R² values of up to 45% were obtained. Our findings showed that computer vision represents a less expensive and more humane solution for monitoring the weight of commercial birds.