Método para estimativa do percentual de cobertura de gordura em carcaça bovinas usando visão computacional.

• Autor(a) principal: SANTOS, E. F. dos
• Data de Publicação: 2021
• Outros Autores: LOPES, L. B., VENDRUSCULO, L. G.
• Idioma: por
• Título da fonte: Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
• Texto Completo: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1138969
• topic: Processamento de dados; Visão computacional; Rede neural; U-net; Semicarcaça; Novilha; Coeficiente de similaridade; Jaccard; Intersection over Union; Carcaça; Zootecnia; Gordura Animal; Bovino

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.