Classificação de imagens de bovinos utilizando redes neurais convolucionais

• Autor(a) principal: Maia, Brian Luís Coimbra
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFJF
• Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/16587
• topic: Engenharia; Visão computacional; Redes neurais convolucionais; Aprendizado profundo; Pecuária de precisão; Precision livestock; Deep Learning; Convolutional Neural Networks; Computer vision

As atividades pecuárias contam cada vez mais com tecnologias da informação que podem contribuir em diversas etapas da cadeia produtiva do setor. Em particular, muitos problemas de Visão Computacional voltados para o setor pecuário vêm sendo abordados através de técnicas de aprendizado profundo e os resultados atingidos têm sido satisfatórios, demonstrando o potencial que tais técnicas possuem para beneficiar essas atividades. Além disso, abordagens desse tipo podem ser muito vantajosas, já que se tratam de aplicações não invasivas e que podem gerar resultados em tempo real. Dessa forma, este trabalho propõe o desenvolvimento de três modelos de Redes Neurais Convolucionais (Convolutional Neural Networks - CNNs) para classificação de imagens de faces de bovinos de acordo com: categoria, pose e raça. Foi realizada uma série de experimentos, dos quais os melhores resultados são reportados neste trabalho. A partir de uma série de experimentos e avaliações, foi possível atingir resultados satisfatórios para os casos abordados. Mais especificamente, os modelos classificadores de pose e categoria atingiram acurácias superiores a 90%, enquanto os modelos gerados para o problema de raça atingiram resultados mais desfavoráveis (em torno de 83%), o que demonstrou que se trata de um problema mais desafiador. Ao analisar todos os resultados, verificou-se o potencial que tais abordagens possuem para atingir resultados ainda melhores em trabalhos futuros.