Associação entre imagens digitais com a morfometria e condição corporal de cabras leiteiras

• Autor(a) principal: Gonçalves, Mateus Alves
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: https://locus.ufv.br//handle/123456789/31991; https://doi.org/10.47328/ufvbbt.2023.542
• topic: Caprinos - Criação - Medição; Aprendizado do computador; Inteligência artificial; Produção animal

Esta dissertação foi segmentada em dois capítulos. Capítulo I - O objetivo foi verificar se as imagens digitais são capazes de determinar a morfometria e identificar quais medidas apresentam maior precisão em fêmeas caprinas leiteiras. Foram utilizadas 154 fêmeas caprinas nas fases de cria, recria e lactação e oito medidas corporais foram mensuradas com fita métrica e por imagens digitais (câmera Intel ® RealSense ™ D435 e ImageJ) para a extração da altura da cernelha, altura da garupa, comprimento corporal, profundidade, altura da pata, largura do peito, largura da garupa e comprimento da garupa. As correlações foram significativas (p<0,05) entre medidas manuais e imagens em todas as categorias. A altura da cernelha, altura da garupa e comprimento corporal apresentaram maiores correlações (r>0,60) e precisão (R2>0,50) entre as técnicas de medição. As imagens digitais são capazes de determinar a morfometria de fêmeas caprinas leiteiras, sendo as medidas mais precisas altura da cernelha, altura da garupa e comprimento corporal. Capítulo II - O objetivo foi avaliar se é possível a utilização das imagens digitais para predizer o peso corporal e classificar o ECC de fêmeas caprinas leiteiras. Foram utilizadas 154 fêmeas caprinas nas fases de cria, recria e lactação e foram pesadas em balança manual e o ECC foi realizado apenas nos animais da recria e lactação (n=124) por três avaliadores treinados. As gravações e o processamento das imagens digitais foram realizados para a extração das mesmas medidas aferidas no capítulo I. As medidas das imagens apresentaram correlações altas (r>0,70) e significativas (p<0,05) com o peso corporal, com destaque (r>0,90) para o comprimento corporal, largura do peito e profundidade. O ECC não apresentou correlação significativa (p>0,05) com as variáveis das imagens. Foi possível predizer o peso corporal através das medidas pelas imagens com R 2 de 0,87, sendo a profundidade (22,14%), largura do peito (18,93%) e comprimento corporal (15,47%) as variáveis mais importantes. Para o ECC, a acurácia foi de 0,4054 e a classe 2 a 3 foi a mais assertiva com 10 animais classificados e a largura do peito (20,38%) foi a variável mais importante. As imagens digitais demonstram capacidade de predizer com precisão o peso corporal, porém, não classificam o ECC de fêmeas caprinas leiteiras. Palavras-chave: Aprendizado de máquina. Inteligência artificial. Zootecnia de precisão.