Sistemas de Informação

Trabalho de Conclusão
Título:SEGMENTAÇÃO AUTOMÁTICA DE PARTES DO CORPO DE BOVINOS
Aluno:Andrei Fillmann
Semestre:2021/01
Situação:Concluido
Áreas de interesse:Não informado
Orientador:Marta Rosecler Bez
Avaliadores:Gabriel da Silva Simões, João Batista Mossmann
Documentos:Anteprojeto, Texto final TC1 (liberado apenas para a banca), Texto final TC2
Palavras-chave:Segmentação de imagens. Visão computacional. Pecuária de precisão. Bovinos.
Resumo:

Devido ao seu grande rebanho, o Brasil exerce um papel de destaque na criação de bovinos, porém sua produção apresenta ainda uma baixa eficiência. As formas de aumentar a produtividade estão ligadas a diminuição do custo, cuidados com alimentação, saúde e bem estar dos animais. A pecuária de precisão busca, através da utilização de tecnologias, melhorar de forma significativa a produção de uma fazenda. Diversas áreas da computação são utilizadas neste novo modelo de pecuária, entre elas, a visão computacional. Esta área tem como objetivo aproximar como as máquinas enxergam o meio à sua volta ao que o olho humano pode ver, reproduzindo a capacidade de reconhecimento de imagens através da utilização de técnicas computacionais. Desta forma, o presente trabalho tem como objetivo apresentar um protótipo de software que, através da técnica de segmentação de imagens, utilizando modelos criados nos frameworks Mask R-CNN e PointRend, seja capaz de identificar partes do corpo de bovinos em fotografias digitais dos animais, servindo seu resultado como fonte de entrada em modelos que se propõem em estimar pesos ou condições corporais destes animais. A pesquisa foi elaborada através da utilização de referências teóricas e de testes práticos utilizando o protótipo desenvolvido. Sendo esse dirigido a busca de soluções mais eficientes para extração de partes do corpo de bovinos em imagens digitais, já seu resultado foi avaliado de forma quantitativa. Para tanto, é apresentado o referencial teórico, incluindo técnicas de Processamento Digital de Imagens e Redes Neurais Artificiais, bem como uma análise de três trabalhos relacionados. Para avaliar o desempenho dos modelos a métrica mAP foi utilizada, para o Mask R-CNN o resultado foi de 88.529 e para o PointRend 90.576.

Link biblioteca:Não informado

TC Online - Sistema de Trabalhos de Conclusão Online