Utilização de visão computacional na classificação de carcaças de bovinos Nelore macho

• Ano de defesa: 2024
• Autor(a) principal: Ferreira, Guilherme Agostinis
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Bovino de corte; Carcaças; Ossificação; Algoritmos; Carcasses; Ossification; Algorithms; Beef cattle
• Link de acesso: https://repositorio.uel.br/handle/123456789/10244

Resumo: A idade do animal determina a quantidade de tecido depositado na carcaça, seja ele ósseo, muscular ou adiposo e influencia a maciez da carne Por este motivo, a idade é utilizada em programas de classificação e tipificação para determinar níveis de qualidade da carne a ser comercializada No entanto, a classificação tradicional é realizada de forma subjetiva, mesmo que por painelistas treinados A visão computacional vem sendo utilizada na área agrícola e na avaliação de alimentos com a finalidade de retirar a subjetividade da avaliação humana e produzir resultados mais concisos e precisos Neste sentido a proposta deste estudo é comparar qual classificador resultará em um melhor modelo preditivo, utilizando k-Nearest Neighbors (k=1), Random Forest e Support Vector Machine como modelos preditivos devido à sua ampla aplicação e alto desempenho Foram utilizadas 56 meias carcaças de bovinos Nelore não castrados, que foram divididos em três classes etárias (Precoce, Tourinho e Touro), variando de 12 a 48 meses As imagens foram adquiridas com auxílio de câmera digital com suas funções automáticas e sem controle ambiental O algoritmo k-NN obteve acurácia de 78,95%, tendo seu pior desempenho na classificação dos animais de idade intermediária O resultado obtido com o algoritmo RF foi de 73,68% de acurácia e classificou quatro amostras do grupo de idade intermediária como falso positivo O algoritmo SVM classificou uma amostra do grupo mais jovem como sendo do grupo mais velho e não conseguiu predizer nenhuma amostra do grupo intermediário, gerando um modelo com 68,42% de acurácia Há maior susceptibilidade de serem cometidos erros ou equívocos quando a avaliação é feita por painelistas treinados Os algoritmos de classificação propostos mostraram bom desempenho e viabilidade de implantação em relação ao sistema tradicional O algoritmo k-NN foi o que apresentou melhor desempenho e a solução mais simples entre os classificadores