Comparação de algoritmos de machine learning para predição do peso corporal de cabras leiteiras usando dados do processamento de imagens

• Ano de defesa: 2024
• Autor(a) principal: Ricato, Micael Barreiros
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; Zootecnia
• Palavras-chave em Português: Caprinos - Pesos e medidas; Aprendizado do computador; Algorítimos; Morfometria; Imagens digitais; CIENCIAS AGRARIAS::ZOOTECNIA::PRODUCAO ANIMAL
• Link de acesso: https://locus.ufv.br/handle/123456789/32678; https://doi.org/10.47328/ufvbbt.2024.256

Foram utilizadas 186 fêmeas das raças Saanen (n = 98) e Alpina (n = 88) das categorias de cria, recria e lactação. As gravações foram realizadas com câmera Intel ® RealSense ™ (D435) para a extração das imagens 2D e processadas no software ImageJ para a obtenção das medidas lineares de altura de cernelha, altura de garupa, comprimento de garupa, largura de garupa, comprimento corporal, largura do peito, profundidade e altura da pata. Os animais foram pesados, sem jejum prévio, imediatamente antes das gravações. A análise de correlação mostrou que as características que mais se correlacionaram com o peso foram a profundidade (r = 0,94) e o comprimento corporal (r = 0,94), seguidas pela largura do peito (r = 0,92), altura de cernelha e altura de garupa (r = 0,90). Entre os algoritmos estudados, o Random Forest mostrou-se o mais preciso na predição do peso corporal, com maior coeficiente de determinação (R² = 0,94) e as menores estimativas dos erros (RMSE = 5,72 e MAE = 4,14). Conclui-se que é possível predizer o peso de caprinos leiteiros por meio atributos extraídos de imagens digitais e que o algoritmo Random Forest foi o algoritmo que apresentou o melhor desempenho quando comparado com os com as regressões Lasso, Ridge e Elastic Net. Palavras-chave: Machine learning. Zootecnia de precisão. Morfometria por imagem.