Método aplicado ao monitoramento remoto de animais vaseado em aerolevantamento com VANT e aprendizagem profunda

• Ano de defesa: 2019
• Autor(a) principal: Vasconcellos, Bruno Campos de
• Orientador(a): Pinho, Leonardo Bidese de
• Banca de defesa: Pinho, Leonardo Bidese de, Cardoso, Fernando Flores, Heinen, Milton Roberto, Ferreira Júnior, Paulo Roberto
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Pampa
• Programa de Pós-Graduação: Mestrado Acadêmico em Computação Aplicada
• Departamento: Campus Bagé
• País: Brasil
• Palavras-chave em Português: Pecuária de precisão; Sensoriamento remoto; Sistemas de informação geográfica; Redes neurais convolucionais; Bancos de dados espaço-temporais; Precision livestock; Remote sensing; Geographic information systems; Convolutional neural networks; Space-time databases
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
• Link de acesso: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4590

Uma das demandas necessárias na pecuária de manejo extensivo é a de contagem de animais em áreas de dezenas de hectares, onerosa quando realizada de forma manual e local. Neste contexto, este trabalho propõe e discute a eficácia de um método semiautônomo, não invasivo, para identificação remota de animais a campo, aplicável a sistemas de pecuária de precisão. O método foi concebido a partir de uma metodologia de pesquisa aplicada experimental, exploratória no seu início e posteriormente explicativa, tendo como base técnicas de sensoriamento remoto que incluem processos de coleta de imagens por aerolevantamento com câmera RGB embarcada em veículo aéreo não tripulado, persistência das imagens obtidas por meio de armazenamento em bancos de dados espaço-temporal e processamento das imagens armazenadas para a construção de um ortomosaico da propriedade rural sucedida pela aplicação de processos de descoberta de padrões, fazendo uso de aprendizagem de máquina, em especial de redes neurais convolucionais. Conforme experimentos realizados em um cenário real, o método demonstrou ser eficaz, sendo capaz de, a partir de diferentes coletas de imagens feitas com um VANT a 100 m, detectar e contar animais com acurácia de até 92%, sendo ainda possível identificar a posição geográfica aproximada dos animais a campo.