Preferência de galinhas para diferentes comprimentos de onda de luz usando deep learning

• Ano de defesa: 2022
• Autor(a) principal: Rodrigues Siriani, Allan Lincoln [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Análise de imagens; Estresse térmico; Comportamento animal; Filtro de Kalman; YOLO; Zootecnia de precisão; Image analysis; Machine learning; Animal behavior; Kalman filter; Precision Livestock Farming
• Link de acesso: http://hdl.handle.net/11449/217329

O objetivo deste trabalho foi desenvolver um modelo de rede neural convolucional utilizando Deep Leaning e Framework YOLO para identificar e localizar galinhas em vídeos gravados em ambientes com baixa iluminação e pouco contraste e desenvolver um algoritmo para rastrear a movimentação das aves nessas condições. O modelo foi gerado e posteriormente aplicado em vídeos de um experimento de comportamento de preferência de galinhas da linhagem H&N Brown Nick por três ambientes de iluminação monocromática (branco, vermelho e verde). As aves tinham livre acesso e trânsito a esses compartimentos. Além dos tratamentos de iluminação, foram testados três tratamentos de temperatura: calor (35ºC), termoneutro (24ºC) e frio (17ºC). Os vídeos foram gravados em baixa iluminação (~5 lx) com auxílio de fonte de iluminação near infrared da própria câmera, resultando em imagens em escala de cinza de baixa qualidade e baixo contraste das aves com o restante do ambiente. O modelo gerado apresentou resultados de 99,9% de acurácia para a identificação e localização das aves nos compartimentos da câmara de preferência. A partir da identificação das aves, foi possível identificar o tempo de permanência das aves em 648 horas de vídeo. A análise dos resultados indicou que as galinhas têm preferência em permanecer no ambiente com luz branca, seguida da vermelha e verde. Na condição de calor foi observado uma distribuição mais igualitária das aves entre os compartimentos, de modo que essa dispersão das aves é indício de que a condição térmica sobrepõe a preferência das aves pelo ambiente luminoso. A partir da localização das aves, foi desenvolvido um algoritmo para análise da movimentação (rastreamento) das aves usando filtro de Kalman, onde foi possível seguir as aves individualmente e medir a distância percorrida de cada indivíduo. As técnicas de visão computacional aplicadas nesta pesquisa podem vir a ser aperfeiçoadas e aplicadas futuramente em condições comerciais, contribuindo para a melhoria da produção e bem-estar das aves.