Banca de DEFESA: JOSÉ DOS SANTOS DE MOURA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: JOSÉ DOS SANTOS DE MOURA
DATA: 13/08/2026
HORA: 08:30
LOCAL: Auditório do Núcleo de Pós-Graduação do CCA
TÍTULO: FENOTIPAGEM DIGITAL DE CARACTERÍSTICAS MORFOMÉTRICAS POR INTELIGÊNCIA ARTIFICIAL PARA IDENTIFICAÇÃO INDIVIDUAL E PREDIÇÃO DO PESO CORPORAL EM GALINHAS CANELA-PRETA
PALAVRAS-CHAVES: Zootecnia de precisão, Processamento digital de imagens, Características morfométricas, Predição de peso, Redes neurais artificiais, Segmentação de imagens
PÁGINAS: 100
GRANDE ÁREA: Ciências Agrárias
ÁREA: Zootecnia
SUBÁREA: Genética e Melhoramento dos Animais Domésticos
RESUMO:

A fenotipagem digital com uso da inteligência artificial representa uma das principais inovações da Zootecnia de Precisão, permitindo a obtenção automatizada de características fenotípicas com elevada precisão, rapidez e menor interferência humana. Entretanto, sua aplicação em recursos genéticos avícolas locais ainda é limitada, especialmente em raças adaptadas às condições tropicais, como a galinha Canela-Preta. Diante desse cenário, esta tese teve como objetivo desenvolver e validar um sistema integrado de fenotipagem digital baseado em visão computacional e inteligência artificial para identificação individual, extração automatizada de características morfométricas e predição do peso corporal em galinhas Canela-Preta. Foram utilizadas 160 aves adultas, criadas em sistema semi-intensivo no estado do Piauí, submetidas à aquisição padronizada de imagens RGB e à coleta de medidas morfométricas de referência. Foi desenvolvido um pipeline computacional para identificação individual e extração automática de fenótipos, integrando técnicas de estimativa de profundidade, segmentação automática, processamento digital de imagens e algoritmos de visão computacional, possibilitando a obtenção automatizada de medidas como altura em estação, altura em decúbito, circunferência torácica e comprimento crânio-caudal. Em seguida, essas características foram empregadas no desenvolvimento de modelos de aprendizado de máquina para predição do peso corporal, utilizando os algoritmos Random Forest, XGBoost e Rede Neural Profunda, além da implementação do aplicativo móvel CanelaPretaVision, destinado à utilização prática da tecnologia em condições de campo. Entre os modelos avaliados, a rede neural apresentou o melhor desempenho preditivo, alcançando coeficiente de determinação (R²) de 0,73, erro absoluto médio (MAE) de aproximadamente 64 g e erro percentual absoluto médio (MAPE) de 3,37% para estimativa do peso corporal, superando os demais algoritmos. O aplicativo desenvolvido possibilitou a aquisição de imagens, extração automática das características morfométricas e estimativa do peso corporal de forma rápida, não invasiva e acessível por dispositivos móveis. Os resultados demonstram que a integração entre visão computacional, aprendizado profundo e aprendizado de máquina constitui uma estratégia eficiente para automatização da fenotipagem animal, contribuindo para a redução do estresse associado às avaliações convencionais, aumento da eficiência do manejo, fortalecimento da agricultura digital e apoio aos programas de conservação genética e melhoramento da raça Canela-Preta. A metodologia proposta apresenta potencial de aplicação na avicultura de precisão, podendo ser adaptada para outras populações avícolas e espécies de interesse zootécnico, constituindo uma ferramenta promissora para o monitoramento fenotípico automatizado e a transformação digital da produção animal.

MEMBROS DA BANCA:
Presidente - 2993761 - NATANAEL PEREIRA DA SILVA SANTOS
Interno - 1550485 - JOSE LINDENBERG ROCHA SARMENTO
Externo ao Programa - 2025063 - ROMUERE RODRIGUES VELOSO E SILVA
Externo à Instituição - 067.***.***-65 - DINNARA LAYZA SOUZA DA SILVA - UESPI
Externo à Instituição - 027.***.***-89 - DÉBORA ARAÚJO DE CARVALHO - EMBRAPA
Externo à Instituição - 453.***.***-20 - OTILIO PAULO DA SILVA NETO - IFPI