Banca de QUALIFICAÇÃO: RAQUEL MOURA ARAUJO NOLÊTO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: RAQUEL MOURA ARAUJO NOLÊTO
DATA: 15/02/2024
HORA: 14:30
LOCAL: Auditório 01 do prédio da Pós-Graduação - PPGZT
TÍTULO: SISTEMA PARA IDENTIFICAÇÃO DE GALINHAS EM DISPOSITIVOS MÓVEIS: um passo para automatização da fenotipagem em aves
PALAVRAS-CHAVES: galinha; inteligência artificial; identificação de animais; processamento de imagens; visão computacional
PÁGINAS: 95
GRANDE ÁREA: Ciências Agrárias
ÁREA: Zootecnia
SUBÁREA: Genética e Melhoramento dos Animais Domésticos
RESUMO:

O avanço da tecnologia de redes neurais convolucionais (CNNs) tem revolucionado a capacidade de reconhecimento de padrões em imagens. A crescente demanda por soluções eficazes de identificação de animais em ambientes diversos impulsionou essa pesquisa. Este trabalho justifica-se pela necessidade de desenvolver uma ferramenta precisa e acessível para auxiliarem atividades de monitoramento e controle de rebanhos avícolas. Para Análise Bibliométrica e Revisão Sistemática a pesquisa foi desenvolvida de acordo com os seguintes passos básicos: a) desenho do estudo; b) coleta dos dados; c) análise dos dados; d) visualização e organização dos dados. E para o desenvolvimento do aplicativo para identificar galinhas da raça canela-preta utilizando um smartphone, a pesquisa utilizou 466 imagens de 152 galinhas da raça canela-preta. Essas imagens foram usadas para treinar e ajustar um algoritmo de identificação, permitindo aprender e reconhecer características específicas dessa raça. A arquitetura desse algoritmo desenvolvida com base em experimentações e avaliações de desempenho. Utilizou-se o framework YOLOv8 para detecção de objetos e localização das galinhas nas imagens. O algoritmo Random Forest foi aplicado para análise de características específicas e classificação precisa da raça. No desenvolvimento do aplicativo, optou-se por uma abordagem em que os usuários realizam a captura e transmissão de imagens em tempo real para um servidor central, recebendo, em contrapartida, resultados de identificação do animal. A análise estatística dos resultados de reconhecimento revelou uma taxa média de precisão de 99,4% e uma taxa de erro médio de 0,04%, evidenciando, assim, a confiabilidade da abordagem. O aplicativo desenvolvido revelou-se uma ferramenta promissora para a identificação precisa e eficiente desses animais.

MEMBROS DA BANCA:
Presidente - 2993761 - NATANAEL PEREIRA DA SILVA SANTOS
Externo ao Programa - 2025063 - ROMUERE RODRIGUES VELOSO E SILVA
Externo à Instituição - DÉBORA ARAÚJO DE CARVALHO - UESPI