Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: JOSÉ DOS SANTOS DE MOURA
DATA: 30/07/2025
HORA: 08:30
LOCAL: Meet
TÍTULO: Fenotipagem e Predição de Peso de Galinhas Canela-Preta utilizando Visão Computacional e Aprendizado Profundo
PALAVRAS-CHAVES: Algoritimo, Rede Neural, U-Net, Zootecnia de Precisão
PÁGINAS: 35
GRANDE ÁREA: Ciências Agrárias
ÁREA: Zootecnia
SUBÁREA: Genética e Melhoramento dos Animais Domésticos
RESUMO:

A Zootecnia de Precisão tem se consolidado como uma alternativa estratégica para superar desafios na coleta de dados zootécnicos, permitindo monitoramento mais eficiente, automatizado e com menor intervenção manual. Este trabalho apresenta uma metodologia inovadora com o objetivo de realizar a fenotipagem automatizada e predição do peso corporal de galinhas da raça Canela-Preta, utilizando visão computacional e aprendizado profundo. Essa proposta visa oferecer uma solução prática, de baixo custo e não invasiva para auxiliar programas de melhoramento genético de raças nativas, que ainda enfrentam limitações relacionadas à variabilidade fenotípica e à subjetividade dos métodos tradicionais de mensuração. Para isso, foram obtidas 160 imagens RGB de galinhas manejadas em sistema de criação extensiva, capturadas com câmera convencional em ambiente controlado, utilizando fundo branco. Após o registro das imagens, as aves foram pesadas e medidas manualmente para gerar a base de dados de referência. As imagens passaram por um processo de pré-processamento, redimensionamento, geração de mapas de profundidade e aplicação de algoritmos de segmentação, resultando na extração precisa dos contornos dos animais. Foram aplicadas técnicas de aumento de dados para expandir o conjunto original, gerando 640 imagens sintéticas e totalizando 800 registros, o que ampliou a robustez e a capacidade de generalização dos modelos preditivos. A metodologia de segmentação combinou análise de variação de profundidade com algoritmos de detecção de bordas e binarização adaptativa. Após isolar o corpo das aves, as principais características morfométricas foram extraídas, incluindo peso, altura em estação e em decúbito, circunferência torácica e comprimento do crânio até a cauda. Essas informações foram convertidas de pixels para valores reais por meio de cálculos que consideraram o campo de visão da câmera e a distância do animal. Na etapa de predição, os dados extraídos alimentaram três modelos distintos: Random Forest, XGBoost e uma rede neural profunda, todos treinados com os mesmos conjuntos de dados para possibilitar a comparação de desempenho. A rede neural apresentou resultados superiores, atingindo coeficiente de determinação de 0,82 e erro absoluto médio de 60 gramas na predição do peso corporal, além de índices mais precisos para as demais variáveis morfométricas. Esses resultados demonstram a eficácia do modelo em identificar padrões complexos a partir de imagens simples, sem necessidade de sensores especializados ou infraestrutura tecnológica de alto custo. Diferentemente de outras soluções tecnológicas para estimativa de peso animal, que dependem de câmeras RGB-D, tomografia ou sistemas tridimensionais complexos, o método desenvolvido se destaca pela viabilidade prática e aplicabilidade em propriedades de pequeno e médio porte. Ao dispensar o uso de equipamentos avançados, o sistema reduz custos operacionais e promove maior adesão entre produtores que buscam alternativas acessíveis para melhorar a gestão do plantel, otimizando a seleção e o manejo de raças caipiras, contribuindo ainda para o bem-estar animal ao eliminar práticas invasivas de mensuração. Assim, o trabalho demonstra que a integração de visão computacional e aprendizado profundo pode ser uma ferramenta eficiente para modernizar a coleta de dados zootécnicos, democratizando o acesso à Zootecnia de Precisão. A metodologia proposta se apresenta como um avanço para fortalecer a sustentabilidade e competitividade da avicultura, com potencial para evoluir em sistemas automatizados de monitoramento em tempo real, capazes de apoiar o manejo produtivo, a rastreabilidade e as práticas de bem-estar em criações de galinhas caipiras.

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 - 027.***.***-89 - DÉBORA ARAÚJO DE CARVALHO - UESPI
Externo à Instituição - 453.***.***-20 - OTILIO PAULO DA SILVA NETO - IFPI

Cadastrada em: 17/07/2025