Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/15939
Files in This Item:
File Description SizeFormat 
gabrielrezendedasilva.pdfPDF/A18.04 MBAdobe PDFThumbnail
View/Open
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Maciel, Luiz Maurílio da Silva-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4491455337486151pt_BR
dc.contributor.advisor-co1Chaves, Amélia Saturnino-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/pt_BR
dc.contributor.referee1Vieira, Marcelo Bernardes-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/0858482819476716pt_BR
dc.contributor.referee2Villela, Saulo Moraes-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3358075178615535pt_BR
dc.creatorSilva, Gabriel Rezende-
dc.creator.Latteshttp://lattes.cnpq.br/pt_BR
dc.date.accessioned2023-09-25T12:16:18Z-
dc.date.available2023-09-21-
dc.date.available2023-09-25T12:16:18Z-
dc.date.issued2022-02-17-
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/15939-
dc.description.abstractAnimal nutrition is an important field in livestock production. An inappropriate formulation and bunk management can harm the animals health and the production. For years the feed bunk management was conducted subjectively and inconsistently, through manual and visual methods of classification. The continuous improvement of artificial neural networks and deep learning have contributed positively to problems in several fields with the use of computer vision techniques. The present work proposes a computational model capable of analyzing various images of leftover diets of confined bovines, in order to classify these images between scores established by the literature. Thus, a convolutional neural network was developed to classify bunk score images, achieving 89.58% of accuracy. In addition, the final model achieved computational performance metrics favorable for a low cost and a real time application for farmers.pt_BR
dc.description.resumoA nutrição animal é uma das principais áreas responsáveis pela eficiência de produção em sistemas de confinamento. A formulação inconsistente da dieta e o manejo inadequado dos cochos de alimentação pode prejudicar a saúde dos animais e a produção. Durante anos, o manejo dos cochos foi conduzido de forma subjetiva, através de métodos manuais e visuais de classificação. O aperfeiçoamento contínuo de aprendizado profundo e redes neurais artificiais tem contribuído positivamente para problemas em diversos campos com o auxílio de técnicas de visão computacional. O presente trabalho propõe um modelo computacional capaz de analisar diversas imagens de sobras de dietas de bovinos confinados, a fim de classificar essas imagens entre as pontuações estabelecidas pela literatura. Assim, foi desenvolvida uma rede neural convolucional para classificar as imagens de escores de cocho, fornecendo uma acurácia de 89,58%. Além disso, o modelo final atingiu métricas de desempenho computacional favoráveis para uma aplicação de baixo custo e de tempo real para produtores rurais.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentFaculdade de Engenhariapt_BR
dc.publisher.initialsUFJFpt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-sa/3.0/br/*
dc.subjectNutrição animalpt_BR
dc.subjectEscore de cochopt_BR
dc.subjectVisão computacionalpt_BR
dc.subjectAprendizado profundopt_BR
dc.subjectRedes neurais convulucionaispt_BR
dc.subjectAnimal nutritionspt_BR
dc.subjectBunk scorept_BR
dc.subjectComputer visionpt_BR
dc.subjectConvolutional neural networkspt_BR
dc.subjectDeep learningpt_BR
dc.subject.cnpqEngenharia / Tecnologiapt_BR
dc.titleClassificação de imagens de sobras de dieta de bovinos confinados através de redes neurais convolucionaispt_BR
dc.title.alternativeClassification of images of diet leftovers from confined cattle using convolutional neural networkspt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
Appears in Collections:Engenharia Computacional - TCC Graduação



This item is licensed under a Creative Commons License Creative Commons