https://repositorio.ufjf.br/jspui/handle/ufjf/15939
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
gabrielrezendedasilva.pdf | PDF/A | 18.04 MB | Adobe PDF | ![]() Visualizar/Abrir |
Clase: | Trabalho de Conclusão de Curso |
Título : | Classificação de imagens de sobras de dieta de bovinos confinados através de redes neurais convolucionais |
Otros títulos : | Classification of images of diet leftovers from confined cattle using convolutional neural networks |
Autor(es): | Silva, Gabriel Rezende |
Orientador: | Maciel, Luiz Maurílio da Silva |
Co-orientador: | Chaves, Amélia Saturnino |
Miembros Examinadores: | Vieira, Marcelo Bernardes |
Miembros Examinadores: | Villela, Saulo Moraes |
Resumo: | A 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. |
Resumen : | Animal 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. |
Palabras clave : | Nutrição animal Escore de cocho Visão computacional Aprendizado profundo Redes neurais convulucionais Animal nutritions Bunk score Computer vision Convolutional neural networks Deep learning |
CNPq: | Engenharia / Tecnologia |
Idioma: | por |
País: | Brasil |
Editorial : | Universidade Federal de Juiz de Fora (UFJF) |
Sigla de la Instituición: | UFJF |
Departamento: | Faculdade de Engenharia |
Clase de Acesso: | Acesso Aberto |
Licenças Creative Commons: | http://creativecommons.org/licenses/by-sa/3.0/br/ |
URI : | https://repositorio.ufjf.br/jspui/handle/ufjf/15939 |
Fecha de publicación : | 17-feb-2022 |
Aparece en las colecciones: | Engenharia Computacional - TCC Graduação |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons