Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/16587
Files in This Item:
File Description SizeFormat 
brianluiscoimbramaia.pdfPDF/A6.27 MBAdobe PDFThumbnail
View/Open
Type: Trabalho de Conclusão de Curso
Title: Classificação de imagens de bovinos utilizando redes neurais convolucionais
Author: Maia, Brian Luís Coimbra
First Advisor: Maciel, Luiz Maurílio da Silva
Referee Member: Carvalho, Bruno Campos
Referee Member: Vieira, Marcelo Bernardes
Referee Member: Villela, Saulo Moraes
Resumo: As atividades pecuárias contam cada vez mais com tecnologias da informação que podem contribuir em diversas etapas da cadeia produtiva do setor. Em particular, muitos problemas de Visão Computacional voltados para o setor pecuário vêm sendo abordados através de técnicas de aprendizado profundo e os resultados atingidos têm sido satisfatórios, demonstrando o potencial que tais técnicas possuem para beneficiar essas atividades. Além disso, abordagens desse tipo podem ser muito vantajosas, já que se tratam de aplicações não invasivas e que podem gerar resultados em tempo real. Dessa forma, este trabalho propõe o desenvolvimento de três modelos de Redes Neurais Convolucionais (Convolutional Neural Networks - CNNs) para classificação de imagens de faces de bovinos de acordo com: categoria, pose e raça. Foi realizada uma série de experimentos, dos quais os melhores resultados são reportados neste trabalho. A partir de uma série de experimentos e avaliações, foi possível atingir resultados satisfatórios para os casos abordados. Mais especificamente, os modelos classificadores de pose e categoria atingiram acurácias superiores a 90%, enquanto os modelos gerados para o problema de raça atingiram resultados mais desfavoráveis (em torno de 83%), o que demonstrou que se trata de um problema mais desafiador. Ao analisar todos os resultados, verificou-se o potencial que tais abordagens possuem para atingir resultados ainda melhores em trabalhos futuros.
Abstract: The livestock activities increasingly rely on information technologies that can contribute in several steps of the productive chain of the sector. In particular, many problems of Computer Vision focused on the livestock sector have been addressed through deep learning techniques and the results achieved have been satisfactory, demonstrating the potential that such techniques have to benefit these activities. Furthermore, approaches like this can be very advantageous, since they are non-invasive applications that can generate results in real time. Thus, this work proposes the development of three types of image classification models generated from Convolutional Neural Networks (CNNs): category, pose, and breed. A series of experiments were performed, of which the best results are reported in this paper. From a sequence of experiments and evaluations, it was possible to achieve satisfactory results for the cases addressed. More specifically, the pose and category classifier models achieved accuracies greater than 90%, while the models generated for the breed problem achieved worse results (around 83%), which demonstrated that it is a more challenging problem. Analyzing all the results, we verified the potential that such approaches have to achieve even better results in future works.
Keywords: Visão computacional
Redes neurais convolucionais
Aprendizado profundo
Pecuária de precisão
Precision livestock
Deep Learning
Convolutional Neural Networks
Computer vision
CNPq: Engenharia
Language: por
Country: Brasil
Publisher: Universidade Federal de Juiz de Fora (UFJF)
Institution Initials: UFJF
Department: Faculdade de Engenharia
Access Type: Acesso Aberto
Creative Commons License: http://creativecommons.org/licenses/by-nc-nd/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/16587
Issue Date: 12-Jan-2023
Appears in Collections:Engenharia Computacional - TCC Graduação



This item is licensed under a Creative Commons License Creative Commons