Navegando por Autor "Dantas, Paulo Ricardo"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
TCC Visão computacional aplicada à pecuária: segmentação, rastreamento e interpretação comportamental de bovinos(Universidade Federal do Rio Grande do Norte, 2025-07-10) Dantas, Paulo Ricardo; Peixoto, Helton Maia; http://lattes.cnpq.br/0171034898475180; Santana Junior, Orivaldo Vieira de; Santos, Viviany Lucia Fernandes dosO avanço da inteligência artificial (IA) e suas aplicações em visão computacional têm viabilizado soluções inovadoras para o monitoramento automatizado na pecuária moderna. Este trabalho apresenta o desenvolvimento de um sistema computacional voltado para a detecção, segmentação, rastreamento e análise comportamental de bovinos em vídeos, com o objetivo de facilitar o acompanhamento dos animais em ambientes reais. A proposta contempla desde a criação de um dataset próprio com imagens anotadas manualmente até a implementação e avaliação de modelos baseados em redes neurais convolucionais. O modelo principal adotado foi o YOLOv11, escolhido por sua capacidade de integrar detecção e segmentação com alta precisão e eficiência. Para o treinamento, foram utilizadas três versões do dataset, sendo a versão final (V4) composta por 1755 imagens e submetida a técnicas de aumento de dados (data augmentation). A avaliação do modelo foi realizada com base em métricas como precisão, sensibilidade, mAP@50 e mAP@50-95, destacando-se valores superiores a 0,80 em algumas dessas métricas. Além da segmentação, o sistema incorporou o rastreamento dos animais por meio dos algoritmos BoT-SORT e ByteTrack, ambos integrados à biblioteca do YOLO. O BoT-SORT demonstrou melhor desempenho em tempo de inferência e persistência das identidades dos objetos rastreados, sendo selecionado para as análises subsequentes. Como etapa complementar, foi incorporada uma análise comportamental automatizada com uso de Modelos de Linguagem de Grande Escala (LLMs). Quadros representativos dos vídeos rastreados foram extraídos e enviados à API do modelo Gemini, que gerou legendas descritivas sincronizadas em formato .srt. Essas legendas forneceram interpretações contextuais e educativas sobre os comportamentos observados, contribuindo para uma compreensão semântica das atividades dos animais. Os resultados obtidos mostram que a combinação de segmentação, rastreamento e análise comportamental assistida por IA permite não apenas a identificação precisa dos bovinos, mas também o acompanhamento interpretativo de sua movimentação, o que abre possibilidades para aplicações práticas no monitoramento de saúde e bem-estar animal. O modelo final demonstrou ser robusto, apresentando boa generalização em vídeos com diferentes cenários e condições de iluminação. O trabalho representa um avanço significativo no uso de técnicas de IA para automação na pecuária, promovendo uma alternativa eficaz à observação manual.