CONTAGEM DE GADO NELORE USANDO VISÃO COMPUTACIONAL EM IMAGENS AÉREAS
DOI:
https://doi.org/10.61164/rsv.v8i1.2047Palabras clave:
Nelore, visão computacional e pecuária.Resumen
O artigo propõe uma abordagem inovadora para a identificação e contagem automatizada de gado Nelore, utilizando técnicas avançadas de visão computacional. Inicialmente, destaca-se a importância econômica e alimentar da pecuária, especialmente da raça Nelore. A revisão bibliográfica abrange técnicas de visão computacional e sistemas computacionais de contagem de gado, permitindo a comparação de características, funcionalidades, algoritmos e aprendizado de máquina utilizados. Além disso, são propostas métricas de precisão e eficiência para avaliar o desempenho dos sistemas automatizados, comparando-os com métodos tradicionais. O estudo não apenas visa aprimorar a gestão do rebanho Nelore, mas também contribui para o avanço científico na aplicação prática da visão computacional na pecuária. Ao oferecer suporte prático aos produtores rurais na seleção e implementação de sistemas eficientes, busca-se promover a modernização e aprimoramento das práticas de manejo de rebanhos, alinhando-se às demandas atuais do setor agropecuário.
Citas
Kellenberger B., Marcos D., TUIA D.(2018). Detecting mammals in UAV images: Best practices to address a substantially imbalanced dataset with deep learning. Remote Sensing of Environment. Link: https://www.sciencedirect.com/science/article/abs/pii/S0034425718303067 DOI: https://doi.org/10.1016/j.rse.2018.06.028
Andrew W., Greatwood C., Burghardt T. (2017). Visual localisation and individual identification of holstein friesian cattle via deep learning. Proceedings of the IEEE international conference on computer vision workshops. Link: https://openaccess.thecvf.com/content_ICCV_2017_workshops/w41/html/Andrew_Visual_Localisation_and_ICCV_2017_paper.html DOI: https://doi.org/10.1109/ICCVW.2017.336
Alexandre Brito (2021). Reconhecimento Facial Bovino: uma alternativa aos Métodos Tradicionais de Rastreio. Engenharia de Controle e Automação — Universidade de Caxias do Sul, Área do conhecimento de ciências exatas e engenharias – Caxias do Sul/RS, Brasil. Link:https://repositorio.ucs.br/xmlui/handle/11338/9364;jsessionid=CBD94A22C706225268DE7F1C212170E7
Garcia J. A. B., Vieira L. K., Teixeira T. S., Menezes P. S. (2019). A Study on the Detection of Cattle in UAV Images Using Deep Learning. Embrapa Informática Agropecuária, Campinas, São Paulo e Embrapa Pecuária Sudeste, São Carlos, São Paulo, Brasil. Link: https://www.mdpi.com/1424-8220/19/24/5436
Midlej J. E. S., Lima J. O. F. (2020). Detecção e Contagem de Bovinos em Imagens Aereas utilizando Visão Computacional. Departamento de Ciências Exatas e Tecnológicas, Universidade Estatual de Santa Cruz (UESC) – Ilhéus, BA – Brasil. Link: https://sol.sbc.org.br/index.php/erbase/article/view/15462
Ribeiro, N. G. Vi., Guedes, G. B. e Bardieri, T. T. (2019). Aplicação de algoritmos de visão computacional na contagem de gado por meio de processamento de imagens aéreas. Instituto Federal de Educação, Ciências e Tecnologia de São Paulo, Campus Hortolândia, São Paulo – Brasil. Link: https://revistas.setrem.com.br/index.php/reabtic/article/view/343]
Secretário J. H. A., Pires R. (2018). Uso de visão computacional para contagem automática de células em imagens obtidas por microscópios. IFSP – Campus de São Paulo - Brasil. Link: https://regrasp.spo.ifsp.edu.br/index.php/regrasp/article/view/234
Silva E. J., Minadeo R. (2018). Sistema RFID: Vantagens e Desvantagens Observadas na Implementação em Estudos de Casos.
Universidade de Brasilia – UNB, Brasil. Link: https://www.researchgate.net/profile/Roberto-Minadeo/publication/329921526_SISTEMA_RFID_VANTAGENS_E_DESVANTAGENS_OBSERVADAS_NA_IMPLEMENTACAO_EM_ESTUDOS_DE_CASOS/links/5c2381d7a6fdccfc706a2556/SISTEMA-RFID-VANTAGENS-E-DESVANTAGENS-OBSERVADAS-NA-IMPLEMENTACAO-EM-ESTUDOS-DE-CASOS.pdf
David L. R. (2008). Sistema de controle de animais de corte através da tecnologia RFID. Faculdade de Tecnologia e Ciências Sociais Aplicada (FATECS). UNICEUB. Brasilia – Distrito Federal, Brasil. Link: https://repositorio.ucs.br/xmlui/handle/11338/9364;jsessionid=CBD94A22C706225268DE7F1C212170E7w
Valadão L., Dopcke G. (2022). Além de gigantes como IBM, Intel e Microsoft, empresas do agronegócio, sobretudo as agtechs, têm despertado para o potencial da visão computacional para identificar padrões em escala, Revista EY, Campinas – São Paulo, Brasil. Link: https://www.ey.com/pt_br/agencia-ey/noticias/a-visao-computacional-na-transformacao-para-a-agropecuaria-4-0
