Exportar registro bibliográfico

Identificação de bovinos através de reconhecimento de padrões do espelho nasal utilizando redes neurais artificiais (2011)

  • Authors:
  • Autor USP: GIMENEZ, CAROLINA MELLEIRO - FZEA
  • Unidade: FZEA
  • Sigla do Departamento: ZAB
  • Subjects: PROCESSAMENTO DIGITAL DE IMAGENS; BIOMETRIA; REDES NEURAIS
  • Language: Português
  • Abstract: As Redes Neurais Artificiais (RNA) são modelos matemáticos associados à inteligência computacional capaz de aprender e generalizar informações, podendo assim ser utilizada como um classificador de imagens. O presente trabalho objetiva analisar o espelho nasal bovino com o intuito de comprovar que é uma característica única e permanente do animal podendo assim, ser sua identificação única. O experimento foi dividido em duas etapas. Para compor o banco de dados da primeira etapa foram utilizados 51 bovinos da raça Nelore com idade média de 11 meses, dos quais foram coletadas para a formação do banco de dados dezesseis imagens de cada animal, totalizando uma base de 816 imagens. Na segunda etapa do experimento foram utilizados 16 bovinos do banco de dados inicial, escolhidos de forma aleatória, com idade média de 23 meses. Destes foram coletadas 11 imagens para verificar se os padrões do espelho nasal, com o passar dos meses, mantêm seu padrão tornando possível, assim, a identificação do animal. Os algoritmos de processamento digital de imagens foram implementados utilizando o software MATLAB®. Após o processamento das imagens, as características vetorizadas foram utilizadas para treinamento e teste de uma rede neural artificial utilizando o algoritmo MLP, implementado usando o compilador C DGW, que serviu como classificador das mesmas. Também foi utilizado o algoritmo do K vizinhos mais próximos (K-nn), para realizar os testes de classificação, usando um método estatistico. Avalidação do classificador foi realizada mediante análise estatística dos seus erros e acertos. O erro médio quadrático utilizado neste estudo foi menor que 1%. Os resultados apresentados pelo classificador K-nn foram maiores que o da Rede Neural Artificial, porém ambos não alcançaram acertos acima de 90%, o que é considerado adequado a um classificador. Pode-se concluir que o método utilizado para extração de características não apresentou uma boa representatividade, porém ainda assim foi possível observar a tendência classificatória dos animais através das características do espelho nasal, assim como a tendência da permanência dos padrões com o envelhecimento do animal
  • Imprenta:
  • Data da defesa: 20.04.2011
  • Acesso à fonte
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      GIMENEZ, Carolina Melleiro. Identificação de bovinos através de reconhecimento de padrões do espelho nasal utilizando redes neurais artificiais. 2011. Dissertação (Mestrado) – Universidade de São Paulo, Pirassununga, 2011. Disponível em: http://www.teses.usp.br/teses/disponiveis/74/74131/tde-24052011-085146/. Acesso em: 18 abr. 2024.
    • APA

      Gimenez, C. M. (2011). Identificação de bovinos através de reconhecimento de padrões do espelho nasal utilizando redes neurais artificiais (Dissertação (Mestrado). Universidade de São Paulo, Pirassununga. Recuperado de http://www.teses.usp.br/teses/disponiveis/74/74131/tde-24052011-085146/
    • NLM

      Gimenez CM. Identificação de bovinos através de reconhecimento de padrões do espelho nasal utilizando redes neurais artificiais [Internet]. 2011 ;[citado 2024 abr. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/74/74131/tde-24052011-085146/
    • Vancouver

      Gimenez CM. Identificação de bovinos através de reconhecimento de padrões do espelho nasal utilizando redes neurais artificiais [Internet]. 2011 ;[citado 2024 abr. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/74/74131/tde-24052011-085146/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2024