Automatic lameness detection in sows (2024)
- Authors:
- Autor USP: PAULA, TAUANA MARIA CARLOS GUIMARÃES DE - FMVZ
- Unidade: FMVZ
- Sigla do Departamento: VPS
- DOI: 10.11606/D.10.2024.tde-25092024-163531
- Subjects: APRENDIZAGEM PROFUNDA; INTELIGÊNCIA ARTIFICIAL; LOCOMOÇÃO; SUÍNOS; VISÃO COMPUTACIONAL
- Keywords: Artificial intelligence; Computer vision; Deep learning; Locomotion; Pig
- Agências de fomento:
- Language: Inglês
- Abstract: A claudicação afeta a locomoção do animal, causando dor e desconforto e é um problema enfrentado na suinocultura com uma prevalência em porcas de até 65% dos animais. A observação dos animais passa despercebida e a identificação do escore de locomoção da porca é subjetiva por depender da experiência do avaliador. Sistemas de visão computacional detecta de forma automática, objetiva, precisa e não invasiva a claudicação das porcas. A locomoção tem sido estudada através da cinemática por extrair dados completos do movimento e pela Transformada Rápida de Fourier (FFT) por transformar o domínio do tempo para domínio da frequência. Os objetivos deste trabalho foram: criar um repositório de imagens e vídeos de porcas com diferentes índices de locomoção. Desenvolver modelos de visão computacional lateral e dorsal para identificar e rastrear automaticamente pontos-chaves do corpo da porca, bem como detectar diferentes escores de locomoção em porcas. A base de dados de vídeo foi adquirida em uma granja comercial de suínos com a construção de cenário para filmagem de porcas em locomoção com diferentes escores de claudicação. Foram utilizadas duas câmeras para gravar vídeos 2D. Treze especialistas em locomoção avaliaram os vídeos utilizando o Locomotion Score System desenvolvido pela Zinpro Corporation. A partir deste repositório anotado, foram treinados e testados modelos computacionais utilizando a estrutura de rastreio de pose animal baseada em aprendizagem profunda SLEAP (SocialLEAP Estimates Animal Poses). Os modelos com melhores desempenho foram construídos utilizando a arquitetura LEAP com 6 (lateral) e 10 (dorsal) pontos-chave do esqueleto. A arquitetura atingiu valores médios de precisão de 0,90 e 0,72, distâncias médias de 6,83 e 11,37 em pixel e semelhanças de 0,94 e 0,86 para as vistas lateral e dorsal, respetivamente. Baseado nisso, o estudo cinemático dos pontos-chave foi usado para desenvolver os modelos computacionais e aplicar a FFT. Os algoritmos Naive Bayes, KNN, Random Forest e Multilayer Perceptron foram testados com diferentes metodologias e condições de escores de locomoção. Os modelos que apresentaram melhor desempenho na identificação de porcas com e sem claudicação foram os testados com o algoritmo Multilayer Perceptron. Na vista lateral, o modelo com FFT atingiu 91,5% de acurácia; na vista dorsal, o modelo com dados cinemáticos atingiu 88,63% de acurácia. Portanto, os modelos computacionais desenvolvidos podem ser utilizados para identificar e rastrear pontos-chave, bem como detectar claudicação em porcas nas vistas lateral e dorsal com imagens 2D. Assim podendo contribuir na avaliação objetiva, precisa e automática de escore de locomoção com o intuito de melhorar o bem-estar, a saúde e a produtividade das porcas
- Imprenta:
- Data da defesa: 15.07.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
PAULA, Tauana Maria Carlos Guimarães de. Automatic lameness detection in sows. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/10/10134/tde-25092024-163531/. Acesso em: 28 dez. 2025. -
APA
Paula, T. M. C. G. de. (2024). Automatic lameness detection in sows (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/10/10134/tde-25092024-163531/ -
NLM
Paula TMCG de. Automatic lameness detection in sows [Internet]. 2024 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/10/10134/tde-25092024-163531/ -
Vancouver
Paula TMCG de. Automatic lameness detection in sows [Internet]. 2024 ;[citado 2025 dez. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/10/10134/tde-25092024-163531/ - A partir de imagens em vídeo, sistema detecta problemas de locomoção em suínos [Depoimento a Júlio Bernardes]
- Construção de um banco de imagens para treinamento de inteligência artificial na identificação de claudicação em suínos
- Trade-offs in the externalities of pig production are not inevitable
- Deep learning pose detection model for sow locomotion
Informações sobre o DOI: 10.11606/D.10.2024.tde-25092024-163531 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
