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
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
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://teses.usp.br/teses/disponiveis/10/10134/tde-25092024-163531/. Acesso em: 01 abr. 2026. -
APA
Paula, T. M. C. G. de. (2024). Automatic lameness detection in sows (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/10/10134/tde-25092024-163531/ -
NLM
Paula TMCG de. Automatic lameness detection in sows [Internet]. 2024 ;[citado 2026 abr. 01 ] Available from: https://teses.usp.br/teses/disponiveis/10/10134/tde-25092024-163531/ -
Vancouver
Paula TMCG de. Automatic lameness detection in sows [Internet]. 2024 ;[citado 2026 abr. 01 ] Available from: https://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 a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
