Visual and automatic detection of lameness in dairy cows: locomotion score agreement assessment and a 3D top-view machine learning approach (2025)
- Authors:
- Autor USP: GAIA, VICTORIA PORTELA DINIZ - FMVZ
- Unidade: FMVZ
- Sigla do Departamento: VCM
- DOI: 10.11606/D.10.2025.tde-19012026-163813
- Subjects: BEM-ESTAR DO ANIMAL; INTELIGÊNCIA ARTIFICIAL; VACAS
- Keywords: Animal welfare; Artificial intelligence; Gait analysis; Kinematic analysis; Precision livestock farming
- Agências de fomento:
- Language: Inglês
- Abstract: A claudicação é um prevalente e importante desafio nos sistemas de produção leiteira, resultando em impactos substanciais em bem-estar, saúde, produtividade e economia. Entretanto, sua identificação ainda é controversa devido a subjetividade e variabilidade da avaliação visual de escores de locomoção. Esta dissertação é composta por dois estudos complementares com o objetivo de aprimorar a detecção de claudicação em vacas leiteiras. O primeiro estudo avaliou a concordância entre avaliadores ao classificarem vídeos de vacas utilizando escores de locomoção, revelando uma concordância limitada, especialmente nos escores intermediários, evidenciando a subjetividade do método e reforçando a necessidade de ferramentas mais objetivas. O segundo estudo explorou a aplicação de modelos de aprendizado de máquina supervisionado para a classificação da claudicação baseados em atributos cinemáticos extraídos de vídeos com visão superior. Um fluxo completo de trabalho foi desenvolvido, desde a aquisição dos vídeos e avaliação por múltiplos avaliadores até o processamento dos dados 3D e a modelagem computacional. Diferentes cenários de classificação foram avaliados: classificação em quatro classes, três classes e binária. O melhor desempenho foi alcançado no cenário binário, com acurácia de 90,36%, demonstrando a viabilidade da detecção e classificação automatizada da claudicação utilizando dados de visão superior, apesar de suas limitações visuais. Este método validado oferece uma basepromissora para sistemas objetivos de monitoramento da claudicação em ambientes confinados
- Imprenta:
- Data da defesa: 18.08.2025
- Status:
- Nenhuma versão em acesso aberto identificada
-
ABNT
GAIA, Victoria Portela Diniz. Visual and automatic detection of lameness in dairy cows: locomotion score agreement assessment and a 3D top-view machine learning approach. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/10/10136/tde-19012026-163813/. Acesso em: 01 abr. 2026. -
APA
Gaia, V. P. D. (2025). Visual and automatic detection of lameness in dairy cows: locomotion score agreement assessment and a 3D top-view machine learning approach (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/10/10136/tde-19012026-163813/ -
NLM
Gaia VPD. Visual and automatic detection of lameness in dairy cows: locomotion score agreement assessment and a 3D top-view machine learning approach [Internet]. 2025 ;[citado 2026 abr. 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/10/10136/tde-19012026-163813/ -
Vancouver
Gaia VPD. Visual and automatic detection of lameness in dairy cows: locomotion score agreement assessment and a 3D top-view machine learning approach [Internet]. 2025 ;[citado 2026 abr. 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/10/10136/tde-19012026-163813/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
