Author:
Silva Vítor L. G.,Barbosa Roniel,Costa Jhonata,Souza Nathália,Schultz Érica,Chizzoti Mario,Ferreira Ricardo,Nacif José A. M.
Abstract
O agronegócio, que representou 24% do PIB brasileiro em 2023, destaca-se como um setor robusto. O ramo pecuário, contribuindo com 6,6% desse indicador, reforça sua significativa presença econômica. Dito isso, a atividade de criar bovinos de forma eficiente torna-se vital para a sustentabilidade desse setor. A pesagem convencional, realizada em balanças industriais de alto custo, gera estresse para animais e trabalhadores, o que impacta negativamente na qualidade da carne. Diante desse desafio de predizer o peso, apresentamos uma proposta que utiliza aprendizado de máquina com otimização de hiperparâmetros e segmenta imagens antes de extrair as características geométricas essenciais, como altura e largura. O melhor algoritmo utilizado na metodologia desenvolvida atingiu bons resultados na predição: MAE de 11,12 kg e RMSE de 14,58 kg.
Publisher
Sociedade Brasileira de Computação - SBC
Reference22 articles.
1. Abreu, B. A., Magalhães, C. J., Duayer, E., Machado, S. H. M., and Silva, D. A. (2015). Variação da medida torácica obtida com a fita métrica tradicional com fator de correção e com a fita de pesagem para bovinos. Acta Biomedica Brasiliensia, 6:42–48.
2. Agatonovic-Kustrin, S. and Beresford, R. (2000). Basic concepts of artificial neural network (ann) modelling and its application in pharmaceutical research. J. Pharmac. Biomed. Anal., 22:717–727.
3. Akaike, H. (2011). Akaike’s Information Criterion, pages 25–25. Springer Berlin Heidelberg, Berlin, Heidelberg.
4. Bergstra, J. and Bengio, Y. (2012). Random search for hyper-parameter optimization. Journal of Machine Learning Research, 13(10):281–305.
5. Bradski, G. (2000). The OpenCV Library. Dr. Dobb’s Journal of Software Tools.