Abstrato

Avaliação dos escores de condição corporal de vacas cruzadas Holstein Frísia com base na aprendizagem profunda

Shriramulu*, Heartwin A. Pushpadass, Magdaline Eljeeva Emerald Franklin, Manimala Kanagaraj, Jeyakumar Sakthivel, Sivaram Muniandy, Ramesha P. Kerekoppa

O Índice de Condição Corporal (ECC) é uma medida da gordura corporal ou energia armazenada na vaca leiteira. É uma ferramenta importante na gestão agrícola para melhorar a saúde das vacas, o desempenho reprodutivo e a produção de leite. Tradicionalmente, a BCS é realizada visualmente por especialistas veterinários, o que é demorado e implica um custo elevado. Assim sendo, este estudo propôs um sistema baseado numa Rede Neural Convolucional (CNN) para automatizar o ECC das vacas através da análise de imagens. O software GNU Image Manipulation Program (GIMP) foi utilizado para remover o fundo das imagens de vacas capturadas digitalmente, e foi implementado um script MATLAB para detetar as suas fronteiras. Por fim, as imagens detetadas nas extremidades foram utilizadas como conjunto de dados de entrada para o desenvolvimento de modelos de aprendizagem profunda baseados em CNN. O conjunto de dados de imagens foi classificado em dois grupos com base no sistema BCS incremental de 0,25 (modelo CNN 1) e 0,5 (modelo CNN 2). A precisão da classificação do primeiro modelo para intervalos de erro de 0,25 e 0,50 foi de 63,23% e 85,29%, respetivamente. Em comparação, o segundo modelo obteve uma precisão de classificação de 86,02% e 94,85%, para os respetivos intervalos de erro. Com base nos resultados, os modelos CNN tiveram um desempenho adequado para a gama intermédia de pontuações BCS em que os dados, a maioria das vacas, estão presentes. Portanto, os modelos desenvolvidos funcionariam eficazmente para explorações leiteiras comerciais que normalmente não têm vacas com ECC baixo ou alto, uma vez que não seriam muito produtivas.