DESENVOLVIMENTO DE PRODUTOS E METODOLOGIAS PARA PREDIÇÃO DA QUALIDADE DA MARCHA E FENOTIPAGEM MORFOFUNCIONAL DIGITAL EM EQUINOS MANGALARGA MARCHADOR
Deep Learning; Machine Learning, marcha, morfologia
Os equinos são animais de produção cujos principais produtos não se restringem à obtenção de alimentos, mas incluem, sobretudo, movimento e força, atributos historicamente essenciais ao trabalho, ao transporte e a diversas atividades humanas. Apesar da crescente mecanização dos sistemas produtivos, a equideocultura permanece economicamente, culturalmente e zootecnicamente relevante em escala mundial. Nesse contexto, o Brasil ocupa posição de destaque no cenário global, com aproximadamente 5,7 milhões de equinos, enquanto a raça Mangalarga Marchador assume importância estratégica por representar a principal raça equina nacional, com cerca de 750 mil animais registrados. Nessa raça, o valor econômico dos indivíduos está intimamente associado à morfologia, uma vez que a qualidade da locomoção, expressa pela marcha, depende diretamente da conformação corporal. Como essas características apresentam base hereditária, a avaliação morfométrica torna-se uma ferramenta importante para orientar a seleção. Entretanto, o sistema atualmente empregado no registro genealógico definitivo, realizado aos 36 meses de idade, baseia-se em 12 medidas lineares obtidas com hipômetro e fita métrica, metodologia que, embora amplamente difundida, está sujeita a erros associados à movimentação do animal, ao sexo, à idade e à experiência do avaliador, além de envolver riscos operacionais tanto para o profissional quanto para o próprio animal. Soma-se a isso a evidência de que apenas parte dessas medidas obrigatórias parece explicar a variabilidade fenotípica observada, sugerindo limitações da sistemática vigente quanto à sensibilidade para captar características de maior interesse zootécnico. A motivação do trabalho também decorre da dificuldade prática em identificar, de forma consistente, animais que expressem adequadamente o padrão racial e a qualidade da marcha, sobretudo em função do caráter subjetivo das avaliações atualmente adotadas. Essa subjetividade compromete a reprodutibilidade dos julgamentos e restringe o uso dos dados em estudos genômicos, modelagem preditiva e programas de seleção. Embora abordagens baseadas em imagens digitais já tenham demonstrado elevada concordância com as mensurações tradicionais, tais métodos ainda dependem, em grande parte, de procedimentos manuais intensivos, como a marcação individual de pontos anatômicos e a mensuração foto a foto, o que reduz sua eficiência e escalabilidade. Diante desse cenário, a presente pesquisa propõe o avanço para uma fenotipagem morfofuncional digital fundamentada em aprendizado de máquina e visão computacional, visando automatizar a detecção de regiões corporais e pontos anatômicos, bem como estimar medidas morfométricas com precisão. Para tanto, o estudo está estruturado em dois capítulos: o primeiro investiga o potencial preditivo de 12 variáveis morfométricas sobre a qualidade do andamento em equinos Mangalarga Marchador e o segundo propõe o desenvolvimento de um pipeline para estimativa de medidas morfométricas a partir de fotografias ou vídeos, com aplicação potencial em campo, no registro genealógico e na seleção fenotípica.