Banca de QUALIFICAÇÃO: FRANCK MORAIS DE OLIVEIRA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: FRANCK MORAIS DE OLIVEIRA
DATA: 15/05/2026
HORA: 08:30
LOCAL: google meet
TÍTULO:

INOVAÇÕES NA ZOOTENIA DIGITAL E DE PRECISÃO: USO DE INTELIGÊNCIA ARTIFICIAL EM DADOS MORFOLÓGICOS E IMAGENS DE PROFUNDIDADE PARA PREDIÇÃO DE MASSA CORPORAL DE BOVINOS LEITEIROS  

PALAVRAS-CHAVES:

Aprendizado de máquina; visão computacional; dados morfológicos; reconstrução 3D; Aeronaves Remotamente Pilotadas; redes neurais. 

PÁGINAS: 110
GRANDE ÁREA: Ciências Agrárias
ÁREA: Engenharia Agrícola
SUBÁREA: Máquinas e Implementos Agrícolas
RESUMO:

A evolução da pecuária de precisão tem impulsionado o uso de tecnologias digitais e inteligência artificial para superar os desafios das práticas convencionais de manejo, como a predição da massa corporal (MC) baseada em balanças ou medições manuais, que demandam mão de obra intensiva e podem gerar estresse nos animais. Uma análise bibliométrica inicial (Artigo 1) permitiu identificar tendências globais no uso de visão computacional, aprendizado de máquina e sensores ópticos aplicados à zootecnia, evidenciando o potencial dessas tecnologias para otimizar a tomada de decisão. A partir dessa revisão, foram conduzidos estudos experimentais explorando diferentes estratégias para estimativa da MC de bovinos leiteiros: (Artigo 2) aplicação de algoritmos de aprendizado supervisionado em medições morfológicas obtidas fisicamente com o objetivo de comparar modelos estatísticos e de aprendizado de máquinas para predizer a massa corporal de bovinos leiteiros; (Artigo 3) análise de imagens 3D laterais para obtenção do perímetro torácico para predizer a massa corporal de bovinos leiteiros; (Artigo 4) predição de massa corporal de bovinos leiteiros baseado no volume 3D reconstruído a partir da área dorsal de imagens de bovinos leiteiros obtidas por UAV (Unmanned Aerial Vehicles – veículos aéreos não tripulados); e (Artigo 5) avaliação do uso de imagens tridimensionais por meio de nuvens de pontos da área dorsal de bovinos leiteiros para predição de massa corporal utilizando uma rede neural (PointNet), e tentativa de  interpretabilidade da rede via importância de pontos. Os resultados indicam correlações consistentes entre características morfológicas dos animais e a MC, bem como alta capacidade preditiva de modelos baseados em imagens, apontando para soluções menos invasivas para a estimativa da massa corporal. Espera-se que a consolidação dessas abordagens contribua para sistemas produtivos mais sustentáveis, com redução de custos operacionais e aumento da eficiência no monitoramento animal.

MEMBROS DA BANCA:
Presidente - GABRIEL ARAUJO E SILVA FERRAZ (Membro)
Interno - PATRICIA FERREIRA PONCIANO FERRAZ (Membro)
Externo ao Programa - JAQUELINE DE OLIVEIRA CASTRO - DEG/EENG (Suplente)
Externo ao Programa - LEOMAR SANTOS MARQUES - DFI/ICN (Membro)
Externo ao Programa - MARCOS NEVES PEREIRA - DZO/FZMV (Membro)
Externo à Instituição - MATTEO BARBARI - UniFi (Membro)
Externo à Instituição - DAIANE CECCHIN - UFF (Suplente)