61ª Reunião Anual da SBPC

E. Ciências Agrárias - 2. Engenharia Agrícola - 3. Engenharia Agrícola

CATEGORIZAÇÃO E IDENTIFICAÇÃO DE COMPORTAMENTOS DE MATRIZES PESADAS EMPREGANDO VISÃO COMPUTACIONAL

Bruno César Brito Miyamoto 1 Danilo Florentino Pereira 1

1. Campus Experimental de Tupã / Universidade Estadual Paulista – UNESP

INTRODUÇÃO:

A análise dos comportamentos expressos por matrizes pesadas, efetuada presencialmente no ambiente de produção, demonstra baixos níveis de eficácia quanto à precisão, dada à influência da presença humana no comportamento das aves e a fadiga ocasionada ao pesquisador dada à necessidade de realizar esse tipo de análise por um longo período de tempo. A utilização de métodos não invasivos como os que são pautados em câmeras de vídeo soluciona o primeiro problema, mas não o segundo. Dessa forma o desenvolvimento de um sistema de visão computacional que analise automaticamente os comportamentos expressos por matrizes pesadas, corrobora com a necessidade de estimativa de bem-estar de matrizes pesadas em tempo real. O objetivo do trabalho foi desenvolver uma metodologia de classificação de comportamentos expressos por matrizes pesadas, utilizando medidas de diferentes formas que as aves assumem, utilizando análise de seqüências de frames de vídeos.

METODOLOGIA:

Utilizando vídeos gravados, foram registradas na primeira etapa do trabalho informações observacionais referentes a formas e suas variações, em uma seqüência de frames, dos seguintes comportamentos expressos pelas aves: abrir asas, arrepiar penas, beber água, ciscar, deitar, esticar perna, inatividade, limpar penas e montar. Na segunda etapa foram definidas medidas de interesse a serem obtidas a partir das imagens das seqüências de frames como variações dos valores de perímetro e área das aves entre os frames e as médias das medidas de coeficiente de forma, perímetro e área das formas assumidas por uma ave. Na terceira etapa as amostras foram coletadas, sendo o tamanho de amostra de n = 30 para todos os comportamentos, exceto esticar com n=20 e montar com n=12. A quantidade de frames necessária para a identificação de cada comportamento (elementos de amostra) foi: abrir asas (2), arrepiar penas (4), beber água (2), ciscar (5), deitar (4), esticar perna (4), limpar penas (4), montar (2), inatividade (3). Na quarta etapa as imagens das amostras foram processadas e analisadas. As medidas obtidas nessa etapa foram utilizadas na elaboração de uma árvore de classificação de comportamentos, na quinta etapa, utilizando o algoritmo J48 no software Weka® 3.4.1.

RESULTADOS:

A árvore de classificação apresentou 8 níveis e 27 folhas. A taxa de comportamentos classificados corretamente foi de 96,7% no modo de treinamento. A maior parte das amostras de imagens foi classificada corretamente, de acordo com a classe de comportamento a qual pertencia, mas ainda foram observados alguns erros de classificação e diferenciação entre os comportamentos arrepiar penas, beber água, ciscar, deitar, esticar perna, inatividade, limpar penas, que acabaram sendo confundidas entre si. Esses erros podem talvez possam ser minimizados se forem criados grupos de confusão de comportamentos e a classificação seja realizada utilizando-se diferentes árvores de classificação em série.

CONCLUSÃO:

Foi desenvolvida uma nova metodologia de classificação de comportamentos expressos por matrizes pesadas baseando-se em seqüências de frames. Essa metodologia de extração de medidas pode ser associada à construção de árvores de classificação em série, melhorando a taxa de acertos nas classificações dos comportamentos. Esse seqüenciamento de árvores de classificação pode ser elaborado para atuar especificamente em cada problema de confusão de classificação.

Instituição de Fomento: PIBIC - CNPq

Palavras-chave: zootecnia de precisão, bem-estar animal, visão computacional.