Reconhecimento de gado através do uso de visão computacional

Abstract

A contagem de gado é um elemento de extrema importância na bovinocultura já que garante a segurança dos bovinos e a organização de pastagem, porém este processo é exaustivo quando feito de maneira manual, para solucionar este problema foram empregados algoritmos e metodologias computacionais para automatizar esse processo, como o reconhecimento de gado através do uso de visão computacional com o modelo integralmente convolucional YOLACT para segmentação em tempo real e o modelo generalista de segmentação pré-treinado SAM da Meta, que são uma modelos dinâmicos e altamente personalizáveis que envolvem o uso de algoritmos de segmentação por treinamento para identificar elementos em mídias estáticas ou dinâmicas. Sendo então a finalidade deste trabalho, provar a eficácia dessas técnicas em relação aos métodos tradicionais de contagem manual de animais comparando com outros métodos já estabelecidos no campo científico baseados em técnicas similares ou combinações dessas técnicas com outras aplicações, bem como avaliar a sua aplicabilidade na gestão de rebanhos bovinos e como esta técnica pode afetar positivamente os processos manuais dentro do campo, além de outros benefícios que podem surgir da expansão do tema partindo do princípio de que aplicação plena em ambientes de alta variabilidade podem expandir a base do conhecimento na área.