Inferência de peso de aves de corte por aprendizado de máquina

Abstract

Visando reduzir o trabalho manual do campo de coletar dezenas de frangos e realizar a pesagem periódica dos mesmos, foi proposto um método de monitoramento constante do peso das aves por meio de análise de imagem. O sistema proposto é composto por uma câmera na parte superior do aviário responsável pela captura de imagens e um minicomputador que realiza o processamento das informações para estimar o peso da ave. Para realizar a tarefa de segmentação de imagem foi anotado as imagens pelo software VGGIA, definiu uma lista de valores de parâmetros externos, gerando assim, diversos cenários de aprendizado, e através das métricas de erros introduzidas no trabalho selecionou o melhor cenário para segmentação e inferência do peso. Para a inferência de peso foi utilizado métodos de visão computacional para a partir da imagem segmentada, coletar os parâmetros geométricos do objeto e associá-los ao peso. O método proposto apresentou resultados promissores, já que houve baixa amostragem de frangos pesados, o erro de medição do peso foi de 5,34%.

Aiming to reduce the manual work in the field of collecting dozens of chickens and periodically weighing them, a method of constant monitoring of the weight of the birds through image analysis was proposed. The proposed system consists of a camera at the top of the aviary responsible for capturing images and a minicomputer that processes the information to estimate the weight of the bird. To carry out the image segmentation task, the images were annotated by the VGGIA software, a list of external parameter values was defined, thus generating several learning scenarios, and through the error metrics introduced in the work, the best scenario was selected for segmentation and weight inference. For the inference of weight, computer vision methods were used to collect the geometric parameters of the object from the segmented image and associate them with the weight. The proposed method showed promising results, since there was low sampling of heavy chickens, the weight measurement error was 5.34%.