Reconhecimento da ceratoconjuntivite infecciosa bovina utilizando imagens termográficas e redes neurais convolucionais

Abstract

A ceratoconjuntivite infecciosa bovina (CIB) é considerada a doença ocular de maior importância na criação de bovinos, causando perdas significativas tanto no rebanho afetado quanto para o produtor. Por se tratar de uma doença infectocontagiosa é necessário que as formas de diagnóstico sejam aprimoradas. Atualmente, o diagnóstico para CIB é realizado por meio da avaliação dos sinais clínicos por um especialista e confirmados por exames laboratoriais, o que geralmente é uma tarefa custosa e demorada. Neste trabalho, é avaliada a utilização da termografia infravermelha para aquisição de imagens da região ocular bovina de animais sadios e infectados pela CIB e, a partir disso utilizar essa base de imagens no treinamento e validação de um conjunto de redes neurais convolucionais (RNC), com o intuito de identificar se o animal está ou não infectado em novas amostras. Foram utilizadas 4.938 imagens termográficas da região ocular bovina no processo de treinamento e validação de cinco arquiteturas distintas de RNC, as quais foram avaliadas utilizando validação cruzada. Os melhores resultados obtidos neste trabalho indicam que as RNC são capazes de classificar corretamente os sinais clínicos da CIB em imagens termográficas com uma taxa de acurácia próxima de 80%.

Aplicando Redes Neurais Convolucionais em Imagens para Reconhecimento Automatizado de Abelhas Melíferas (Apis mellifera L.)

“…Uma rede neural convolucional é definida por diversos hiper-parâmetros que descrevem o formato geral do modelo de aprendizagem de máquina, a citar: o número de camadas, número de filtros por camada e número total de parâmetros. Com base nisso, [Freitas et al 2019] ressaltam que o processo de desenvolvimento de uma rede neural como solução de novos problemas é um desafio frequente, sobretudo na busca da arquitetura de melhor abstração e generalização, pois a parametrização da arquitetura é um processo exploratório e não definitivo. No caso do PDI e sua classificação, a rede convolucional é uma das arquiteturas de redes neurais mais usadas para a identificação de espécies, superado de forma mais satisfatória diversos métodos tradicionais, tais como o Random Forest (RF) e o Support Vector Machine (SVM) [Monteiro et al 2019].…”