Preferência de galinhas para diferentes comprimentos de onda de luz usando deep learning

Página do item simplificado
dc.contributor.advisorPereira, Danilo Florentino
dc.contributor.advisorBernardi, Reinaldo de
dc.contributor.advisorGabriel Filho, Luís Roberto Almeida [UNESP]
dc.contributor.authorRodrigues Siriani, Allan Lincoln [UNESP]
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2022-03-22T19:01:55Z
dc.date.available2022-03-22T19:01:55Z
dc.date.issued2022-01-28
dc.description.abstractO objetivo deste trabalho foi desenvolver um modelo de rede neural convolucional utilizando Deep Leaning e Framework YOLO para identificar e localizar galinhas em vídeos gravados em ambientes com baixa iluminação e pouco contraste e desenvolver um algoritmo para rastrear a movimentação das aves nessas condições. O modelo foi gerado e posteriormente aplicado em vídeos de um experimento de comportamento de preferência de galinhas da linhagem H&N Brown Nick por três ambientes de iluminação monocromática (branco, vermelho e verde). As aves tinham livre acesso e trânsito a esses compartimentos. Além dos tratamentos de iluminação, foram testados três tratamentos de temperatura: calor (35ºC), termoneutro (24ºC) e frio (17ºC). Os vídeos foram gravados em baixa iluminação (~5 lx) com auxílio de fonte de iluminação near infrared da própria câmera, resultando em imagens em escala de cinza de baixa qualidade e baixo contraste das aves com o restante do ambiente. O modelo gerado apresentou resultados de 99,9% de acurácia para a identificação e localização das aves nos compartimentos da câmara de preferência. A partir da identificação das aves, foi possível identificar o tempo de permanência das aves em 648 horas de vídeo. A análise dos resultados indicou que as galinhas têm preferência em permanecer no ambiente com luz branca, seguida da vermelha e verde. Na condição de calor foi observado uma distribuição mais igualitária das aves entre os compartimentos, de modo que essa dispersão das aves é indício de que a condição térmica sobrepõe a preferência das aves pelo ambiente luminoso. A partir da localização das aves, foi desenvolvido um algoritmo para análise da movimentação (rastreamento) das aves usando filtro de Kalman, onde foi possível seguir as aves individualmente e medir a distância percorrida de cada indivíduo. As técnicas de visão computacional aplicadas nesta pesquisa podem vir a ser aperfeiçoadas e aplicadas futuramente em condições comerciais, contribuindo para a melhoria da produção e bem-estar das aves.pt
dc.description.abstractThe objective of this work was to develop a convolutional neural network model using Deep Leaning and YOLO framework to identify and locate chickens in videos recorded in low-light and low-contrast environments and to develop an algorithm to track the movement of birds in these conditions. The model was generated and later applied to videos of a preference behavior experiment of H&N Brown Nick hens by three monochromatic lighting environments (white, red and green). The birds had free access and transit to these compartments. In addition to the lighting treatments, three temperature treatments were tested: heat (35ºC), thermoneutral (24ºC) and cold (17ºC). The videos were recorded in low lighting (~5 lx) with the aid of the camera's own near infrared light source, resulting in low quality grayscale images and low contrast of the birds with the rest of the environment. The generated model presented results of 99.9% of accuracy for the identification and location of birds in the compartments of the chamber of preference. From the identification of the birds, it was possible to identify the length of stay of the birds in 648 hours of video. The analysis of the results indicated that the chickens prefer to remain in the environment with white light, followed by red and green. In the heat condition, a more egalitarian distribution of birds between the compartments was observed, so that this dispersion of birds is an indication that the thermal condition overrides the preference of birds for the bright environment. From the location of the birds, an algorithm was developed to analyze the movement (tracking) of the birds using a Kalman filter, where it was possible to follow the birds individually and measure the distance traveled by each individual. The computer vision techniques applied in this research can be improved and applied in the future under commercial conditions, contributing to birds' production improvement and welfare.pt
dc.identifier.capes33004188001P8
dc.identifier.urihttp://hdl.handle.net/11449/217329
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectAnálise de imagenspt
dc.subjectEstresse térmicopt
dc.subjectComportamento animalpt
dc.subjectFiltro de Kalmanpt
dc.subjectYOLOpt
dc.subjectZootecnia de precisãopt
dc.subjectImage analysispt
dc.subjectMachine learningpt
dc.subjectAnimal behaviorpt
dc.subjectKalman filterpt
dc.subjectPrecision Livestock Farmingpt
dc.titlePreferência de galinhas para diferentes comprimentos de onda de luz usando deep learningpt
dc.title.alternativeChicken preference for different wavelengths of light using deep learningpt
dc.typeDissertação de mestrado
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Ciências e Engenharia, Tupãpt
unesp.embargoOnlinept
unesp.examinationboard.typeBanca públicapt
unesp.graduateProgramAgronegócio e Desenvolvimento - Tupãpt
unesp.knowledgeAreaAgronegócio e desenvolvimentopt
unesp.researchAreaCompetitividade de Sistemas Agroindustriaispt

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
siriani_alr_me_tupa.pdf
Tamanho:
6.46 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.99 KB
Formato:
Item-specific license agreed upon to submission
Descrição:

Coleções

Dissertações - Agronegócio e Desenvolvimento - Tupã