Estimação automática de espessura de gordura subcutânea bovina em imagens ultrassonográficas utilizando Deep Learning

Abstract

Em um mundo globalizado, com níveis cada vez mais severos de concorrência, a cadeia produtiva de carne bovina tem buscado gerar produtos que às exigências de qualidade do consumidor final. Neste contexto, uma das abordagens utilizada por esta cadeia é a avaliação da qualidade da carcaça com o objetivo de melhorar as características da carne. A utilização de métodos de avaliação da qualidade da carcaça que impliquem o abate do animal é desvantajosa, sendo preferidos os métodos não invasivos aplicados na pré-seleção de animais para o abate. A técnica da ultrassonografia permite a avaliação das características da carcaça por um procedimento não invasivo e não deixa resíduos nocivos na carne dos animais. Dentre as características de carcaça bovina mensuradas por ultrassom podemos analisar a área de olho de lombo (AOL), a espessura de gordura subcutânea (EG) e a espessura de gordura na garupa ou na picanha (EGP8). Apesar de seus benefícios, há vários anos, têm sido pesquisadas a acurácia das medidas de ultrassom de características de carcaça, tendo sido evidenciada uma grande variabilidade dos resultados, atribuída principalmente aos equipamentos e ao viés da análise do técnico responsável pela atividade. Neste contexto, o presente trabalho visa desenvolver uma abordagem automatizada, baseada em redes neurais convolucionais, para realizar a estimação da espessura de gordura na garupa ou na picanha (EGP8) a partir de imagens ultrassonográficas. As redes neurais convolucionais têm se mostrado uma técnica muito afetiva em problemas similares.