Número do Painel | |
Autor | |
Instituição | UFSC |
Tipo de Bolsa | PIBIC/CNPq |
Orientador | MARCIO HOLSBACH COSTA |
Depto | DEPARTAMENTO DE ENGENHARIA ELÉTRICA E ELETRÔNICA / EEL/CTC |
Centro | CENTRO TECNOLOGICO |
Laboratório | LPDS |
Grande Área / Área do Conhecimento | Ciências Exatas e da Terra
/Engenharias |
Sub-área do Conhecimento | Engenharia Elétrica |
Titulo | Sistema para detecção de infestação parasitária em pequenos ruminantes |
Resumo | A pecuária constitui parte significativa do produto interno bruto brasileiro, sendo que o controle sanitário possui importante impacto nos custos do manejo do rebanho. Com o intuito de contribuir para a incorporação de novas tecnologias nesta cadeia econômica, este trabalho apresenta o desenvolvimento de um aplicativo móvel para decisão de tratamento contra infestação parasitária em pequenos ruminantes. O método FAMACHA© é a principal ferramenta utilizada no diagnóstico de infestação parasitária e tem seu princípio de funcionamento baseado na correlação entre os valores de hematócrito e diferentes colorações da mucosa conjuntiva ocular dos animais. Inicialmente, foi descrita uma proposta de aplicativo, baseada no sistema operacional android, para gerenciamento e aquisição de imagens da mucosa conjuntiva ocular. Em sequência, foram projetados dois classificadores baseados no método de classificação FAMACHA©; um utilizando redes neurais e o outro máquina de vetores de suporte (support vector machine - SVM). Os classificadores projetados apresentam uma acurácia de 83% e 87%, indicando um desempenho superior a propostas anteriores. Por fim, foi feita a integração do classificador de redes neurais ao aplicativo desenvolvido. O tempo de classificação em campo utilizando o aplicativo foi de cerca de 5 segundos. Os resultados obtidos indicam a possibilidade de automatização do processo de classificação com a diminuição dos custos envolvidos ao produtor de pequenos ruminantes. |
Link do Video | https://repositorio.ufsc.br/handle/123456789/225725 |
Palavras-chave | FAMACHA, pequenos ruminantes, parasitas, classificador, aprendizado de máquina |
Colaboradores | Prof. Dra. Beatriz Riet-Correa |