Agronegócio
Método faz identificação facial de bovinos
Objetivo é fazer a identificação por leitura biométrica
Projeto de pesquisa desenvolvido pelo Instituto de Desenvolvimento Rural do Paraná — Iapar-Emater (IDR-Paraná) em parceria com a Universidade Federal do Paraná (UFPR) estuda um método para fazer a identificação de bovinos a partir da captura de imagens e leitura biométrica do espelho nasal (focinho) dos animais.
“Os sistemas de identificação em uso, como brincos e marcação a ferro quente, são ineficientes e até prejudiciais aos animais”, avalia João Ari Gualberto Hill, médico veterinário e pesquisador do IDR-Paraná que coordena o estudo.
Hill acrescenta que um sistema confiável de identificação é importante também para dar mais eficiência à rotina das propriedades — monitoramento de alimentação, ordenha, vacinação e aplicação de medicamentos —, atender à crescente demanda de rastreamento em toda a cadeia produtiva e, ainda, auxiliar o trabalho das agências governamentais de defesa sanitária.
A metodologia envolve a construção de um banco de imagens, que são processadas por redes neuronais e algoritmos para buscar determinados padrões biométricos dos animais.
Denomina-se rede neuronal a um conjunto de processos computacionais que são conectados de modo a imitar o funcionamento do cérebro humano, e que são programados para reconhecer padrões e se retroalimentar de acordo com os erros e acertos cometidos. É uma das bases da inteligência artificial, explica Hill.
No projeto de identificação de espelho nasal de bovinos, os pesquisadores partiram de uma rede neuronal originalmente desenvolvida para reconhecimento de imagens biomédicas. De acordo com Hill, o projeto já conta com mais de 500 imagens, obtidas de animais do próprio IDR-Paraná nas unidades de pesquisa de Pato Branco, Ponta Grossa e Curitiba. “Também temos imagens cedidas por um grupo de pesquisa de São Paulo”. Ele conta que o projeto já chegou ao protótipo de um aplicativo para o sistema operacional Android, em fase de testes e ajustes.
Nas próximas fases, o projeto focará na ampliação da base de dados para melhorar o desempenho das redes. “Poderemos então validar a efetividade e robusteza dos algoritmos desenvolvidos”, destaca o professor David Menotti, da UFPR. A estimativa é que no final de 2022 o aplicativo entre em fase de testes para uso comercial.
