Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Agricultural Sciences and Natural Resources University of Khuzestan | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Mehdizadeh, Saman Abdanan | - |
Autor(es): dc.creator | Siriani, Allan Lincoln Rodrigues | - |
Autor(es): dc.creator | Pereira, Danilo Florentino | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:19:21Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:19:21Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-09-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/agriengineering6030160 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/302287 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/302287 | - |
Descrição: dc.description | Identifying bird numbers in hostile environments, such as poultry facilities, presents significant challenges. The complexity of these environments demands robust and adaptive algorithmic approaches for the accurate detection and tracking of birds over time, ensuring reliable data analysis. This study aims to enhance methodologies for automated chicken identification in videos, addressing the dynamic and non-standardized nature of poultry farming environments. The YOLOv8n model was chosen for chicken detection due to its high portability. The developed algorithm promptly identifies and labels chickens as they appear in the image. The process is illustrated in two parallel flowcharts, emphasizing different aspects of image processing and behavioral analysis. False regions such as the chickens’ heads and tails are excluded to calculate the body area more accurately. The following three scenarios were tested with the newly modified deep-learning algorithm: (1) reappearing chicken with temporary invisibility; (2) multiple missing chickens with object occlusion; and (3) multiple missing chickens with coalescing chickens. This results in a precise measure of the chickens’ size and shape, with the YOLO model achieving an accuracy above 0.98 and a loss of less than 0.1. In all scenarios, the modified algorithm improved accuracy in maintaining chicken identification, enabling the simultaneous tracking of several chickens with respective error rates of 0, 0.007, and 0.017. Morphological identification, based on features extracted from each chicken, proved to be an effective strategy for enhancing tracking accuracy. | - |
Descrição: dc.description | Department of Mechanics of Biosystems Engineering Faculty of Agricultural Engineering and Rural Development Agricultural Sciences and Natural Resources University of Khuzestan | - |
Descrição: dc.description | Graduate Program in Agribusiness and Development School of Sciences and Engineering São Paulo State University, SP | - |
Descrição: dc.description | Department of Management Development and Technology School of Sciences and Engineering São Paulo State University, SP | - |
Descrição: dc.description | Graduate Program in Agribusiness and Development School of Sciences and Engineering São Paulo State University, SP | - |
Descrição: dc.description | Department of Management Development and Technology School of Sciences and Engineering São Paulo State University, SP | - |
Formato: dc.format | 2749-2767 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | AgriEngineering | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | animal welfare | - |
Palavras-chave: dc.subject | image analysis | - |
Palavras-chave: dc.subject | laying hens | - |
Palavras-chave: dc.subject | precision livestock farming | - |
Palavras-chave: dc.subject | YOLO | - |
Título: dc.title | Optimizing Deep Learning Algorithms for Effective Chicken Tracking through Image Processing | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: