
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 | Campos, Alessandro Torres | - |
| Autor(es): dc.contributor | Green-Miller, Angela | - |
| Autor(es): dc.contributor | Campos, Alessandro Torres | - |
| Autor(es): dc.contributor | Yanagi Junior, Tadayuki | - |
| Autor(es): dc.contributor | Klosowski, Elcio Silverio | - |
| Autor(es): dc.creator | Amaral, Bruna Campos | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:24:47Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:24:47Z | - |
| Data de envio: dc.date.issued | 2023-07-07 | - |
| Data de envio: dc.date.issued | 2023-07-07 | - |
| Data de envio: dc.date.issued | 2023-07-07 | - |
| Data de envio: dc.date.issued | 2023-06-30 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/58082 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1140279 | - |
| Descrição: dc.description | Ensuring the health and well-being of pigs requires significant effort in terms of labor, material resources, and time. The use of traditional monitoring methods can be stressful for pigs and demand substantial resources from producers, especially in large-scale production systems like industrial pig farming. This practice can have negative impacts on pig health and welfare, as well as the economic profitability of pig production. In this context, the aim of this study was to develop a model using the YOLOv8 architecture to detect and track pigs in a group housing environment. A total of 690 images of pigs housed in groups of nine individuals were used, with the dataset divided into training and validation sets in an 80:20 ratio. With the developed model, it was possible to perform tracking and establish individual identification for each pig. However, the metrics used to evaluate the model's performance yielded unsatisfactory results, highlighting the need to increase the training dataset. Despite these challenges, the model demonstrated good performance in terms of frames per second (FPS), indicating its viability for real-time applications, thus ensuring that the model has potential for practical implementation in pig monitoring and management. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Garantir a saúde e o bem-estar dos suínos requer um esforço significativo em termos de mão de obra, recursos materiais e tempo. O uso de métodos tradicionais de monitoramento pode ser estressante para os suínos e demandar recursos substanciais dos produtores, especialmente em sistemas de produção em larga escala, como a suinocultura industrial. Essa prática pode ter impactos negativos na saúde e bem-estar dos suínos e na lucratividade econômica da produção sunícula. Neste contexto, o objetivo deste estudo foi desenvolver um modelo usando a arquitetura YOLOv8 para detectar e rastrear suínos em um ambiente de alojamento em grupo. Foram utilizadas 690 imagens de suínos alojados em grupos de nove indivíduos. O conjunto de dados foi dividido em treinamento e validação em uma proporção de 80:20. Com o modelo desenvolvido, foi possível realizar o rastreamento e estabelecer a identificação individual de cada suíno. No entanto, as métricas utilizadas para avaliar o desempenho do modelo apresentaram resultados pouco satisfatórios, evidenciando a necessidade de aumentar o conjunto de dados de treinamento. Apesar desses desafios, o modelo demonstrou bom desempenho em termos de quadros por segundo (FPS), indicando sua viabilidade para aplicações em tempo real, garantindo que o modelo tem potencial para implementação prática no monitoramento e manejo de suínos. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Publicador: dc.publisher | Programa de Pós-graduação em Engenharia Agrícola | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | brasil | - |
| Publicador: dc.publisher | Departamento de Engenharia | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | acesso aberto | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | YOLOv8 | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Palavras-chave: dc.subject | Bem-estar | - |
| Palavras-chave: dc.subject | Rastreamento | - |
| Palavras-chave: dc.subject | Treinamento | - |
| Palavras-chave: dc.subject | Classificação por imagens | - |
| Palavras-chave: dc.subject | You Only Look Once version 8 | - |
| Palavras-chave: dc.subject | Artificial intelligence | - |
| Palavras-chave: dc.subject | Well-being | - |
| Palavras-chave: dc.subject | Tracking | - |
| Palavras-chave: dc.subject | Training | - |
| Palavras-chave: dc.subject | Classification by images | - |
| Palavras-chave: dc.subject | Deep learning | - |
| Palavras-chave: dc.subject | Construções Rurais e Ambiência | - |
| Título: dc.title | Um novo algoritmo de rastreamento em tempo real para suínos baseado em Deep Learning | - |
| Título: dc.title | A novel real-time tracking algorithm for pigs based on Deep Learning | - |
| Tipo de arquivo: dc.type | dissertação | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: