Tecnologia da Penn State combina câmera de profundidade e inteligência artificial para antecipar o crescimento dos animais; modelo teve erro médio de 7,52% na previsão feita três semanas antes
Uma câmera instalada sobre os animais conseguiu fornecer imagens suficientes para que um sistema de inteligência artificial estimasse quanto perus poderiam pesar até 21 dias depois. A tecnologia foi desenvolvida por pesquisadores da Pennsylvania State University (Penn State), nos Estados Unidos, e abre uma possibilidade relevante para a avicultura de precisão: acompanhar o desenvolvimento dos animais e antecipar tendências de crescimento sem realizar uma pesagem física a cada nova estimativa.
O resultado, porém, ainda não representa uma solução pronta para adoção em larga escala. O experimento envolveu apenas 30 perus e foi conduzido em condições controladas de pesquisa. Antes de chegar às granjas comerciais, o método ainda precisará ser testado com populações maiores, diferentes instalações e situações de manejo mais próximas da rotina produtiva.
Como a IA prevê o peso dos perus pelas imagens
O estudo foi conduzido no Poultry Education and Research Center da Penn State, em University Park, na Pensilvânia. Os pesquisadores acompanharam 30 perus machos Nicholas Select entre 37 e 133 dias de idade.
Uma câmera Intel RealSense D435 foi posicionada acima da área ocupada pelos animais. O equipamento registrava imagens convencionais em RGB e informações de profundidade, permitindo ao sistema captar diferenças de distância e características tridimensionais do corpo.
Como vários perus podiam aparecer simultaneamente nas imagens, uma das primeiras etapas consistia em identificar cada animal individualmente e separá-lo digitalmente do restante da cena.
Depois desse processamento, redes neurais da família ResNet analisavam características visuais dos animais e procuravam relações entre formato corporal, idade e peso.
Entre as arquiteturas avaliadas, a ResNet-50 apresentou o melhor desempenho geral na estimativa do peso corporal.
Tecnologias semelhantes fazem parte do avanço da automação e do monitoramento digital na avicultura, incluindo aplicações de visão computacional, sensores e inteligência artificial em diferentes etapas da produção.
Previsão chegou a três semanas de antecedência
Para avaliar se o sistema realmente conseguia antecipar o crescimento dos animais, os pesquisadores compararam as estimativas produzidas pela inteligência artificial com os pesos reais registrados durante o experimento.
As pesagens utilizadas como referência eram realizadas manualmente cinco vezes por semana. Ao todo, 2.911 imagens foram selecionadas para o desenvolvimento da metodologia.
Na estimativa do peso correspondente ao próprio dia da imagem, o modelo alcançou R² de 0,96 ± 0,04 e MAPE de 7,39% ± 4,06%.
Quando os pesquisadores passaram a projetar o peso futuro, o desempenho permaneceu relativamente estável.
Para sete dias de antecedência, o erro percentual absoluto médio foi de 7,69%. Na previsão de 14 dias, ficou em 6,49%. Com três semanas de antecedência, o MAPE chegou a 7,52%, enquanto o R² foi de 0,93 ± 0,06.
Esses indicadores precisam ser interpretados separadamente. O R² mostra quanto da variação observada nos dados é explicada pelo modelo e, portanto, não equivale diretamente a uma taxa de acerto.
Já o MAPE expressa a diferença percentual média entre o valor previsto e o peso realmente registrado, sendo uma referência mais intuitiva para avaliar a dimensão dos erros nas estimativas.
Antecipar o peso pode ajudar no planejamento do lote
Conhecer o peso atual dos animais é uma das informações utilizadas para acompanhar seu desenvolvimento. Projetar como esse peso deverá evoluir nas semanas seguintes acrescenta uma possibilidade diferente: antecipar decisões.
Segundo os pesquisadores, previsões desse tipo poderiam auxiliar na avaliação das curvas de crescimento, na programação da alimentação e na estimativa de quando os animais devem alcançar determinado peso.
A informação também pode ter aplicações no planejamento das etapas anteriores ao processamento, especialmente quando produtores e integradoras precisam prever com antecedência o desenvolvimento dos lotes.
Outro possível benefício está na redução da manipulação física dos animais. Métodos convencionais de pesagem individual exigem captura ou contato direto, enquanto sistemas de visão computacional podem coletar informações à distância quando o animal aparece em posição adequada para análise.
O ganho potencial, portanto, vai além da substituição da balança. Uma ferramenta automatizada poderia produzir estimativas com maior frequência e ajudar a identificar mudanças na trajetória de crescimento antes que elas se tornem evidentes por outros meios.
Essa lógica já vem sendo estudada em outras cadeias pecuárias, incluindo sistemas que usam imagens para estimar o peso de animais.
Pequena amostra ainda limita as conclusões
Apesar dos resultados, existe uma diferença significativa entre o ambiente experimental e uma granja com milhares de animais.
A principal limitação é o tamanho da amostra. Apenas 30 perus participaram inicialmente da pesquisa, e parte dos animais foi retirada ao longo do ciclo para adequação da densidade. No dia 133, restavam 17 perus para avaliações relacionadas à carcaça.
Por isso, os resultados ainda não demonstram que o mesmo desempenho seria obtido em grandes lotes comerciais.
A densidade também cria um obstáculo técnico. Quando muitas aves ocupam simultaneamente o campo de visão da câmera, os animais podem encobrir partes do corpo uns dos outros.
Movimentação, abertura das asas e diferentes posições corporais também podem prejudicar a identificação visual e reduzir a quantidade de imagens adequadas para análise.
Em uma granja comercial, fatores como iluminação, configuração das instalações e densidade de alojamento ainda podem introduzir variações que não estavam presentes da mesma maneira no ambiente experimental.
Os autores indicam que conjuntos de dados maiores e mais diversos serão necessários para avaliar a robustez da tecnologia.
Resultado não pode ser transferido diretamente para frangos
Outro cuidado necessário está na espécie estudada.
Embora perus e frangos façam parte da produção avícola, eles apresentam diferenças importantes de tamanho, velocidade de crescimento, conformação corporal e manejo.
O experimento analisou exclusivamente perus machos Nicholas Select. Portanto, não há base científica nesse trabalho para afirmar que o mesmo nível de desempenho seria obtido em frangos de corte.
Aplicações em outras aves exigirão treinamento e validação específicos, algo que também aparece entre as possibilidades de continuidade da pesquisa.
O avanço está em prever, e não apenas medir
Sistemas de visão computacional capazes de estimar o peso atual de animais já vêm sendo desenvolvidos em diferentes segmentos da pecuária.
O diferencial do trabalho da Penn State está em avançar da medição para a previsão.
Em vez de responder apenas quanto o animal pesa naquele momento, o modelo tenta estimar qual será seu peso uma, duas ou três semanas depois.
Nos testes realizados, o desempenho permaneceu relativamente próximo mesmo no horizonte mais distante, de 21 dias.
Isso ainda não comprova a viabilidade econômica nem operacional da solução em escala comercial. Novos estudos precisarão demonstrar se os algoritmos mantêm desempenho semelhante diante de populações muito maiores e condições menos controladas.
Se essa validação ocorrer, câmeras instaladas nos aviários poderão se tornar não apenas ferramentas de monitoramento, mas também instrumentos para antecipar a evolução produtiva dos lotes.
VEJA MAIS:
ℹ️ Conteúdo publicado pela estagiária Ana Gusmão sob a supervisão do editor-chefe Thiago Pereira
Quer ficar por dentro do agronegócio brasileiro e receber as principais notícias do setor em primeira mão? Para isso é só entrar em nosso grupo do WhatsApp (clique aqui) ou Telegram (clique aqui). Você também pode assinar nosso feed pelo Google Notícias
Não é permitida a cópia integral do conteúdo acima. A reprodução parcial é autorizada apenas na forma de citação e com link para o conteúdo na íntegra. Plágio é crime de acordo com a Lei 9610/98.
