Câmeras térmicas e visão computacional permitem monitorar a saúde do rebanho sem estresse, ajudando o produtor a detectar doenças mais cedo e tomar decisões com maior precisão.
A evolução da pecuária moderna passa, cada vez mais, pelo uso de tecnologias capazes de antecipar problemas sanitários, reduzir custos operacionais e melhorar o bem-estar animal. Nesse cenário, pesquisadores desenvolveram uma ferramenta baseada em inteligência artificial que promete mudar a forma como a saúde do rebanho é monitorada: o sistema consegue estimar a temperatura corporal do gado apenas a partir de uma imagem.
Batizada de CattleFever, a tecnologia foi criada pelo Laboratório de Inteligência Artificial e Visão Computacional da Universidade do Arkansas e representa um passo importante rumo à automação do manejo sanitário. O estudo que descreve a ferramenta foi publicado na revista científica Smart Agricultural Technology, reforçando o potencial da inovação para aplicações práticas no campo.
A liderança científica do projeto ficou a cargo de Trong Thang Pham, doutorando da Universidade de Alberta. O laboratório responsável é dirigido por Ngan Le, professor associado de engenharia elétrica e ciência da computação, cuja linha de pesquisa inclui imagens médicas, robótica e visão computacional — áreas que vêm sendo rapidamente incorporadas ao agronegócio.
Hoje, o método mais comum para aferir a temperatura do gado ainda é o termômetro retal, uma prática considerada precisa, porém trabalhosa e potencialmente estressante para os animais.
Com o CattleFever, a proposta é diferente: utilizar câmeras térmicas combinadas a algoritmos de inteligência artificial para obter uma estimativa confiável da temperatura corporal.
Os principais benefícios potenciais incluem:
- Menor estresse para os animais, já que não há necessidade de contenção física;
- Redução da mão de obra, especialmente em propriedades com grandes rebanhos;
- Detecção precoce de doenças, permitindo tratamentos mais rápidos;
- Prevenção de surtos sanitários, que podem gerar prejuízos significativos.
Na prática, trata-se de um avanço alinhado à chamada pecuária de precisão, tendência global que aposta em sensores, automação e análise de dados para aumentar eficiência produtiva.
Para que um sistema de inteligência artificial funcione com precisão, é essencial alimentá-lo com grandes volumes de dados. E esse foi um dos primeiros obstáculos enfrentados pela equipe.
Embora existam bancos de imagens para animais como cães, gatos, cavalos e ovelhas, o material disponível para bovinos era limitado. O principal conjunto existente, chamado CattleEyeView, continha apenas imagens aéreas utilizadas para rastreamento de rebanhos — insuficientes para identificar sinais fisiológicos.
Além disso, a maioria das bases continha apenas fotos RGB (coloridas), enquanto o novo projeto também exigia imagens térmicas, capazes de captar variações de temperatura.
A solução foi criar um banco de dados próprio.
Os pesquisadores coletaram dados de milhares de bezerros no Complexo de Pesquisa Savoy, ligado à Estação Experimental Agrícola do Arkansas.
O protocolo seguiu etapas rigorosas:
- Cada animal foi mantido em curral;
- Foram gravados 20 segundos de vídeo convencional e 20 segundos de imagens térmicas;
- A temperatura real foi registrada com termômetro retal para servir como referência científica.
Depois disso, as imagens RGB foram vinculadas às térmicas em ambiente computacional.
A equipe marcou 13 pontos faciais estratégicos, incluindo:
- olhos
- narinas
- orelhas
- focinho
- boca
Inicialmente, 600 imagens foram anotadas manualmente. Esse material treinou o algoritmo, que posteriormente rotulou automaticamente outras 4.000 imagens, formando o conjunto de dados chamado CattleFace-RGBT.
O sistema resultante passou a localizar automaticamente o rosto do bezerro e identificar suas características tanto em imagens convencionais quanto térmicas.
Após diversos testes — conhecidos como estudos de ablação, que avaliam diferentes combinações de variáveis — os pesquisadores fizeram uma descoberta relevante.
As temperaturas medidas nos olhos e nas narinas apresentaram a maior correlação com a leitura do termômetro retal.
Com isso, o algoritmo passou a focar nessas regiões para calcular a temperatura corporal.
Para interpretar os dados, foram testadas várias técnicas de aprendizado de máquina. A abordagem mais eficiente foi a regressão por floresta aleatória, método que utiliza múltiplas árvores de decisão treinadas com diferentes partes dos dados.
Esse modelo reduz ruídos estatísticos e aumenta a confiabilidade dos resultados — fator crucial quando se trata de saúde animal.
O desempenho chamou atenção:
👉 O CattleFever conseguiu estimar a temperatura com margem de erro de aproximadamente 1°C em relação ao termômetro tradicional.
Apesar dos resultados promissores, os testes ocorreram com os animais posicionados de frente para a câmera — uma condição controlada.
O próximo desafio é adaptar a tecnologia para o ambiente real das fazendas.
Segundo Pham, será necessário capturar imagens em situações naturais:
Isso significa ensinar o sistema a reconhecer rostos bovinos em diferentes ângulos, distâncias e condições de iluminação — um passo essencial antes da adoção comercial.
Em uma decisão estratégica para impulsionar o avanço científico, os pesquisadores da Universidade de Alberta disponibilizaram publicamente o banco de dados CattleFace-RGBT.
A iniciativa permite que outros cientistas aprimorem o modelo e desenvolvam soluções aplicáveis ao dia a dia das fazendas.
Embora ainda esteja em fase de desenvolvimento, a tecnologia aponta para um futuro em que câmeras inteligentes poderão monitorar automaticamente a saúde do rebanho, possivelmente integradas a:
- sistemas de gestão pecuária
- sensores de comportamento
- balanças digitais
- softwares de rastreabilidade
Para propriedades com milhares de cabeças — realidade cada vez mais comum — ferramentas assim podem representar ganhos relevantes em produtividade e biossegurança.
Mais do que uma curiosidade tecnológica, o CattleFever simboliza uma mudança estrutural: o manejo reativo tende a dar lugar ao manejo preditivo, no qual problemas são identificados antes de se tornarem prejuízos.
Se confirmada em condições de campo, essa abordagem poderá redefinir o monitoramento sanitário e consolidar a inteligência artificial como uma aliada definitiva da pecuária moderna.
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.
