Aprendizado profundo aplicado a Fenotipagem Automática na Piscicultura

• Ano de defesa: 2024
• Autor(a) principal: Batista, Fabricio Martins [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Fenotipagem; Segmentação semântica; Visão computacional; Processamento de imagens; Piscicultura; Inteligência artificial; Aprendizado profundo; Computer vision; Phenotyping; Acquaculture; Artificial intelligence; Deep learning
• Link de acesso: https://hdl.handle.net/11449/258088

A Piscicultura vem ganhando destaque nos últimos anos quase dobrando a produção mundial em um intervalo de dez anos (FAO, 2020). Os produtos da Piscicultura configuram uma importante fonte de proteína em países costeiros ou insulares pois são o recurso natural em maior abundância nessas regiões fazendo parte do cotidiano alimentar de suas populações. Os avanços tecnológicos recentes possibilitam a evolução da prática da Piscicultura através de novas ferramentas como a Inteligência Artificial e Internet das Coisas. Entre as práticas da chamada Piscicultura de Precisão estão o monitoramento inteligente de condições do ambiente através de sensores especializados (AGOSSOU; TOSHIRO, 2021) bem como a automação de tarefas manuais inerentes ao processo produtivo deste tipo de atividade. A automação torna possível a análise de grandes volumes de dados, trazendo escalabilidade ao manejo e reduzindos os custos do processo produtivo como um todo. Entre as tarefas que se destacam, está a fenotipagem de animais cultivados em cativeiro na Piscicultura durante vários estágios do crescimento para avaliação da interação da espécie com o ambiente ou mesmo a prevalência de determinadas características após sucessivas seleções reprodutivas. A fenotipagem geralmente é realizada manualmente através de uma imagem digital tirada por um especialista. A imagem obtida é pós-processada em softwares especializados em medição utilizando um objeto de referência de tamanho conhecido na imagem. Dessa forma, o presente trabalho foi desenvolvido com a finalidade de mapear técnicas de fenotipagem automática a partir de imagens digitais e a partir do levantamento propor uma solução através de Aprendizado Profundo. A finalidade do mapeamento está em obter uma visão geral sobre uma determinada área de pesquisa, e determinar quais e quantas são as evidências relacionadas a essa área. Os resultados demonstram uma tendência no uso de técnicas de Aprendizado Profundo para a automação dessas tarefas na área da Piscicultura. Todavia, ainda há uma prevalência de algumas técnicas de Visão Computacional clássica e Processamento de Imagens como a detecção de bordas e métodos iterativos para obtenção de regiões de interesse em imagens digitais e realizar a fenotipagem a partir das informações obtidas.