Descrição
A bovinocultura leiteira tem evoluído com a zootecnia digital e de precisão, que aplica tecnologias para otimizar a produção, reduzir custos e melhorar o bem-estar animal. A massa corporal (MC) destaca-se como um parâmetro essencial para a nutrição, o desempenho e a saúde dos bovinos. Nesse contexto, as câmeras, visão computacional e os sensores de profundidade surgem como alternativas promissoras para estimativas automáticas e não invasivas. Para este estudo foram utilizadas 30 vacas leiteiras com o objetivo de encontrar uma relação entre área dorsal e a MC, a fim de criar um modelo de regressão para predizer MC por meio de imagens de profundidade obtidas por uma câmera Intel® RealSense D435i acoplada a uma aeronave remotamente pilotada (RPA) 3DR Solo. Após a primeira ordenha do dia, realizada às 5h00, foram realizados voos com o drone para a captura de vídeos, enquanto os animais retornavam às suas camas no Tie Stall. Os registros foram obtidos em 424 × 240 pixels e 90 FPS no módulo de profundidade, além de 1280 × 720 pixels e 15 FPS para as imagens RGB. A partir desses vídeos, frames foram extraídos pelo software Intel RealSense Viewer® (v2.56.2) e posteriormente processados no CloudCompare® (v2.13.1) para segmentação da área dorsal. O cálculo da área foi realizado no MeshLab® (v2023.12) e os valores resultantes organizados em uma planilha. As análises estatísticas foram conduzidas no RStudio® (v2025.05.1), onde se aplicou a correlação de Pearson e desenvolvimento de um modelo de regressão linear simples com divisão dos dados em 75% para treino e 25% para teste. Os resultados evidenciaram uma correlação de 0,77, com a equação ajustada (MC = 169,84 + 387,53 × Área), apresentando um coeficiente R² = 0,63 para treino e R² = 0,64 para teste. Conclui-se que o uso de imagens de profundidade representa uma alternativa interessante para a predição de MC em vacas leiteiras, e que, quando associado ao emprego de RPAs, mostra-se uma ferramenta mais eficiente para o monitoramento automatizado de rebanhos no âmbito da zootecnia digital e de precisão.
| Selecione a modalidade do seu trabalho | Resumo Simples |
|---|
