Estimação automática de espessura de gordura subcutânea bovina em imagens ultrassonográficas utilizando Deep Learning

Autores
Bragamonte, Jean; Camargo, Sandro; Cardoso Leandro L.; Yokoo, Marcos J.; Cardoso, Fernando F.
Año de publicación
2018
Idioma
portugués
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Em um mundo globalizado, com níveis cada vez mais severos de concorrência, a cadeia produtiva de carne bovina tem buscado gerar produtos que às exigências de qualidade do consumidor final. Neste contexto, uma das abordagens utilizada por esta cadeia é a avaliação da qualidade da carcaça com o objetivo de melhorar as características da carne. A utilização de métodos de avaliação da qualidade da carcaça que impliquem o abate do animal é desvantajosa, sendo preferidos os métodos não invasivos aplicados na pré-seleção de animais para o abate. A técnica da ultrassonografia permite a avaliação das características da carcaça por um procedimento não invasivo e não deixa resíduos nocivos na carne dos animais. Dentre as características de carcaça bovina mensuradas por ultrassom podemos analisar a área de olho de lombo (AOL), a espessura de gordura subcutânea (EG) e a espessura de gordura na garupa ou na picanha (EGP8). Apesar de seus benefícios, há vários anos, têm sido pesquisadas a acurácia das medidas de ultrassom de características de carcaça, tendo sido evidenciada uma grande variabilidade dos resultados, atribuída principalmente aos equipamentos e ao viés da análise do técnico responsável pela atividade. Neste contexto, o presente trabalho visa desenvolver uma abordagem automatizada, baseada em redes neurais convolucionais, para realizar a estimação da espessura de gordura na garupa ou na picanha (EGP8) a partir de imagens ultrassonográficas. As redes neurais convolucionais têm se mostrado uma técnica muito afetiva em problemas similares.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
redes neurais convolucionais
imagens ultrassonográficas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/71259

id SEDICI_760cd4c587b6c2ce6f1748b458da10eb
oai_identifier_str oai:sedici.unlp.edu.ar:10915/71259
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Estimação automática de espessura de gordura subcutânea bovina em imagens ultrassonográficas utilizando Deep LearningBragamonte, JeanCamargo, SandroCardoso Leandro L.Yokoo, Marcos J.Cardoso, Fernando F.Ciencias Informáticasredes neurais convolucionaisimagens ultrassonográficasEm um mundo globalizado, com níveis cada vez mais severos de concorrência, a cadeia produtiva de carne bovina tem buscado gerar produtos que às exigências de qualidade do consumidor final. Neste contexto, uma das abordagens utilizada por esta cadeia é a avaliação da qualidade da carcaça com o objetivo de melhorar as características da carne. A utilização de métodos de avaliação da qualidade da carcaça que impliquem o abate do animal é desvantajosa, sendo preferidos os métodos não invasivos aplicados na pré-seleção de animais para o abate. A técnica da ultrassonografia permite a avaliação das características da carcaça por um procedimento não invasivo e não deixa resíduos nocivos na carne dos animais. Dentre as características de carcaça bovina mensuradas por ultrassom podemos analisar a área de olho de lombo (AOL), a espessura de gordura subcutânea (EG) e a espessura de gordura na garupa ou na picanha (EGP8). Apesar de seus benefícios, há vários anos, têm sido pesquisadas a acurácia das medidas de ultrassom de características de carcaça, tendo sido evidenciada uma grande variabilidade dos resultados, atribuída principalmente aos equipamentos e ao viés da análise do técnico responsável pela atividade. Neste contexto, o presente trabalho visa desenvolver uma abordagem automatizada, baseada em redes neurais convolucionais, para realizar a estimação da espessura de gordura na garupa ou na picanha (EGP8) a partir de imagens ultrassonográficas. As redes neurais convolucionais têm se mostrado uma técnica muito afetiva em problemas similares.Sociedad Argentina de Informática e Investigación Operativa2018-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionResumenhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf158-159http://sedici.unlp.edu.ar/handle/10915/71259info:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/CAI-26.pdfinfo:eu-repo/semantics/altIdentifier/issn/2525-0949info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)porreponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:11:34Zoai:sedici.unlp.edu.ar:10915/71259Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:11:34.31SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Estimação automática de espessura de gordura subcutânea bovina em imagens ultrassonográficas utilizando Deep Learning
title Estimação automática de espessura de gordura subcutânea bovina em imagens ultrassonográficas utilizando Deep Learning
spellingShingle Estimação automática de espessura de gordura subcutânea bovina em imagens ultrassonográficas utilizando Deep Learning
Bragamonte, Jean
Ciencias Informáticas
redes neurais convolucionais
imagens ultrassonográficas
title_short Estimação automática de espessura de gordura subcutânea bovina em imagens ultrassonográficas utilizando Deep Learning
title_full Estimação automática de espessura de gordura subcutânea bovina em imagens ultrassonográficas utilizando Deep Learning
title_fullStr Estimação automática de espessura de gordura subcutânea bovina em imagens ultrassonográficas utilizando Deep Learning
title_full_unstemmed Estimação automática de espessura de gordura subcutânea bovina em imagens ultrassonográficas utilizando Deep Learning
title_sort Estimação automática de espessura de gordura subcutânea bovina em imagens ultrassonográficas utilizando Deep Learning
dc.creator.none.fl_str_mv Bragamonte, Jean
Camargo, Sandro
Cardoso Leandro L.
Yokoo, Marcos J.
Cardoso, Fernando F.
author Bragamonte, Jean
author_facet Bragamonte, Jean
Camargo, Sandro
Cardoso Leandro L.
Yokoo, Marcos J.
Cardoso, Fernando F.
author_role author
author2 Camargo, Sandro
Cardoso Leandro L.
Yokoo, Marcos J.
Cardoso, Fernando F.
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
redes neurais convolucionais
imagens ultrassonográficas
topic Ciencias Informáticas
redes neurais convolucionais
imagens ultrassonográficas
dc.description.none.fl_txt_mv Em um mundo globalizado, com níveis cada vez mais severos de concorrência, a cadeia produtiva de carne bovina tem buscado gerar produtos que às exigências de qualidade do consumidor final. Neste contexto, uma das abordagens utilizada por esta cadeia é a avaliação da qualidade da carcaça com o objetivo de melhorar as características da carne. A utilização de métodos de avaliação da qualidade da carcaça que impliquem o abate do animal é desvantajosa, sendo preferidos os métodos não invasivos aplicados na pré-seleção de animais para o abate. A técnica da ultrassonografia permite a avaliação das características da carcaça por um procedimento não invasivo e não deixa resíduos nocivos na carne dos animais. Dentre as características de carcaça bovina mensuradas por ultrassom podemos analisar a área de olho de lombo (AOL), a espessura de gordura subcutânea (EG) e a espessura de gordura na garupa ou na picanha (EGP8). Apesar de seus benefícios, há vários anos, têm sido pesquisadas a acurácia das medidas de ultrassom de características de carcaça, tendo sido evidenciada uma grande variabilidade dos resultados, atribuída principalmente aos equipamentos e ao viés da análise do técnico responsável pela atividade. Neste contexto, o presente trabalho visa desenvolver uma abordagem automatizada, baseada em redes neurais convolucionais, para realizar a estimação da espessura de gordura na garupa ou na picanha (EGP8) a partir de imagens ultrassonográficas. As redes neurais convolucionais têm se mostrado uma técnica muito afetiva em problemas similares.
Sociedad Argentina de Informática e Investigación Operativa
description Em um mundo globalizado, com níveis cada vez mais severos de concorrência, a cadeia produtiva de carne bovina tem buscado gerar produtos que às exigências de qualidade do consumidor final. Neste contexto, uma das abordagens utilizada por esta cadeia é a avaliação da qualidade da carcaça com o objetivo de melhorar as características da carne. A utilização de métodos de avaliação da qualidade da carcaça que impliquem o abate do animal é desvantajosa, sendo preferidos os métodos não invasivos aplicados na pré-seleção de animais para o abate. A técnica da ultrassonografia permite a avaliação das características da carcaça por um procedimento não invasivo e não deixa resíduos nocivos na carne dos animais. Dentre as características de carcaça bovina mensuradas por ultrassom podemos analisar a área de olho de lombo (AOL), a espessura de gordura subcutânea (EG) e a espessura de gordura na garupa ou na picanha (EGP8). Apesar de seus benefícios, há vários anos, têm sido pesquisadas a acurácia das medidas de ultrassom de características de carcaça, tendo sido evidenciada uma grande variabilidade dos resultados, atribuída principalmente aos equipamentos e ao viés da análise do técnico responsável pela atividade. Neste contexto, o presente trabalho visa desenvolver uma abordagem automatizada, baseada em redes neurais convolucionais, para realizar a estimação da espessura de gordura na garupa ou na picanha (EGP8) a partir de imagens ultrassonográficas. As redes neurais convolucionais têm se mostrado uma técnica muito afetiva em problemas similares.
publishDate 2018
dc.date.none.fl_str_mv 2018-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Resumen
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/71259
url http://sedici.unlp.edu.ar/handle/10915/71259
dc.language.none.fl_str_mv por
language por
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/CAI-26.pdf
info:eu-repo/semantics/altIdentifier/issn/2525-0949
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
158-159
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615985184636928
score 13.070432