Detecção E Contagem De Bovinos Em Imagens Capturadas Por Vant Com Estratégias De Inferência Por Fatiamento

Todos os Trabalhos

Trabalho

Título do Trabalho

DETECÇÃO E CONTAGEM DE BOVINOS EM IMAGENS CAPTURADAS POR VANT COM ESTRATÉGIAS DE INFERÊNCIA POR FATIAMENTO

Autores

Roberto pereira de freitas neto
Max Hiroito Tieti
André Gonçalves da Silva
Bianca Sabka de Queiroz
Magnum Johanson De Abreu
Heron Leal Farias
Miguel Monteiro Cruz Matos
Maria Rita de Araújo
Allan Rios Bezerra

Modalidade

Resumo I Fórum Brasileiro de Pecuária de Precisão, IA e Sustentabilidade

Área temática

1.1) Pecuária de Precisão e IA

Data de Publicação

28/08/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/anais-ecpantanaltech/1629380-deteccao-e-contagem-de-bovinos-em-imagens-capturadas-por-vant-com-estrategias-de-inferencia-por-fatiamento

ISSN

Palavras-Chave

Bovinos, VANT , detecção de objetos, SAHI, ASAHI.

Resumo

O monitoramento automatizado de bovinos em áreas de pastagem é uma tarefa relevante para a pecuária de precisão, especialmente em regiões de grande produção como Mato Grosso do Sul, que concentra aproximadamente 7,9% do efetivo bovino nacional. O uso de Veículos Aéreos Não Tripulados associado a modelos de Aprendizado Profundo permite cobrir grandes áreas com baixo custo operacional. No entanto, a variação da altitude de voo e o redimensionamento das imagens reduzem a escala aparente dos animais, tornando a detecção de bovinos em imagens aéreas um problema desafiador de detecção de objetos pequenos. Para lidar com esse problema, este trabalho avalia estratégias de inferência baseadas em fatiamento de imagens para a detecção e contagem de bovinos. São comparadas três configurações de inferência: imagem completa sem fatiamento, adotada como baseline; SAHI (Slicing Aided Hyper Inference), baseado em recortes sobrepostos de tamanho fixo; e ASAHI (Adaptive Slicing-Aided Hyper Inference), uma abordagem adaptativa que ajusta dinamicamente o tamanho das fatias para controlar o número de partições conforme a resolução da imagem de entrada. Os experimentos foram conduzidos em imagens aéreas de pastagens de Mato Grosso do Sul, utilizando validação cruzada com cinco dobras. Foram avaliados três detectores representativos: YOLOv8, Faster R-CNN e DETR. Os resultados preliminares mostram que o ASAHI melhora o desempenho dos detectores convolucionais em relação às demais estratégias. No YOLOv8, o mAP@50 aumentou de 63,29% ± 25,43% no baseline para 74,76% ± 2,72% com SAHI e 82,82% ± 4,87% com ASAHI. No Faster R-CNN, o ASAHI também obteve o melhor resultado, alcançando 83,30% ± 1,84% de mAP@50, contra 77,82% ± 5,11% no baseline e 77,12% ± 1,42% com SAHI. Além disso, o fatiamento elevou substancialmente o recall dos detectores convolucionais. No YOLOv8, a revocação passou de 64,65% ± 26,77% no baseline para 91,44% ± 3,87% com SAHI e 92,51% ± 3,20% com ASAHI. No Faster R-CNN, o recall aumentou de 82,40% ± 4,02% para 96,26% ± 1,20% com SAHI e 95,01% ± 1,10% com ASAHI. Contudo, o ganho em revocação veio acompanhado de aumento no Erro Médio Absoluto de contagem (MAE), indicando maior tendência à superestimação do rebanho. No Faster R-CNN, o MAE passou de 1,20 ± 0,41 no baseline para 7,99 ± 0,31 com SAHI, enquanto no YOLOv8 subiu de 2,52 ± 1,83 para 3,84 ± 0,78. Esse efeito sugere que a fragmentação das imagens pode ampliar falsos positivos associados a texturas do pasto ou artefatos de borda. Ainda assim, o ASAHI mitigou parcialmente essa penalidade, reduzindo o MAE para 5,02 ± 0,42 no Faster R-CNN e 3,14 ± 3,48 no YOLOv8. Em contrapartida, o DETR apresentou melhor desempenho sem fatiamento, com mAP@50 de 57,42% ± 6,45%, enquanto SAHI e ASAHI obtiveram 12,62% ± 5,05% e 37,62% ± 8,86%, respectivamente. Esse comportamento sugere que detectores baseados em Transformers, por explorarem relações globais na imagem, podem ser prejudicados pela fragmentação espacial. Assim, os resultados indicam que o ASAHI é promissor para detectores convolucionais, mas sua aplicação em arquiteturas baseadas em atenção deve considerar a preservação do contexto global da cena.

Título do Evento: II Encontro Técnico-Científico do Pantanal Tech MS 2026
Cidade do Evento: Aquidauana
Título dos Anais do Evento: Anais do Encontro Técnico-Científico do Pantanal Tech MS
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

NETO, Roberto pereira de freitas et al.. DETECÇÃO E CONTAGEM DE BOVINOS EM IMAGENS CAPTURADAS POR VANT COM ESTRATÉGIAS DE INFERÊNCIA POR FATIAMENTO.. In: . Disponível em: https//www.even3.com.br/anais/anais-ecpantanaltech/1629380-DETECCAO-E-CONTAGEM-DE-BOVINOS-EM-IMAGENS-CAPTURADAS-POR-VANT-COM-ESTRATEGIAS-DE-INFERENCIA-POR-FATIAMENTO. Acesso em: 29/08/2026