Classificação Automática De Raças Bovinas Por Meio De Visão Computacional Utilizando Orange Data Mining

Todos os Trabalhos

Trabalho

Título do Trabalho

CLASSIFICAÇÃO AUTOMÁTICA DE RAÇAS BOVINAS POR MEIO DE VISÃO COMPUTACIONAL UTILIZANDO ORANGE DATA MINING

Autores

marilia paiva
Vanessa Aparecida de Moraes Weber
Jefferson Darlan Costa Braga
André Silva
LARYSSA DOS SANTOS RUDEK
Débora De Souza Gonçalves
Vitoria hoffmann
danilo oliveira costa
ROMEL MERCADO JUNIOR

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/1640666-classificacao-automatica-de-racas-bovinas-por-meio-de-visao-computacional-utilizando-orange-data-mining

ISSN

Palavras-Chave

Inteligência Artificial; Visão Computacional; Aprendizado de Máquina; Orange Data Mining; Bovinocultura; Classificação de Imagens.

Resumo

A identificação correta de raças bovinas é uma atividade importante para programas de melhoramento genético, seleção de animais e gestão de rebanhos. Com os avanços da Inteligência Artificial (IA) e da Visão Computacional, tornou-se possível desenvolver sistemas capazes de reconhecer padrões visuais em imagens e auxiliar processos de classificação de forma automatizada. Nesse contexto, o presente trabalho teve como objetivo avaliar a aplicação de técnicas de aprendizado de máquina na identificação de raças bovinas de corte a partir de imagens digitais, utilizando a plataforma Orange Data Mining. Para a construção do modelo, foram utilizadas imagens de touros das raças Nelore, Angus e Brangus obtidas no banco de dados da empresa Select Sires. As imagens foram organizadas em diretórios separados por raça, totalizando 21 imagens de Nelore, 25 imagens de Angus e 14 imagens de Brangus, resultando em um conjunto de treinamento composto por 60 imagens. O processamento foi realizado por meio do widget Image Embedding, responsável por extrair características relevantes das imagens utilizando uma rede neural pré-treinada. Em seguida, foi aplicado o algoritmo de Regressão Logística para realizar a classificação das raças. A validação do modelo foi conduzida com um conjunto independente de 18 imagens obtidas no site da ABS Global, sendo nove imagens de animais da raça Nelore e nove da raça Brangus. Esse procedimento permitiu avaliar a capacidade de generalização do modelo diante de imagens provenientes de uma fonte diferente daquela utilizada no treinamento. Os resultados indicaram desempenho satisfatório na identificação dos animais da raça Nelore, com elevada taxa de acerto. Entretanto, observou-se maior dificuldade na classificação dos animais da raça Brangus, que em diversas situações foram confundidos com a raça Angus. Os resultados podem ser explicados pelas características fenotípicas das raças avaliadas. O Nelore apresenta atributos visuais bastante marcantes, como pelagem clara, presença de cupim e conformação típica de raças zebuínas, o que facilita sua distinção pelo modelo. Por outro lado, o Brangus é uma raça sintética derivada do cruzamento entre Angus e Brahman, podendo apresentar características intermediárias e maior variabilidade fenotípica. Essa condição aumenta a complexidade da classificação visual e favorece a ocorrência de erros. Além disso, a quantidade reduzida de imagens disponíveis para treinamento, especialmente na classe Brangus, pode ter limitado a capacidade de aprendizado do modelo. Diferenças de iluminação, enquadramento e qualidade das imagens entre as fontes utilizadas também podem ter influenciado os resultados obtidos. Conclui-se que a utilização do Orange Data Mining associada a técnicas de Visão Computacional demonstrou potencial para a identificação automática de raças bovinas por meio de imagens digitais. Embora o desempenho tenha sido mais consistente para a raça Nelore, os resultados evidenciam a viabilidade da abordagem e indicam que a ampliação da base de dados e a inclusão de mais exemplos de treinamento podem contribuir para melhorar a precisão do sistema em trabalhos futuros.

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

PAIVA, marilia et al.. CLASSIFICAÇÃO AUTOMÁTICA DE RAÇAS BOVINAS POR MEIO DE VISÃO COMPUTACIONAL UTILIZANDO ORANGE DATA MINING.. In: . Disponível em: https//www.even3.com.br/anais/anais-ecpantanaltech/1640666-CLASSIFICACAO-AUTOMATICA-DE-RACAS-BOVINAS-POR-MEIO-DE-VISAO-COMPUTACIONAL-UTILIZANDO-ORANGE-DATA-MINING. Acesso em: 29/08/2026