IDENTIFICAÇÃO DE MANCAL DE VACA POR MEIO DE VISÃO COMPUTACIONAL

INTRODUÇÃO: A claudicação em bovinos representa um problema crítico na pecuária leiteira, afetando diretamente o bem-estar animal, a produtividade e os custos operacionais. Métodos tradicionais de detecção, baseados em avaliação visual, são frequentemente subjetivos e imprecisos. Nesse contexto, a visão computacional tem emergido como uma alternativa promissora para a identificação da claudicação, permitindo o monitoramento automatizado da locomoção com maior precisão. OBJETIVOS: Este trabalho tem como objetivo investigar o estado da arte das técnicas de visão computacional aplicadas à detecção de claudicação em vacas leiteiras. A proposta inclui a análise das abordagens mais relevantes da literatura, com ênfase nos métodos baseados em imagens e vídeos, buscando identificar tendências, desafios e lacunas atuais. MATERIAIS E MÉTODO: Materiais e Métodos: Foi realizada uma revisão sistemática da literatura com base nas diretrizes PRISMA, utilizando as bases IEEE Xplore, Scopus e Web of Science. A triagem seguiu critérios de inclusão como foco na detecção de claudicação bovina com visão computacional, publicações entre 2014 e 2024 e disponibilidade do texto completo. Dos 468 artigos inicialmente identificados, 49 atenderam aos critérios para síntese qualitativa final. RESULTADOS: se evidenciou a predominância do uso de redes neurais convolucionais (CNNs), estimativa de pose e modelos híbridos como CNN-LSTM. Modelos temporais (ST-GCN, MS-TCN) e estratégias multimodais também se destacaram. Os principais desafios apontados foram a falta de padronização dos conjuntos de dados, sensibilidade a ruídos e dificuldades de generalização. CONSIDERAÇÕES FINAIS: o aponta um cenário promissor para a aplicação de visão computacional na pecuária de precisão, destacando a necessidade de bases de dados públicas, validações em campo e integração de múltiplas fontes sensoriais. Esses avanços podem contribuir para soluções práticas e escaláveis no monitoramento da saúde animal.

PALAVRAS-CHAVE: Claudicação bovina; Visão computacional; Pecuária de precisão; Aprendizado profundo; Estimativa de pose.