APLICAÇÃO DE VISÃO COMPUTACIONAL PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO COMPORTAMENTAL DE LEITÕES DESMAMADOS

INTRODUÇÃO: A diarreia pós-desmame em leitões constitui um problema crítico na suinocultura moderna, decorrente do estresse multifatorial associado à separação da matriz, à mudança dietética e à reorganização social dos animais. Essas condições favorecem a disbiose intestinal e a suscetibilidade a patógenos, resultando em elevadas taxas de morbidade e mortalidade. Nesse contexto, alterações na postura corporal podem constituir indicadores relevantes para o monitoramento do estado dos animais, uma vez que períodos prolongados de decúbito podem estar associados a alterações de saúde e bem-estar. Contudo, o monitoramento visual contínuo por observadores humanos é inviável em escala comercial, o que justifica o desenvolvimento de sistemas automatizados baseados em inteligência artificial. OBJETIVOS: O presente trabalho teve como objetivo desenvolver e validar um sistema de visão computacional para detecção, rastreamento e classificação postural de leitões desmamados, integrando um modelo detector de objetos e um classificador de três categorias posturais (deitado, em pé e sentado) em um pipeline em cascata aplicado a vídeos de câmeras de circuito fechado. MATERIAIS E MÉTODO: O sistema foi construído em seis etapas: preparação do ambiente experimental com câmeras de visão superior na Unidade de Pesquisa de Suínos da PUCPR; coleta e organização dos vídeos; construção de conjuntos de dados anotados manualmente para detecção e para classificação postural, com balanceamento das três classes; treinamento do modelo detector e do classificador em ambiente de computação em nuvem com GPU; e integração final dos modelos em pipeline com rastreamento individualizado dos animais e contagem de interações com comedouro e lâmpada. RESULTADOS: O modelo detector de objetos alcançou mAP@0,5 de 0,958 para as classes suíno, comedouro e lâmpada. O classificador postural apresentou acurácia Top-1 de 74% na época final, com valor máximo de 83% ao longo do treinamento. As classes deitado e em pé apresentaram acurácia superior a 87%, enquanto a classe sentado permaneceu como principal desafio, em razão da escassez natural de dados e da similaridade visual com a postura deitada quando observada em ângulo zenital. O pipeline integrado apresentou latência compatível com aplicação prática, embora sua validação quantitativa não tenha sido conduzida com o mesmo nível de detalhamento na avaliação dos modelos individuais. CONSIDERAÇÕES FINAIS: O sistema desenvolvido demonstrou viabilidade técnica para a detecção, o rastreamento individualizado e a classificação postural de leitões desmamados a partir de imagens de vídeo. A principal limitação identificada foi a classificação da postura sentado, cuja obtenção de dados é dificultada pela curta duração dessa postura nos animais. O reconhecimento de outros comportamentos, como ingestão de ração, interação social e alterações locomotoras, bem como a utilização dos indicadores posturais para avaliação de bem-estar, constituem possibilidades de continuidade do projeto, juntamente com a ampliação do conjunto de dados por meio de câmeras em ângulos complementares.

PALAVRAS-CHAVE: Aprendizado Profundo; YOLO; Suinocultura de Precisão; Classificação Postural; Bem-estar Animal.