UTILIZAÇÃO DE INTELIGÊNCIA ARTIFICIAL PARA IDENTIFICAÇÃO INDIVIDUAL DE SUÍNOS

INTRODUÇÃO: A produção animal tem incorporado, de forma crescente, tecnologias baseadas em inteligência artificial para o monitoramento automatizado dos animais. Nesse contexto, a identificação individual ainda é realizada, em muitos sistemas, por meio de dispositivos físicos, como brincos eletrônicos e RFID, que podem apresentar limitações relacionadas à manutenção, perda de dispositivos e necessidade de manejo adicional. Como alternativa, a visão computacional permite identificar os animais de forma não invasiva e com menor interferência humana. OBJETIVOS: O presente trabalho teve como objetivo desenvolver um sistema de identificação individual de suínos a partir de imagens dorsais, utilizando dez keypoints anatômicos e técnicas de aprendizado de máquina. MATERIAIS E MÉTODO: Foram anotados 855 frames de 15 animais no software DeepLabCut, com pontos distribuídos em diferentes regiões do corpo. A partir das coordenadas dos keypoints, foram calculadas distâncias e ângulos normalizados, e as características mais relevantes foram selecionadas para treinamento de uma rede neural Multilayer Perceptron com função de perda Triplet Loss para realizar a identificação dos indivíduos, utilizando 70% dos dados para treinamento e 30% para teste. RESULTADOS: O modelo de estimativa de pose apresentou mAP de 83,38% e erro médio de aproximadamente 10 pixels no conjunto de teste. Para a identificação individual, o modelo alcançou acurácia Top-1 de 81,12%, além de F1-score de 82%. CONSIDERAÇÕES FINAIS: Os resultados indicam que a utilização de características anatômicas obtidas por visão computacional apresenta potencial para a identificação individual não invasiva de suínos, podendo contribuir para futuras aplicações em zootecnia de precisão e no monitoramento automatizado dos animais.

PALAVRAS-CHAVE: Suinocultura; marcadores anatômicos; inteligência artificial; zootecnia de precisão; identificação não invasiva.