Banca de DEFESA: SAMANTA DO NASCIMENTO MONTEIRO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: SAMANTA DO NASCIMENTO MONTEIRO
DATA: 26/02/2019
HORA: 16:00
LOCAL: Auditório de Zootecnia UFRA, Belém, Pará.
TÍTULO:

Algoritmos de regressão de aprendizado de máquina para predição de músculo, osso, gordura de carcaça e cortes primários em cordeiros deslanados

PALAVRAS-CHAVES:

Carcaça, modelos preditivos, modelagem, ovinos, regularização, VIA

PÁGINAS: 56
GRANDE ÁREA: Ciências Agrárias
ÁREA: Zootecnia
SUBÁREA: Produção Animal
ESPECIALIDADE: Criação de Animais
RESUMO:

Em virtude do crescente desenvolvimentos de técnicas de automação na indústria da carne e a necessidade em se obter respostas com maior velocidade e padronização, objetivou-se com este estudo predizer características teciduais da carcaça e de cortes comerciais a partir de mensurações obtidas por VIA - vídeo image analysis, realizadas em carcaças frias de cordeiros deslanados, utilizando três técnicas regressivas de aprendizado de máquina para a formação de modelos preditivos, Stepwise, LASSO e Elastic Net. Foram utilizadas informações de 72 carcaças de animais machos castrados, com idade entre 8 e 11 meses, e peso de carcaça fria de 16,13±3,98 kg. Após o período de resfriamento as carcaças foram imageadas e as fotos armazenadas para posterior processamento com o software ImageJ2, onde foram demarcadas três diferentes delimitações em cada carcaça, carcaça inteira, cortes comerciais e segmentação transversal, para cada uma foram calculados oito descritores de forma: área, perímetro, largura, comprimento, além de  convexidade, solidicidade, proporção e circularidade,para as delimitações da segmentação transversal, ainda foram obtidas razões entre áreas, larguras e comprimentos de cada par. Com base nas diferentes delimitações determinadas na carcaça, foram estabelecidos quatro conjuntos de dados, denominados descriptors sets (DSs), aos quais foi adicionada a informação PCF como variável preditora, gerando mais quatro DSs’.O banco formado a partir dos DSs foi randomicamente dividido em treinamento e teste, sendo o banco de treinamento combinado a técnica k-foldcross-validation, a fim de possibilitar o processamento na técnica stepwise uma redução por PLS-R foi realizada. Para a avaliação da performance dos modelos, utilizou-se as métricas RMSE, R2 e BIAS, que foram ranqueadas no intuito de se determinar mais precisamente qual o melhor modelo, dos 552 modelos preditivos formados, de modo geral a presença do PCF, melhorou os ajustes em todas as técnicas, ainda assim o Stepwise apresentou os piores ajustes para todas as variáveis testadas, LASSO e elastic net mantiveram comportamento semelhante, contudo com base no critério de parcimônia o LASSO formou modelos mais simplificados e com bons ajustes, dos descritores testados houve prevalecia para os mais simples com área, perímetro, largura, comprimento, a convexidade mais representativa para os modelos voltados para características de musculo e gordura, circularidade nos modelos DS1 e DS1’ e DS3’. Para as variáveis testadas neste estudo, os descritores de forma propostos, foram eficientes em sua maioria na predição de variáveis teciduais e de peso, dos DSs testados LASSO DS1’ apresentou melhores ajustes para variáveis como músculo total, gordura total seguido de cortes como, paleta, lombo, costela, LASSO DS3 foi melhor na predição de variáveis de gordura, total, do pernil, paleta e peso da costela LASSO DS4’. Os descritores obtidos a partir do processamento de imagens são eficientes na predição de características teciduais de cordeiros deslanados e a técnica que apresentou melhor ajustes para este estudo foi o LASSO.

MEMBROS DA BANCA:
Presidente - 1550083 - ANDRE GUIMARAES MACIEL E SILVA
Externo à Instituição - ANTONIO VINICIUS CORREA BARBOSA
Interno - 919.708.650-91 - CRISTIAN FATURI - UFRA
Externo à Instituição - JAMILE ANDRÉA RODRIGUES DA SILVA