O escore de condição corporal (ECC) é uma técnica que permite aferir o estado nutricional dos animais a partir de avaliação visual e/ou tátil. Uma ferramenta inovadora que vêm sendo desenvolvida com esse fim é a Inteligência Artificial (IA).

Na primeira parte deste artigo apresentamos definições mais práticas da inteligência artificial. Além disso, exemplificamos algumas pesquisas que testaram e validaram sistemas e ferramentas automatizados capazes de auxiliar a bovinocultura no alcance de melhores resultados. Nesta parte final do tema abordaremos a relação da inteligência artificial com o conhecimento do exterior de um animal (ezoognósia).

Mas, afinal, o que a inteligência artificial e as avaliações de exterior têm em comum?

Elas se associam pela necessidade de precisão nas análises e de reconhecimento de padrões classificatórios para tomadas de decisão.

Dentro da bovinocultura, a subdivisão da inteligência artificial que utiliza o reconhecimento de padrões de animais e análise de imagens tem sido aplicada para identificação de animais (rastreabilidade); detecção de problemas de casco; predição de valores genéticos; estimativa de conforto térmico em relação ao bem-estar; auxiliar na classificação linear e seleção de vacas e, por fim, avaliar e determinar escore de condição corporal.

Avaliar o exterior de um animal é essencial porque sua conformação apresenta íntima relação com produtividade. Entretanto, a importância dessa prática ultrapassa a relevância econômica, pois se associa a diagnósticos de saúde, reconhecimento das capacidades produtiva e reprodutiva, perspectiva de longevidade, monitoramento do bem-estar, condição nutricional e promoção do melhoramento genético dos rebanhos.

Ao longo do tempo, foram desenvolvidas técnicas de avaliação com o objetivo de facilitar a interpretação das características dos animais, especialmente as de interesse produtivo.

Atualmente, as avaliações visuais ou de escores corporais mais utilizados na bovinocultura nacional são: classificação linear para tipo (modelo “true type” ou padrão ideal), em gado de leite; e EPMURAS, para bovinos de corte.

No gado de corte, os escores visuais são a maneira mais prática (fácil, barata e rápida) de serem obtidas. Além disso, possuem alto valor de transmissão para os filhos e uma relação genética significativa com os caracteres que indicam rendimento e acabamento de carcaça.

A avaliação externa dos animais de corte identifica os indivíduos capazes de cumprir eficientemente seu propósito em um curto período de tempo e de acordo com as exigências do mercado consumidor.

Isso tudo desde que estejam submetidos a condições viáveis no sistema de criação, lembrando que não existe um único biotipo animal que seja completamente eficiente para todos os sistemas. A realidade é que existem biotipos morfológicos eficientes para diferentes condições de ambientes. E isso faz da avaliação dos escores visuais uma prática fundamental.

No caso das vacas leiteiras, a avaliação periódica da condição corporal (escore corporal) deve ser uma prática fundamental, pois seus valores estão associados com produção de leite, reprodução e saúde das vacas. É considerada vantajosa porque leva os produtores a conhecerem melhor o seu rebanho e analisar o seu progresso, visto que os animais com melhor conformação serão os mais saudáveis, com maior longevidade e vida produtiva.

No entanto, a avaliação “manual” de escore corporal é demorada, subjetiva e requer treinamento intenso, tanto na bovinocultura de corte quanto na de leite.

Ela exige experiência e conhecimento de um profissional habilitado a classificar os animais após examiná-los visualmente e também por apalpação. Portanto, a visão computacional da área de inteligência artificial tem sido desenvolvida com intuito de ajudar a realizar avaliações visuais mais precisas e automatizadas.

Dessa forma, obtendo resultados superiores com menos tempo investido nessa tarefa, garantindo também maior grau de bem-estar.

A utilização da inteligência artificial como instrumento de auxílio para observação do escore corporal vem acontecendo em diversos países há mais de uma década.

França, Inglaterra, Israel, Japão, Nova Zelândia e Brasil são exemplos de localidades onde câmeras que capturam imagens 3D para análise de alguns parâmetros, por exemplo, fazem parte da realidade de algumas propriedades.

Assim, é possível compreender quão significativa é essa busca por recursos de automatização, pois facilitam as tarefas dos peritos em avaliações morfológicas, julgamentos e classificação de bovinos leiteiros.

Os recursos automatizados mais testados para análise de condição corporal são os de capturas de imagens digitais (Azzaro et al., 2011; O´Leary et al., 2020), coleta de dados via sensores tridimensionais (Spoliansky et al., 2016; Salau et al., 2017) e gravação de vídeos 3D (Hansen et al., 2018).

Os resultados dessas aplicações apresentam-se cada vez mais positivos. Eles demonstram redução na subjetividade das análises, facilidade da coleta de dados devido à automatização, desempenhos bons ou melhores nos resultados de pontuação de escore quando comparados aos de alguns avaliadores humanos.

Outros estudos concluíram que, em operação contínua e ideal numa propriedade, a inteligência artificial para classificação de condição corporal pode gerar resultados de pontuação comparáveis ou até mesmo melhores que aquelas obtidas manualmente.

Figura 1. Monitoramento automatizado do escore corporal de vacas leiteiras. Configuração do sistema mostrado pelas duas imagens à esquerda. A câmera de profundidade é colocada acima da vaca, que passa posicionada abaixo. O corredor estreito permite a passagem de apenas uma vaca por vez. A imagem bruta captada pela câmera é mostrada na penúltima figura à direita e na sequência, a imagem processada (Fonte: Hansen et al., 2018).

Isso torna a aplicação de inteligência artificial promissora quanto à sua colaboração no âmbito da avaliação de ECC, já que a observação e acompanhamento da condição dos animais resultam em efeitos na saúde, bem-estar, nutrição e melhoramento genético. E esses, por sua vez, repercutem em longevidade, produtividade e retorno econômico.

Por causa disso, pesquisas mais atuais têm investigado a possibilidade de uso de mecanismos de visão computacional a um baixo custo. Equipamentos com valores acessíveis vêm sendo testados visando a provável utilização prática em sistemas produtivos comerciais.

Sendo assim, a aproximação da realidade tangível da pecuária de precisão afasta cada vez mais a ideia da inteligência artificial como ficção científica para dar lugar a perspectivas otimistas.

Afinal, todos nós chegamos a um novo tempo e nos aproximamos de um mundo pós-pandêmico, onde encontramos grande parte das soluções em alternativas digitais, embasadas inclusive em métodos de inteligência artificial, que cooperam e facilitam nossa vida.

Referências:

AZZARO, G. et al. Objective estimation of body condition score by modeling cow body shape from digital images. Journal of Dairy Science, v. 94, pp. 2126-2137, 2011.

HANSEN, M.F. et al. Automated monitoring of dairy cow body condition, mobility and weight using a single 3D video capture device. Computers in Industry, v. 98, p. 14-22, 2018.

O’ LEARY, N. et al. Validation of an automated body condition scoring system using 3D imaging. Agriculture, v. 10, n. 6, 2020.

SALAU J. et al. Automated calculation of udder depth and rear leg angle in Holstein-Friesian cows using a multi-Kinect cow scanning system. Biosystems Engineering. v.160, p. 154-169, 2017.

SPOLIANSKY R. et al. Development of automatic body condition scoring using a low-cost 3-dimensional kinect camera. Journal of Dairy Science, v.99. p. 7714-7725, 2016.

FONTE: MILKPOINT