@PHDTHESIS{ 2023:1666111461,
 	title = {Sistema automático de classificação de imagens térmicas para detecção de mastite subclínica bovina},
 	year = {2023},
 	url = "http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/9113",
 	abstract = "O Brasil ocupa posição de destaque no setor produtivo leiteiro mundial. No entanto, este setor enfrenta um entrave bastante conhecido pelos produtores, a mastite bovina. Ela provoca muitas perdas produtivas, sendo necessário o desenvolvimento de ferramentas que possibilitem a sua detecção precoce, diminuindo o tempo, custo e subjetividade associados à determinação do diagnóstico de mastite subclínica. Neste sentido, objetivou-se com esta pesquisa desenvolver metodologia computacional capaz de receber imagens térmicas digitais, que permita sua segmentação e classificação automática, auxiliando no diagnóstico de mastite bovina. O levantamento de dados foi realizado em três unidades de produção de leite, localizadas no município de Capoeiras e Pesqueira, na Mesorregião Agreste, Microrregião do Vale do Ipojuca, estado de Pernambuco e no município de Russas, Ceará. Para desenvolvimento da metodologia automática de segmentação foram utilizadas imagens de 24 animais, em condições clínicas distintas (saudáveis, com mastite clínica e subclínica) determinadas conforme os critérios de seleção. As imagens térmicas do úbere dos animais foram obtidas por câmera termográfica por infravermelho, FLIR i60, obedecendo aos enquadramentos anterolateral esquerdo, anterolateral direito, posterior e inferior, quatro imagens por animal. Para o desenvolvimento das metodologias utilizando transferência de aprendizagem sequencial foram utilizadas 600 imagens do banco MammoTherm (câncer de mama humana) e 165 imagens de 360 x 360 pixels, referente ao banco de dados de 55 bovinos, classificados em grupos distintos "Saudável" e "Mastite Subclínica". A segmentação automática indicou representatividade da área segmentada de 19, 15, 37 e 36% do total de pixels para animais saudáveis [32,9 – 33,86 oC] ± 0,99. Para o quadro de mastite subclínica, a representação percentual variou de 21,84 a 69,5% do total de pixels [34,45 – 34,98 oC] ± 0,87. A representação dos animais com mastite clínica variou de 78,5 a 85,85% [35,34 – 35,75 oC] ± 0,67. O algoritmo para segmentação automática permitiu diferenciar as imagens dos animais saudáveis, com mastite subclínica e clínica. O modelo preditivo STL_bayesian_CBAM-ResNet50 foi o que alcançou melhor desempenho (97,28%) comparativamente aos demais modelos, 92,1% (STL_bayesian-ResNet50) e 88,03% (STL_ResNet50) respectivamente. A metodologia computacional aplicada ao estudo, a partir de imagens térmicas do úbere de vacas leiteiras, contribuiu significativamente para a detecção automática de animais saudáveis e animais com mastite subclínica.",
 	publisher = {Universidade Federal Rural de Pernambuco},
 	scholl = {Programa de Pós-Graduação em Engenharia Agrícola},
 	note = {Departamento de Engenharia Agrícola}
}