Visão computacional na produção de carnes

Pesquisa aplica visão computacional na produção de carnes.

Uso desta tecnologia contribui para baratear custo de produção e, portanto, preço ao consumidor.

Utilizar sistemas de visão computacional que simulam o comportamento humano na execução de tarefas ligadas à produção de carnes. Este é o enfoque de várias pesquisas desenvolvidas na Universidade Estadual de Londrina (UEL). São diversos projetos desenvolvidos pela professora Ana Maria Bridi, do Departamento de Zootecnia, do Centro de Ciências Agrárias (CCA), e pelo professor Sylvio Barbon Junior, do Departamento de Computação, do Centro de Ciências Exatas (CCE).

A professora Ana Maria Bridi, que atua no Programa de Pós-Graduação em Ciência Animal do CCA, orienta projetos que pesquisam a qualidade da carne, cujo produto final sofre interferência de vários fatores. Ela lembra que a tarefa, por exemplo, de classificar a carcaça é realizada por avaliador humano e que esse processo apresenta um grau importante de subjetividade. Fotografias são o ponto de partida para que a máquina aprenda a cruzar com informações e apontar as possibilidades de forma mais objetiva.

A professora afirma que quanto mais imagens forem utilizadas pelo sistema, mais a máquina será treinada para dar respostas às necessidades apontadas. Ela diz que a taxa de acerto dos sistemas de visão computacional usados nas pesquisas que envolvem carne bovina e suína varia de 85% a 95%. Outra vantagem do sistema é executar uma classificação mais precisa. “Podemos ensinar a máquina a fazer a classificação de forma mais assertiva, segura e rápida”, comenta Ana.

Para ela, o uso da tecnologia – como os sistemas computacionais usados nas pesquisas sobre a carne – ajudam a baratear o custo de produção e, portanto, o preço ao consumidor, facilitando o acesso a bens de consumo. Além disso, ela explica que os sistemas computacionais ajudam a combater o desperdício e podem apresentar soluções sustentáveis para várias situações.

Entre os projetos de pesquisa relacionados à carne, a professora diz que os sistemas de visão computacional estão inseridos na avaliação da taxa de marmoreio (gordura intramuscular) em bovino e em suíno; classificação de pernil para destinação de fabricação de embutidos; determinação da idade da carcaça bovina; classificação de qualidade e de rendimento em suínos. As pesquisas têm parceria com os frigoríficos Rainha da Paz e JBS. Ela explica que as carnes são classificadas com medidas quantitativas e qualitativas, gerando uma tipificação hierárquica. Confira o áudio.

Mesmo com tantas vantagens, ela diz que esse processo substitui o ser humano, podendo gerar desemprego. “Para fazer uma fotografia (usada pelo sistema) você tem uma qualificação. Já um avaliador tem maior qualificação por causa do seu conhecimento”, afirma a pesquisadora, que complementa ser um caminho sem volta. “A aprendizagem de máquina é uma realidade”.

Ao reconhecer o impacto da tecnologia na relação de trabalho, a professora aponta para a necessidade de o estado pensar políticas públicas para dar respostas à sociedade.

SISTEMAS COMPUTACIONAIS – O professor Sylvio Barbon Junior, do Departamento de Computação, destaca a integração de professores e estudantes de vários departamentos nesses projetos de pesquisa, que integram pessoal do CCA e do CCE. “A colaboração interdisciplinar é sempre produtiva e a UEL tem isso no seu DNA”. Muitos outros projetos envolvem professores de diferentes Centros de Estudos da Universidade”.

Sylvio Barbon Junior afirma que na análise do marmoreio de carne é preciso investigar como o especialista humano realiza a tarefa e, assim, implementar códigos para automatizar as tarefas. “No caso das carnes, o especialista humano utiliza a análise visual a partir de painel de modelos para tomar a decisão sobre um índice de qualidade. Assim, o que fizemos foi utilizar a ‘visão da máquina’ que seria a integração de técnicas de processamento de imagens e inteligência artificial”.

O professor destaca que ao usar imagens digitais na avaliação e classificação da carne, é possível simular o conhecimento humano envolvido nesse processo. “Desde o reconhecimento das características relevantes que precisam ser observadas da amostra de carne até a decisão, tomando como base um modelo internacional”, detalha o professor.

No estágio e objetivo atuais das pesquisas, o uso de sistemas de visão computacional não proporcionou o desenvolvimento de aplicativos ou outros produtos, que precisam, conforme destaca o professor, do envolvimento da indústria.

“Um aplicativo vai além do desenvolvimento de uma solução de qualidade. Ele requer ações voltadas ao treinamento do usuário, manutenção e atualização de versões, além de suporte aos usuários. Dessa forma, a integração com startups e a indústria é benéfica para o avanço de tais projetos”, observa Barbon Junior.

DESAFIOS – O estudante de doutorado Guilherme Agostinis, do Programa de Pós-Graduação em Ciência Animal, pesquisou – durante o seu mestrado – o grau de ossificação da cartilagem para determinar a idade do animal. Ele diz que foi um desafio. Primeiro, por ser um trabalho multidisciplinar, que envolve metodologias e processos de áreas diferentes. Segundo, para coletar as amostras.

Para que os animais integrassem o banco de dados, era preciso acompanhá-los desde o nascimento para avaliar a maturidade fisiológica (ossificação da cartilagem) e não cronológica (erupção dos dentes incisivos permanentes), como é feito pelo sistema produtivo.

Ele explica que na produção de bovinos de corte poucos produtores fazem acompanhamento individual dos animais. “A maioria faz a avaliação de um lote com número variável de animais, de acordo com a estação de nascimento ou outros processos que a fazenda pode adotar para gerenciamento das informações”. Para o estudante, esse foi o maior desafio do trabalho. “Encontrar animais que tivessem suas datas de nascimento registradas individualmente”.

O doutorando afirma que apesar de ser um banco de dados relativamente pequeno, os algoritmos escolhidos para fazer a classificação tiveram um bom desempenho. “Diferentemente do que imaginávamos, as informações contidas na imagem relacionadas à porção óssea tiveram maior peso no desempenho do algoritmo do que as relacionadas à porção cartilaginosa, que tem grande importância na avaliação visual feita por profissionais treinados em programas de classificação e tipificação de outros países, como Estados Unidos e Austrália”, afirma.

De acordo com ele, essa é uma informação muito importante porque o modo como a carcaça vai ser processada ainda na linha de abate, vai interferir nas informações que o algoritmo vai ter para nos dar qualquer tipo de resultado.

Sobre o projeto interdisciplinar, ele afirma que fica clara a necessidade de as diferentes áreas do conhecimento trabalharem cada vez mais juntas. “É óbvio que no dia a dia nós já fazemos isso na utilização de equipamentos que usam uma determinada tecnologia desenvolvida por outra área, ou que teria outra finalidade”, comenta. “Mas o desenvolvimento de novas soluções envolvendo o agro e a ciência da computação vai ser cada vez mais necessário para que nós consigamos nos tornar cada vez mais competitivos e mantermos o sistema produtivo mais sustentável e socialmente justo”.

FONTE: DATAGRO.