Carga Horária
Teórica por semana |
Prática por semana |
Créditos |
Duração |
Total |
28 |
2 |
4 |
2 semanas |
60 horas |
Docentes responsáveis
Flavio Augusto Portela Santos
Objetivo
Este curso abordará os principais conceitos e aplicações da tecnologia de sensores e da inteligência artificial aplicadas a animais de produção e de companhia. Ao final do curso, os estudantes deverão ser capazes de:
• Compreender o que é a pecuária de precisão e por que ela é necessária
• Familiarizar-se com os princípios de ciência de dados e inteligência artificial
• Aprender sobre as tecnologias atuais de sensores utilizadas em animais de produção e de companhia
• Explicar os princípios e as aplicações da tecnologia de sensores aplicadas aos animais
• Familiarizar-se com as aplicações da inteligência artificial na medicina veterinária
• Compreender as principais preocupações éticas associadas ao uso da inteligência artificial na agricultura
Conteúdo
• Introdução à Inteligência Artificial e às Tecnologias de Sensoriamento
• Sensores vestíveis para monitoramento de animais de produção
• Tecnologias para monitoramento de comportamento e localização animal
• Visão computacional para monitoramento do comportamento e da saúde animal
• Técnicas acústicas para avaliação da saúde animal
• Análise de imagens por ultrassom na medicina veterinária
• Tecnologia de IA: qualidade dos alimentos e experiência do consumidor
• Drones para manejo de pastagens e monitoramento animal
• Sensores para monitoramento de estro, fertilidade e gestação em animais
• Empreendedorismo em AgTech
• Sistemas de ordenha robotizada
• Tecnologias para comportamento em pastejo e manejo automatizado de pastagens
• Sensores para monitoramento da alimentação animal
• Ética em Inteligência Artificial e Ciência de Dados
Bibliografia
Oliveira, D. B. O., L. G. R. Pereira, T. Bresolin, R. E. P. Ferreira, J. R. R. Dorea. 2021. A Review of Deep Learning Algorithms for Computer Vision Systems in Livestock. Livestock Science, 253, 1:15. https://doi.org/10.1016/j.livsci.2021.104700
Bresolin T., J. R. R. Dorea. 2020. Infrared Spectroscopy as a High-Throughput Phenotyping Technology to Predict Complex Traits in Livestock Systems. Frontiers in Genetics, 11-2:20. https://doi.org/10.3389/fgene.2020.00923.
Fernandes, A. F. A., J. R. R. Dorea, G. J. M. Rosa. 2020. Image Analysis and Computer Vision Applications in Animal Sciences: An Overview. Frontiers in Veterinary Science, 11-2:20. Frontiers in Veterinary Science. https://doi.org/10.3389/fvets.2020.551269
Higaki, S., Menezes, G.L., Ferreira, R.E., Negreiro, A., Cabrera, V.E. and Dorea, J.R.R., 2024. Objective dairy cow mobility analysis and scoring system using computer vision-based keypoint detection technique from top-view 2D videos. Journal of Dairy Science.
Ferreira, R.E., de Luis Balaguer, M.A., Bresolin, T., Chandra, R., Rosa, G.J., White, H.M. and J.R.R. Dorea. 2024. Multi-modal machine learning for the early detection of metabolic disorder in dairy cows using a cloud computing framework. Computers and Electronics in Agriculture, 227, p.109563.
Tuggle, C. K., Clarke, J. L., Murdoch, B. M., E. Lyons, N. M. Scott, B. Benes, J. D. Campbell, S. Das Choudhury, H. Chung, C. L. Daigle, J. C. M. Dekkers, J. R. R. Dorea et al. 2024. Current challenges and future of agricultural genomes to phenomes in the USA. Genome Biology. 25:8. https://doi.org/10.1186/s13059-023-03155-w
Siegford, J. M., J. P. Steibel, J. Han, M. Benjamin, T. Brown-Brandl, J. R. R. Dorea, D. Morris, T. Norton, E. Psota, G. J. M. Rosa. 2023. The quest to develop automated systems for monitoring animal behavior. Applied Animal Behavior Science. 265:106000.