Visão computacional para identificar aglomeração de aves confinadas

Abstract

aglomeração de frangos em aviários representa um problema com impacto direto no bem-estar animal e na eficiência produtiva, exigindo soluções tecnológicas que permitam identificar e mitigar situações de risco. Este trabalho tem como objetivo desenvolver uma ferramenta de visão computacional baseada em inteligência artificial capaz de detectar e quantificar aglomerações de frangos confinados, fornecendo indicadores para apoio ao manejo preventivo. A metodologia emprega o modelo YOLO11 para detecção das aves e aplica homografia para projetar seus centros no plano real, agregando as ocorrências em uma malha espacial de 1 m2, comparada a limites de ocupação definidos por idade e peso. O sistema web desenvolvido recebe imagens e vídeos, processa os dados no backend e retorna sobreposições de malha e mapas de calor para interpretação visual imediata. A avaliação utilizou o conjunto público Project M1 Poussins (563 imagens) e registros reais de aviários, atingindo, no melhor modelo (YOLO11m treinado por 1000 épocas), métricas de mAP50 de 0,819, precisão de 0,817, recall de 0,768 e F1-Score de 0,791, demonstrando desempenho consistente na detecção das aves. Os resultados demonstram que a abordagem proposta avança além da simples contagem e rastreamento, ao estabelecer um critério operacional de aglomeração por área e oferecer uma interface aplicada para o monitoramento automatizado do bem-estar animal.