• Informações do Trabalho

Titulo Uma meta-heurística inspirada em morcegos para otimização da estrutura de redes neurais convolucionais para classificação de raças de bovinos Subtítulo Autor DANIEL MULLER REZENDE Orientador SAULO MORAES VILLELA Resumo A pecuária é uma das atividades econômicas mais relevantes globalmente, e o bem-estar animal tem ganhado destaque, impulsionando o uso de tecnologias automatizadas para aumentar a eficiência e a sustentabilidade do setor. Nesse contexto, a Visão Computacional, uma área de pesquisa voltada para a extração de informações a partir de imagens e vídeos, tem se mostrado promissora. O estado da arte nessa área é dominado por métodos de aprendizado profundo, especialmente com uso das redes neurais convolucionais, amplamente aplicadas em tarefas de classificação, detecção e reconhecimento de padrões visuais. Este trabalho propõe uma abordagem para modificar a estrutura interna de redes profundas, com foco na profundidade e largura das redes, utilizando uma metaheurística bioinspirada no comportamento de uma população de morcegos. A proposta visa ajustar arquiteturas da literatura para um problema específico de classificação de raças bovinas, contribuindo para maior eficiência computacional e melhor desempenho. A partir de dois modelos bem estabelecidos (VGGNet e DenseNet), o algoritmo foi capaz de gerar versões otimizadas com desempenho superior ou aproximado ao dos modelos originais. A VGGNet ajustada apresentou o melhor resultado, alcançando maior acurácia média nos conjuntos de validação e teste, além de uma expressiva redução no custo computacional, por exemplo. Os testes realizados evidenciam que o algoritmo proposto é eficaz na criação de arquiteturas mais leves e precisas, adaptadas ao problema de interesse. Apesar dos avanços, o método ainda apresenta limitações, como o elevado tempo de execução decorrente do número de treinos exigidos, e a sensibilidade estrutural das redes utilizadas. Ainda assim, a abordagem mostra potencial de expansão para outras tarefas de Visão Computacional, como detecção e segmentação de objetos. Palavras-Chave Classificação de imagens. Redes Neurais. Otimização. Algoritmos bioinspirados. Pecuária de Precisão.