Institucional

Todos os campi

Pesquisadores desenvolvem método automatizado e de baixo custo para avaliar gordura em carcaças bovinas

25/11/2025

O estudo Modelo de Rede Neural Convolucional para Quantificação da Gordura Subcutânea em Carcaças Bovinas utilizando Imagem 2D, conduzido no Programa de Pós-Graduação em Zootecnia da UFV, resultou em um método automatizado para estimar a gordura de cobertura em carcaças bovinas. A inovação utiliza sensores de baixo custo e técnicas de visão computacional, e oferecem, assim, uma alternativa eficiente aos métodos tradicionais de avaliação, que são subjetivos, dependem da experiência do avaliador e, muitas vezes, envolvem procedimentos invasivos. Os resultados do trabalho têm aplicações diretas na indústria de processamento de carne e em programas de melhoramento genético, ao reduzir a subjetividade e permitir avaliações mais rápidas e padronizadas.

Segundo a pesquisadora Nathalia Farias de Souza, orientada pelos professores Érica Beatriz Schultz e Mário Luiz Chizzotti, o trabalho surgiu da necessidade de aprimorar a padronização das análises de qualidade da carne, especialmente em indústrias frigoríficas. Ela explica que a mensuração da gordura de cobertura em carcaças bovinas é fundamental para determinar a qualidade da carne e o valor comercial do animal.

De acordo com Natália, a gordura de cobertura das carcaças influencia toda a cadeia produtiva, pois determina qualidade, rendimento e valor da carcaça. Quando está adequada, melhora a maciez, reduz perdas por resfriamento e aumenta o preço pago ao produtor. Quando está insuficiente, gera perdas econômicas, carne dura e menor rendimento industrial. Quando excessiva, aumenta o custo de produção, gera descontos no frigorífico e desperdício de energia do animal. Assim, o nível de gordura afeta produtor, indústria e consumidor, influenciando eficiência, custos e qualidade final da carne. “Até agora, os métodos convencionais variavam conforme o avaliador e o ambiente, o que dificultava comparações e o uso em larga escala. Nosso objetivo foi desenvolver um método automatizado, e não destrutivo, utilizando sensores de baixo custo”, afirma Nathalia.

A inteligência artificial como aliada

Para realizar o trabalho, os pesquisadores utilizaram câmeras comuns para capturar imagens bidimensionais (2D) das carcaças e aplicaram redes neurais convolucionais, especialmente o modelo YOLOv11, para identificar e segmentar automaticamente regiões de interesse, como a carcaça, o músculo exposto e o epimísio. A partir dessas segmentações, foi possível calcular descritores morfológicos e estimar, com alta precisão, a quantidade de gordura de cobertura.

De acordo com os pesquisadores, a principal novidade foi demonstrar que câmeras simples, quando combinadas com algoritmos de aprendizado de máquina, podem gerar resultados robustos e acessíveis.

“As métricas do modelo, com precisão e recall acima de 0,9, comprovam a viabilidade de empregar imagens 2D na avaliação de carcaças em ambientes reais, como frigoríficos, onde há pouca padronização de iluminação e posicionamento”, destaca a professora Érica Schultz. A tecnologia também pode facilitar a criação de sistemas automáticos de classificação de carcaças em tempo real, aumentando a eficiência da cadeia produtiva.

O trabalho encontra-se em fase de ajustes finais no código para a execução completa do processo. Para isso, está sendo implementado um código em linguagem Python, responsável por aplicar automaticamente os modelos de segmentação nas imagens, extrair as máscaras correspondentes às regiões de interesse e calcular a razão entre a área segmentada de gordura e a área total da carcaça. Esse procedimento possibilita a quantificação objetiva da cobertura de gordura a partir da análise computacional das imagens.

Impacto para a cadeia da carne e para a ciência

Além dos impactos práticos, o estudo contribui para o avanço científico da zootecnia ao expandir o uso de visão computacional e inteligência artificial na análise fenotípica de animais. “Esse tipo de abordagem pode apoiar políticas públicas voltadas à modernização dos sistemas de inspeção e classificação de carcaças, que no Brasil ainda carecem de padronização nacional”, avalia o professor Mário Chizzotti. Ele ressalta que o estudo representa um avanço importante rumo à digitalização da pecuária de corte e reforça o papel da UFV como referência nacional em pesquisa e inovação no setor agropecuário.

Os resultados do trabalho foram apresentados e premiados no 34º Congresso Brasileiro de Zootecnia (Zootec 2025), realizado em outubro, em Salvador (BA). O estudo foi desenvolvido no âmbito do projeto financiado pela Fundação de Apoio à Perquisa no Estado de Minas Gerais (Fapemig) – Rede de Inteligência Artificial Aplicada à Pecuária Digital, em parceria com o Instituto Nacional de Ciência e Tecnologia (INCT) - Ciência Animal e o iData/UFV.

A pesquisa destacada nesta matéria está alinhada aos objetivos 9 (Indústria, Inovação e Infraestrutura) e 12 (Consumo e Produção Responsáveis) dos Objetivos do Desenvolvimento Sustentável (ODS)