AnimalMotionViz: Uma Nova Ferramenta para Análise do Comportamento de Vacas

O bem-estar e a produtividade das vacas leiteiras que ficam em lugares apertados dependem muito das condições de vida delas. Observar o comportamento das vacas ajuda a gente a entender como o ambiente afeta a saúde delas. Por exemplo, o tempo que as vacas passam descansando e se alimentando pode mudar dependendo de quantas vacas estão em um curral ou perto da área de alimentação. O espaço que as vacas têm disponível impacta como elas descansam e usam diferentes áreas no curral. Mas a pesquisa sobre como o espaço afeta vacas adultas é limitada, talvez por causa da dificuldade em medir como diferentes práticas de manejo influenciam o uso do espaço.

Muita da pesquisa que já foi feita focou em comportamentos individuais, com menos atenção em como grupos de vacas se movem ou usam seu espaço. Aprender mais sobre como as vacas utilizam o espaço do curral pode ajudar a melhorar o manejo e o bem-estar animal. Por exemplo, entender quais áreas os bezerros gostam de ficar pode ajudar a tomar decisões melhores sobre o design do curral. Acompanhar como as vacas se agrupam também pode revelar insights sobre como o design do estábulo e fatores ambientais influenciam o comportamento delas.

O comportamento em grupo das vacas pode mudar com a temperatura, indicando como elas reagem ao estresse do calor ou do frio. Além disso, fatores individuais como a posição social ou dor também podem afetar como as vacas se movem. Por exemplo, uma vaca com dor pode procurar abrigo com mais frequência após um procedimento doloroso, como o desbaste.

Acompanhar o movimento e o uso do espaço das vacas pode oferecer novas informações valiosas para melhorar as práticas de manejo de gado. No entanto, medir esses dados é desafiador porque é difícil monitorar visualmente todos os animais ao mesmo tempo. A agricultura de precisão envolve o uso de tecnologia para monitorar os animais e coletar dados sobre eles individualmente. Uma das técnicas usadas nesse campo é a Visão Computacional, que analisa gravações de vídeo de câmeras. Estudos recentes utilizaram a visão computacional para criar representações visuais dos padrões de movimento das vacas.

Apesar do potencial, há pouca literatura sobre o uso da visão computacional para rastrear como as vacas usam o espaço. Uma grande barreira tem sido a falta de ferramentas de software acessíveis. Portanto, o objetivo foi criar um software de visão computacional fácil de usar que ajude a rastrear e visualizar como os animais se movem.

#Visão Geral da Ferramenta de Software

A ferramenta, chamada AnimalMotionViz, é feita inteiramente em Python, aproveitando a natureza amigável da linguagem para criar uma aplicação simples. O software tem uma interface gráfica (GUI) que permite que os usuários interajam facilmente com a ferramenta. Ela é dividida em duas seções: uma para entrada e outra para saída. A seção de entrada permite que os usuários carreguem Vídeos, escolham esquemas de cores e ajustem configurações de processamento. Para evitar limitações no tamanho do arquivo de vídeo, foi usado um componente diferente que permite uploads maiores, desde que haja espaço em disco disponível. Após o upload do vídeo, o software processa e apresenta os resultados na seção de saída.

A seção de saída do AnimalMotionViz tem duas abas principais e uma tabela de resumo. Uma aba mostra uma imagem de Mapa de calor do movimento das vacas, destacando as áreas mais ativas, enquanto a outra aba reproduz um vídeo mostrando o mesmo mapa de calor em movimento. A tabela de resumo apresenta métricas detalhadas sobre os Movimentos das vacas.

O desenvolvimento do AnimalMotionViz utiliza várias bibliotecas e frameworks para garantir que o software funcione de forma eficiente. A interface amigável é criada usando Dash, que é um framework Python que ajuda na construção de aplicações web interativas. Vários componentes auxiliam no upload de grandes arquivos de vídeo, no processamento de dados de vídeo e na análise de padrões de movimento.

#Processamento do Movimento Animal

Os usuários podem começar a usar o software carregando seus arquivos de vídeo em diferentes formatos suportados. Eles também têm a opção de especificar uma imagem de máscara que se concentra em uma área específica do vídeo, caso queiram rastrear apenas uma seção específica. Esta etapa ajuda a refinar a análise e fornece resultados mais relevantes.

O vídeo carregado é dividido em quadros individuais, e um processo chamado subtração de fundo é usado para detectar o movimento dos animais. Essa técnica separa os animais em movimento do fundo estático. O software permite que os usuários escolham entre vários algoritmos que ajudam a identificar o movimento, cada um com diferentes pontos fortes em diferentes condições de iluminação e fundos.

O principal algoritmo utilizado é o Mixture of Gaussians (MOG2), que se adapta às mudanças no fundo ao longo do tempo e pode lidar com diferentes iluminações. Outros algoritmos também ajudam a distinguir com precisão entre objetos em movimento e estáticos.

Os usuários podem ajustar configurações para determinar com que frequência o software processa os quadros e escolher o tamanho da área usada para filtrar ruídos do movimento detectado, garantindo uma representação de movimento mais clara. O software permite personalizar a visualização do movimento detectado usando diferentes mapas de cores.

Uma vez que o vídeo é processado, o software gera uma imagem de mapa de calor que ilustra as áreas onde as vacas estavam mais ativas. Ele também marca os três locais mais ativos no mapa de calor para fácil identificação. Um vídeo exibindo esses movimentos ao longo do tempo também pode ser criado e visualizado diretamente dentro do aplicativo.

#Analisando o Comportamento das Vacas

Para testar o software, os pesquisadores usaram vídeos de vacas jovens em grupos. Esses vídeos foram gravados ao longo de um período de 24 horas e tinham como objetivo capturar como as vacas usavam o espaço do curral. Observadores assistiram ao material e anotaram quanto tempo cada vaca passou em diferentes áreas, deitada, em pé ou se movendo.

Os resultados mostraram que as áreas com mais movimento coincidiam com onde as vacas passavam mais tempo. Por exemplo, um vídeo destacou o quadrante superior esquerdo do curral como a área mais ativa, correspondendo às observações de onde as vacas passavam mais tempo. Essa consistência entre a saída do software e as observações diretas indicou que o AnimalMotionViz rastreava com precisão o comportamento das vacas.

Os mapas de calor do software mostram visualmente quais áreas do curral foram mais e menos utilizadas, fornecendo insights valiosos sobre como as vacas usam seu espaço. Cores mais quentes no mapa de calor representam mais movimento, enquanto cores mais frias indicam menos ou nenhum movimento. Cada mapa de calor identificou não apenas as áreas movimentadas, mas também as partes menos frequentadas do curral, que podem informar melhores escolhas de design para habitação das vacas.

#Conclusão

O AnimalMotionViz é uma ferramenta útil para monitorar e analisar como as vacas leiteiras se movem e usam seu espaço de vida. Ao empregar visão computacional e oferecer uma interface fácil de navegar, ele simplifica o processo de rastreamento do comportamento animal e apresenta os dados de forma clara. A saída pode ajudar os gerentes de gado a entender como as vacas interagem com seu ambiente, o que pode levar a melhorias no design da habitação e no bem-estar animal.

Com o desenvolvimento de ferramentas como o AnimalMotionViz, pesquisadores e agricultores podem estudar melhor a relação entre a alocação de espaço e o comportamento das vacas, levando a práticas de manejo aprimoradas na pecuária leiteira. A melhoria contínua de tecnologias como essa apoia a evolução do manejo de gado, com o objetivo final de melhorar as condições para os animais e a eficiência das operações agrícolas.