Innovations in Animal Recognition and Detection: A Literature Review with Emphasis on Neural Networks and Machine Learning
Abstract
The development of new forms of animal recognition in agriculture is challenging and can be considered complex to implement. This article aims to provide a systematic review of the application of convolutional neural networks and machine learning in image recognition of animals. Data were collected from a bibliometric study to map academic production, using the Web of Science (WoS) platform and the Bibliometrix package of R software. With this research, it was possible to observe the use of neural networks in livestock and their effectiveness in predicting the production and characteristics of the animals.
Keywords:
Convolutional Neural Networks, Machine Learning, Animal Recognition
References
Achour, B., Belkadi, M., Filali, I., Laghrouche, M., e Lahdir, M. (2020). Análise de imagem para identificação individual e monitoramento do comportamento alimentar de vacas leiteiras com base em redes neurais convolucionais (CNN). Biosystems Engineering, 198:31–49.
Andersen, P. H., Broomé, S., Rashid, M., Lundblad, J., Ask, K., Li, Z., Hernlund, E., Rhodin, M., e Kjellström, H. (2021). Rumo ao reconhecimento por máquina de expressões faciais de dor em cavalos. Animals, 11(6):1643.
Barbedo, J. G. A., Koenigkan, L. V., Santos, T. T., e Santos, P. M. (2019). Um estudo sobre a detecção de gado em imagens de veículos aéreos não tripulados usando aprendizado profundo. Sensors, 19(24):5436.
Chen, C., Zhu, W., Steibel, J., Siegford, J., Wurtz, K., Han, J., e Norton, T. (2020). Reconhecimento de episódios de agressão em suínos com base em redes neurais convolucionais e memória de longo prazo. Computers and Electronics in Agriculture, 169:105166.
de Silva, E. M., Kumarasinghe, P., Indrajith, K. K., Pushpakumara, T. V., Vimukthi, R. D., de Zoysa, K., Gunawardana, K., e de Silva, S. (2022). Viabilidade do uso de redes neurais convolucionais para a identificação individual de elefantes asiáticos selvagens. Mammalian Biology, 102(3):931–941.
Dumoulin, V. and Visin, F. (2016). Um guia para a aritmética de convolução para aprendizado profundo. arXiv preprint arXiv:1603.07285.
Ferraz, E. d. O. (2015). Composição química e atividade biológica de espécies de Nectandra e Stevia rebaudiana.
Geffen, O., Yitzhaky, Y., Barchilon, N., Druyan, S., e Halachmi, I. (2020). Um sistema de visão computacional para detectar e contar poedeiras em gaiolas de bateria. Animal, 14(12):2628–2634.
Hansen, M. F., Baxter, E. M., Rutherford, K. M., Futro, A., Smith, M. L., e Smith, L. N. (2021). Rumo ao reconhecimento de expressões faciais de dor em suínos para avaliação do bem-estar no local. Agricultura, 11(9):847.
Hansen, M. F., Smith, M. L., Smith, L. N., Salter, M. G., Baxter, E. M., Farish, M., e Grieve, B. (2018). Rumo ao reconhecimento facial de porcos no local usando redes neurais convolucionais. Computers in Industry, 98:145–152.
Li, D., Chen, Y., Zhang, K., e Li, Z. (2019). Reconhecimento de comportamento de montagem para suínos com base em aprendizado profundo. Sensors, 19(22):4924.
Nasirahmadi, A., Sturm, B., Edwards, S., Jeppsson, K.-H., Olsson, A.-C., Mu ̈ller, S., e Hensel, O. (2019). Abordagens de aprendizado profundo e visão computacional para a detecção de postura de porcos individuais. Sensors, 19(17):3738.
Neves, L. A. P., Jesus, A., Otemaier, K. R., Feger, J. E., da Costa, M. V., e da Silveira, R. D. (2022). Nexos entre visão computacional e computação afetiva para o desenvolvimento da robótica. Brazilian Journal of Development, 8(4):24991–25005.
Oliveira, P. D. S. d. (2019). Uso de aprendizado de máquina e redes neurais convolucionais profundas para a classificação de áreas queimadas em imagens de alta resolução espacial.
Pereira, L.G.R., Paiva, C.A.V., Ribas, M.N., e Ferreira, A.L. (2015). Pecuária leiteira de precisão: conceitos e tecnologias disponíveis. Zootecnia de Precisão em Bovinocultura de Leite. Cadernos Técnicos de Veterinária e Zootecnia, (79):10.
Redmon, J., Divvala, S., Girshick, R., e Farhadi, A. (2016). Você só olha uma vez: detecção unificada em tempo real de objetos. Em Atas da Conferência de Visão por Computador e Reconhecimento de Padrões da IEEE, páginas 779–788.
Salau, J. and Krieter, J. (2020). Segmentação de instância com Mask R-CNN aplicada a vacas leiteiras em alojamentos soltos em configuração multi-câmera. Animals, 10(12):2402.
Shah, S. Z. H., Rauf, H. T., Ikram Ullah, M., Khalid, M. S., Farooq, M., Fatima, M., e Bukhari, S. A. C. (2019). Conjunto de dados de espécies de peixes do Paquistão para classificação com base em características visuais. Data in Brief, 27:104565.
Taheri, S. e Toygar, Ö. (2018). Classificação de animais usando imagens faciais com fusão de níveis de pontuação. IET Computer Vision, 12(5):679–685.
Teoh, L., Ihalage, A. A., Harp, S., F. Al-Khateeb, Z., Michael-Titus, A. T., Tremoleda, J. L., e Hao, Y. (2022). Aprendizado profundo para classificação de comportamento em um modelo de lesão cerebral pré-clínica. PLoS One, 17(6):e0268962.
Turco, S. H. N. (2019). Ferramentas para o monitoramento de respostas comportamentais, fisiológicas e de desempenho animal em campo.
Vargas, A. C. G., Paes, A., e Vasconcelos, C. N. (2016). Um estudo sobre redes neurais convolucionais e sua aplicação na detecção de pedestres. Em Atas da XXIX Conferência de Gráficos, Padrões e Imagens, volume 1.
Wutke, M., Schmitt, A. O., Traulsen, I., e Gültas, M. (2020). Investigação da atividade de porcos com base em dados de vídeo e redes neurais semi-supervisionadas. AgriEngineering, 2(4):581–595.
Andersen, P. H., Broomé, S., Rashid, M., Lundblad, J., Ask, K., Li, Z., Hernlund, E., Rhodin, M., e Kjellström, H. (2021). Rumo ao reconhecimento por máquina de expressões faciais de dor em cavalos. Animals, 11(6):1643.
Barbedo, J. G. A., Koenigkan, L. V., Santos, T. T., e Santos, P. M. (2019). Um estudo sobre a detecção de gado em imagens de veículos aéreos não tripulados usando aprendizado profundo. Sensors, 19(24):5436.
Chen, C., Zhu, W., Steibel, J., Siegford, J., Wurtz, K., Han, J., e Norton, T. (2020). Reconhecimento de episódios de agressão em suínos com base em redes neurais convolucionais e memória de longo prazo. Computers and Electronics in Agriculture, 169:105166.
de Silva, E. M., Kumarasinghe, P., Indrajith, K. K., Pushpakumara, T. V., Vimukthi, R. D., de Zoysa, K., Gunawardana, K., e de Silva, S. (2022). Viabilidade do uso de redes neurais convolucionais para a identificação individual de elefantes asiáticos selvagens. Mammalian Biology, 102(3):931–941.
Dumoulin, V. and Visin, F. (2016). Um guia para a aritmética de convolução para aprendizado profundo. arXiv preprint arXiv:1603.07285.
Ferraz, E. d. O. (2015). Composição química e atividade biológica de espécies de Nectandra e Stevia rebaudiana.
Geffen, O., Yitzhaky, Y., Barchilon, N., Druyan, S., e Halachmi, I. (2020). Um sistema de visão computacional para detectar e contar poedeiras em gaiolas de bateria. Animal, 14(12):2628–2634.
Hansen, M. F., Baxter, E. M., Rutherford, K. M., Futro, A., Smith, M. L., e Smith, L. N. (2021). Rumo ao reconhecimento de expressões faciais de dor em suínos para avaliação do bem-estar no local. Agricultura, 11(9):847.
Hansen, M. F., Smith, M. L., Smith, L. N., Salter, M. G., Baxter, E. M., Farish, M., e Grieve, B. (2018). Rumo ao reconhecimento facial de porcos no local usando redes neurais convolucionais. Computers in Industry, 98:145–152.
Li, D., Chen, Y., Zhang, K., e Li, Z. (2019). Reconhecimento de comportamento de montagem para suínos com base em aprendizado profundo. Sensors, 19(22):4924.
Nasirahmadi, A., Sturm, B., Edwards, S., Jeppsson, K.-H., Olsson, A.-C., Mu ̈ller, S., e Hensel, O. (2019). Abordagens de aprendizado profundo e visão computacional para a detecção de postura de porcos individuais. Sensors, 19(17):3738.
Neves, L. A. P., Jesus, A., Otemaier, K. R., Feger, J. E., da Costa, M. V., e da Silveira, R. D. (2022). Nexos entre visão computacional e computação afetiva para o desenvolvimento da robótica. Brazilian Journal of Development, 8(4):24991–25005.
Oliveira, P. D. S. d. (2019). Uso de aprendizado de máquina e redes neurais convolucionais profundas para a classificação de áreas queimadas em imagens de alta resolução espacial.
Pereira, L.G.R., Paiva, C.A.V., Ribas, M.N., e Ferreira, A.L. (2015). Pecuária leiteira de precisão: conceitos e tecnologias disponíveis. Zootecnia de Precisão em Bovinocultura de Leite. Cadernos Técnicos de Veterinária e Zootecnia, (79):10.
Redmon, J., Divvala, S., Girshick, R., e Farhadi, A. (2016). Você só olha uma vez: detecção unificada em tempo real de objetos. Em Atas da Conferência de Visão por Computador e Reconhecimento de Padrões da IEEE, páginas 779–788.
Salau, J. and Krieter, J. (2020). Segmentação de instância com Mask R-CNN aplicada a vacas leiteiras em alojamentos soltos em configuração multi-câmera. Animals, 10(12):2402.
Shah, S. Z. H., Rauf, H. T., Ikram Ullah, M., Khalid, M. S., Farooq, M., Fatima, M., e Bukhari, S. A. C. (2019). Conjunto de dados de espécies de peixes do Paquistão para classificação com base em características visuais. Data in Brief, 27:104565.
Taheri, S. e Toygar, Ö. (2018). Classificação de animais usando imagens faciais com fusão de níveis de pontuação. IET Computer Vision, 12(5):679–685.
Teoh, L., Ihalage, A. A., Harp, S., F. Al-Khateeb, Z., Michael-Titus, A. T., Tremoleda, J. L., e Hao, Y. (2022). Aprendizado profundo para classificação de comportamento em um modelo de lesão cerebral pré-clínica. PLoS One, 17(6):e0268962.
Turco, S. H. N. (2019). Ferramentas para o monitoramento de respostas comportamentais, fisiológicas e de desempenho animal em campo.
Vargas, A. C. G., Paes, A., e Vasconcelos, C. N. (2016). Um estudo sobre redes neurais convolucionais e sua aplicação na detecção de pedestres. Em Atas da XXIX Conferência de Gráficos, Padrões e Imagens, volume 1.
Wutke, M., Schmitt, A. O., Traulsen, I., e Gültas, M. (2020). Investigação da atividade de porcos com base em dados de vídeo e redes neurais semi-supervisionadas. AgriEngineering, 2(4):581–595.
Published
2023-10-19
How to Cite
NOLÊTO, Raquel M. A.; NOLÊTO, Carleandro; SANTOS, Natanael P. S.; MADEIRA, Aline M. A..
Innovations in Animal Recognition and Detection: A Literature Review with Emphasis on Neural Networks and Machine Learning. In: UNIFIED COMPUTING MEETING OF PIAUÍ (ENUCOMPI), 16. , 2023, Piripiri/PI.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 33-40.
DOI: https://doi.org/10.5753/enucompi.2023.26614.
