DEFINIÇÃO DE PROTOCOLO DE COLETA DE DADOS PARA DESENVOLVIMENTO DE FERRAMENTA TECNOLÓGICA DE IDENTIFICAÇÃO DE DOR EM EQUINOS PELA HORSE GRIMACE SCALE (HGS)

INTRODUÇÃO: O bem-estar animal (BEA) pode influenciar em diversos aspectos relacionados diretamente ao animal e no seu comportamento diante do ambiente que vive. Para estimá-lo, pesquisadores frequentemente examinam indicadores comportamentais e fisiológicos que sugerem a normalidade em condições específicas para cada espécie. Neste sentido novas tecnologias de Inteligência Artificial (IA) oferecem resultados promissores no reconhecimento automatizado de expressões faciais relacionadas a dor, por exemplo, a partir de imagens. OBJETIVOS: Este projeto buscou esclarecer alguns pontos importantes para ampliar o conhecimento científico acerca dos procedimentos considerados no estabelecimento de um dataset voltado para a aplicação de modelo de inteligência artificial (IA) que contribuirá para o conhecimento do comportamento animal relacionado a dor na área de Medicina Veterinária, padronizando as premissas básicas necessárias de coleta de composição de dataset de imagens para possibilitar o treinamento de um modelo de IA para automaticamente classificar a presença ou não de dor em equinos. MATERIAIS E MÉTODO: O presente estudo foi aprovado pelo Comitê de Ética em Uso Animal da PUCPR (02023) e os animais que participaram do projeto pertencem ao rebanho experimental da Fazenda Experimental Gralha Azul. Para constituição do dataset do projeto, foram coletados vídeos das regiões laterais direita, esquerda e frontal da face de sete equinos, os quais foram posicionados individualmente no tronco de contenção. RESULTADOS: Andersen e colaboradores (2021) colocam que os cenários multicâmera são ideais, especialmente se ambos os lados da face possam ser codificados, ponto que neste trabalho também se considerou no delineamento do processo de aquisição de vídeos utilizando-se de forma simultânea cinco diferentes posições de coleta. A coleta de vídeos gerou arquivos com dimensões de 640X480 pixels, com 30 quadros por segundo (fps) para compor o dataset, uma vez que a extração de frames nos menores intervalos de tempo possíveis possibilita a obtenção de grandes volumes de imagens a serem utilizadas no treinamento do algoritmo. Corujo et al. (2021) descrevem que a altura de 200 pixels mantendo a proporção original é um tamanho de arquivo ideal e suficiente para este fim. Andersen et al. (2021) descrevem que 224×224 pixels e 25 fps são condições suficientes para se gerar um bom material para a execução da programação da ferramenta digital de identificação de dor de equinos pela expressão facial.
CONSIDERAÇÕES FINAIS: Este projeto abordou um tema com diversas nuances de atuação e de oportunidades de seguimento de pesquisa. A utilização de sistemas inteligentes de avaliação da dor em animais tem ganhado importância nas pesquisas acadêmicas e grandes cobranças na busca do BEA na Medicina Veterinária são observadas.

PALAVRAS-CHAVE: Dataset; Equinos; HGS; Inteligência artificial.