Seu rebanho pode estar com febre — e essa IA consegue detectar por uma simples foto

Câmeras térmicas e visão computacional permitem monitorar a saúde do rebanho sem estresse, ajudando o produtor a detectar doenças mais cedo e tomar decisões com maior precisão.
A evolução da pecuária moderna passa, cada vez mais, pelo uso de tecnologias capazes de antecipar problemas sanitários, reduzir custos operacionais e melhorar o bem-estar animal. Nesse cenário, pesquisadores desenvolveram uma ferramenta baseada em inteligência artificial que promete mudar a forma como a saúde do rebanho é monitorada: o sistema consegue estimar a temperatura corporal do gado apenas a partir de uma imagem. Batizada de CattleFever, a tecnologia foi criada pelo Laboratório de Inteligência Artificial e Visão Computacional da Universidade do Arkansas e representa um passo importante rumo à automação do manejo sanitário. O estudo que descreve a ferramenta foi publicado na revista científica Smart Agricultural Technology, reforçando o potencial da inovação para aplicações práticas no campo. window._taboola = window._taboola || []; _taboola.push({mode:'thumbnails-mid', container:'taboola-mid-article-thumbnails', placement:'Mid Article Thumbnails', target_type: 'mix'});

Clique aqui para seguir o canal do CompreRural no Whatsapp

A liderança científica do projeto ficou a cargo de Trong Thang Pham, doutorando da Universidade de Alberta. O laboratório responsável é dirigido por Ngan Le, professor associado de engenharia elétrica e ciência da computação, cuja linha de pesquisa inclui imagens médicas, robótica e visão computacional — áreas que vêm sendo rapidamente incorporadas ao agronegócio. Hoje, o método mais comum para aferir a temperatura do gado ainda é o termômetro retal, uma prática considerada precisa, porém trabalhosa e potencialmente estressante para os animais. Com o CattleFever, a proposta é diferente: utilizar câmeras térmicas combinadas a algoritmos de inteligência artificial para obter uma estimativa confiável da temperatura corporal. Os principais benefícios potenciais incluem:

Menor estresse para os animais, já que não há necessidade de contenção física;

Redução da mão de obra, especialmente em propriedades com grandes rebanhos;

Detecção precoce de doenças, permitindo tratamentos mais rápidos;

Prevenção de surtos sanitários, que podem gerar prejuízos significativos.

Na prática, trata-se de um avanço alinhado à chamada pecuária de precisão, tendência global que aposta em sensores, automação e análise de dados para aumentar eficiência produtiva. Para que um sistema de inteligência artificial funcione com precisão, é essencial alimentá-lo com grandes volumes de dados. E esse foi um dos primeiros obstáculos enfrentados pela equipe. Embora existam bancos de imagens para animais como cães, gatos, cavalos e ovelhas, o material disponível para bovinos era limitado. O principal conjunto existente, chamado CattleEyeView, continha apenas imagens aéreas utilizadas para rastreamento de rebanhos — insuficientes para identificar sinais fisiológicos. Além disso, a maioria das bases continha apenas fotos RGB (coloridas), enquanto o novo projeto também exigia imagens térmicas, capazes de captar variações de temperatura. A solução foi criar um banco de dados próprio. Os pesquisadores coletaram dados de milhares de bezerros no Complexo de Pesquisa Savoy, ligado à Estação Experimental Agrícola do Arkansas. O protocolo seguiu etapas rigorosas:

Cada animal foi mantido em curral;

Foram gravados 20 segundos de vídeo convencional e 20 segundos de imagens térmicas;

A temperatura real foi registrada com termômetro retal para servir como referência científica.

Depois disso, as imagens RGB foram vinculadas às térmicas em ambiente computacional. A equipe marcou 13 pontos faciais estratégicos, incluindo:

olhos

narinas

orelhas

focinho

boca

Inicialmente, 600 imagens foram anotadas manualmente. Esse material treinou o algoritmo, que posteriormente rotulou automaticamente outras 4.000 imagens, formando o conjunto de dados chamado CattleFace-RGBT. O sistema resultante passou a localizar automaticamente o rosto do bezerro e identificar suas características tanto em imagens convencionais quanto térmicas. Após diversos testes — conhecidos como estudos de ablação, que avaliam diferentes combinações de variáveis — os pesquisadores fizeram uma descoberta relevante. As temperaturas medidas nos olhos e nas narinas apresentaram a maior correlação com a leitura do termômetro retal. Com isso, o algoritmo passou a focar nessas regiões para calcular a temperatura corporal. Para interpretar os dados, foram testadas várias técnicas de aprendizado de máquina. A abordagem mais eficiente foi a regressão por floresta aleatória, método que utiliza múltiplas árvores de decisão treinadas com diferentes partes dos dados. Esse modelo reduz ruídos estatísticos e aumenta a confiabilidade dos resultados — fator crucial quando se trata de saúde animal. O desempenho chamou atenção: 👉 O CattleFever conseguiu estimar a temperatura com margem de erro de aproximadamente 1°C em relação ao termômetro tradicional. Apesar dos resultados promissores, os testes ocorreram com os animais posicionados de frente para a câmera — uma condição controlada. O próximo desafio é adaptar a tecnologia para o ambiente real das fazendas. Segundo Pham, será necessário capturar imagens em situações naturais: Isso significa ensinar o sistema a reconhecer rostos bovinos em diferentes ângulos, distâncias e condições de iluminação — um passo essencial antes da adoção comercial. Em uma decisão estratégica para impulsionar o avanço científico, os pesquisadores da Universidade de Alberta disponibilizaram publicamente o banco de dados CattleFace-RGBT. A iniciativa permite que outros cientistas aprimorem o modelo e desenvolvam soluções aplicáveis ao dia a dia das fazendas. Embora ainda esteja em fase de desenvolvimento, a tecnologia aponta para um futuro em que câmeras inteligentes poderão monitorar automaticamente a saúde do rebanho, possivelmente integradas a:

sistemas de gestão pecuária

sensores de comportamento

balanças digitais

softwares de rastreabilidade

Para propriedades com milhares de cabeças — realidade cada vez mais comum — ferramentas assim podem representar ganhos relevantes em produtividade e biossegurança.