A avaliação do estado nutricional das plantas de milho usualmente é feita através de análises químicas ou pela diagnose visual das folhas da planta, esta última, sujeita a erros de interpretação já que a ausência de algum nutriente na planta gera um padrão de mudança específico na superfície da folha que depende do nível de ausência do nutriente. As dificuldades que apresentam neste processo e sua importância na agricultura, criam a necessidade de pesquisar sistemas automáticos para a avaliação do estado nutricional de plantas. Desta forma, este mestrado teve como objetivo principal o desenvolvimento de um sistema de visão artificial para verificar a possibilidade de identificação de níveis dos macronutrientes Cálcio, Enxofre, Magnésio, Nitrogênio e Potássio em plantas de milho através da análise da superfície das folhas usando métodos de visão computacional. Este projeto realiza uma revisão bibliográfica do estado da arte dos métodos de extração de características de cor, textura em escala de cinza e textura colorida utilizadas em processamento de imagens. A alta similaridade entre os sintomas produzidos pelas deficiências e a pouca similaridade entre amostras de uma mesma deficiência motivou o desenvolvimento de novos métodos de extração de características que pudessem fornecer dados necessários para uma correta separação entre as classes. Os resultados obtidos demonstraram que o sistema desenvolvido possibilita a predição de deficiências nutricionais em estágios iniciais do crescimento da planta usando unicamente a textura da superfície da folha como fonte de informação / The evaluation of the nutritional status of corn plants is usually done through chemical analysis or by visual diagnosis of the plant leaves. Visual diagnosis is subject to misinterpretation as the lack of some nutrient in the plant generates a specific pattern of change in the leaf surface that depends on the degree on which the nutrient is absent on the plant. The difficulties present in this process and its importance in agriculture creates the necessity to search automated systems for the assessment of nutritional status of plants. Thus, this dissertation had as main objective the development of an artificial vision system to verify the possibility of identifying levels of macronutrients calcium, sulfur, magnesium, potassium and nitrogen in corn plants by analyzing the surface of the leaves using computer vision methods. This project performs a review of the literature of the state of the art methods for feature extraction of color, grayscale and colored texture used in image processing. The high similarity between the symptoms caused by deficiencies and low similarity between samples of the same deficiency motivated the development of new methods for extracting features that could provide the data needed for a correct separation between classes. The results showed that the system enables the prediction of nutritional deficiencies in an initial stage of plant growth using only texture of the leaf surface as a source of information

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-04-26T12:41:45Z No. of bitstreams: 1 leandroluizrezendedeoliveira.pdf: 11529978 bytes, checksum: 0d088d792c8861423c02cd09cfcdc538 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-04-26T13:54:24Z (GMT) No. of bitstreams: 1 leandroluizrezendedeoliveira.pdf: 11529978 bytes, checksum: 0d088d792c8861423c02cd09cfcdc538 (MD5) / Made available in DSpace on 2017-04-26T13:54:24Z (GMT). No. of bitstreams: 1 leandroluizrezendedeoliveira.pdf: 11529978 bytes, checksum: 0d088d792c8861423c02cd09cfcdc538 (MD5) Previous issue date: 2013-11-11 / O objetivo do presente trabalho é apresentar o desenvolvimento de um controle de trajetória para robôs móveis baseado em visão computacional, implementado no Framework ROS (Robotic Operating System). O ambiente do futebol de robôs foi utilizado como plataforma de teste da metodologia proposta. Para executar essa tarefa foi desenvolvido um algoritmo para o sistema de visão robótica, capaz de executar a calibração do sistema de captura de imagens e a identificação dos robôs no campo de acordo com a forma e a cor das etiquetas de identificação através da biblioteca OpenCV, a qual é integrada na estrutura fornecida pelo ROS. Os algoritmos elaborados de visão computacional, controle de alto nível e controle de baixo nível foram estruturados conforme as diretrizes do ROS, sendo assim denominados de nós. Os algoritmos de alto nível responsáveis pelo controle de trajetória, tratamento de imagem e controle são executados em um computador desktop ou notebook, ao passo que o algoritmo de baixo nível para controle é executado em uma plataforma Arduino embarcada no robô. O computador ou notebook e a plataforma Arduino embarcadas nos robôs trocam informações entre si de forma distribuída utilizando tópicos que interligam os nós e transmitem mensagens utilizando o padrão Publisher/Subscriber. Ainda é abordado o desenvolvimento do robô diferencial proposto, com seus dispositivos de controle, comunicação e tração. / The goal of this work is to present the development of a path control for mobile robots based on computer vision, implemented in ROS (Robotic Operating System) Framework. The robot soccer environment was used as test platform for the proposed methodology. To accomplish this task was developed an algorithm to the robotic vision system, able to perform the calibration of image capture system and the identification of robots in the field according to the shape and color identification labels through the OpenCV library, which is integrated into the structure provided by ROS. The algorithms developed for computer vision, high-level control and low-level control were structured according to the guidelines of the ROS, therefore called nodes. The algorithms responsible for the high-level path control, image processing and control are performed on a desktop computer or notebook, while the algorithm for low-level control is running on a platforms Arduino embedded in the robots. The computer or notebook and embedded platform Arduino exchange informations among themselves in a distributed manner using topics, interconnecting nodes and transmit messages using the Publisher/Subscriber default. Also is addresses the development of a differential robot proposed, with their control devices, communications and traction.

Este trabalho propõe um módulo básico de aquisição e pré-processamento de imagem colorida aplicado a robôs móveis, implementado em hardware reconfigurável, dentro do conceito de sistemas SoC (System-on-a-Chip). O módulo básico é apresentado em conjunto com funções mais específicas de pré-processamento de imagem, que são utilizadas como base para a verificação das funcionalidades implementadas no trabalho proposto. As principais funções realizadas pelo módulo básico são: montagem de frames a partir dos pixels obtidos da câmera digital CMOS, controle dos diversos parâmetros de configuração da câmera e conversão de padrões de cores. Já as funções mais específicas abordam as etapas de segmentação, centralização, redução e interpretação das imagens adquiridas. O tipo de dispositivo reconfigurável utilizado neste trabalho é o FPGA (Field-Programmable Gate Array), que permite maior adequação das funções específicas às necessidades das aplicações, tendo sempre como base o módulo proposto. O sistema foi aplicado para reconhecer gestos e obteve a taxa 99,57% de acerto operando a 31,88 frames por segundo. / This work proposes a basic module for a mobile robot color image capture and pre-processing, implemented in reconfigurable hardware based on SoC (System-on-a-Chip). The basic module is presented with a specifics image pre-processing function that are used as a base for verify the functionalities implemented in this research. The mains functions implemented on this basic module are: to read the pixels provide by the CMOS camera for compose the frame, to adjust the parameters of the camera control and to convert color space. The specifics image pre-processing functions are used to do image segmentation, centralization, reduction and image classification. The reconfigurable dispositive used in this research is the FPGA (Field-Programmable Gate Array) that permit to adapt the specific function according to the application needs. The system was applied to recognize gesture and had 99,57% rate of true recognition at 31,88 frames per second.

O presente trabalho apresenta um benchmark para avaliar o desempenho de uma plataforma embarcada WandBoard Quad no processamento de imagens, considerando o uso da sua GPU Vivante GC2000 na execução de rotinas usando OpenGL ES 2.0. Para esse fim, foi tomado por base a execução de filtros de imagem em CPU e GPU. Os filtros são as aplicações mais comumente utilizadas em processamento de imagens, que por sua vez operam por meio de convoluções, técnica esta que faz uso de sucessivas multiplicações matriciais, o que justifica um alto custo computacional dos algoritmos de filtros de imagem em processamento de imagens. Dessa forma, o emprego da GPU em sistemas embarcados é uma interessante alternativa que torna viável a realização de processamento de imagem nestes sistemas, pois além de fazer uso de um recurso presente em uma grande gama de dispositivos presentes no mercado, é capaz de acelerar a execução de algoritmos de processamento de imagem, que por sua vez são a base para aplicações de visão computacional tais como reconhecimento facial, reconhecimento de gestos, dentre outras. Tais aplicações tornam-se cada vez mais requisitadas em um cenário de uso e consumo em aplicações modernas de sistemas embarcados. Para embasar esse objetivo foram realizados estudos comparativos de desempenho entre sistemas e entre bibliotecas capazes de auxiliar no aproveitamento de recursos de processadores multicore. Para comprovar o potencial do assunto abordado e fundamentar a proposta do presente trabalho, foi realizado um benchmark na forma de uma sequência de testes, tendo como alvo uma aplicação modelo que executa o algoritmo do Filtro de Sobel sobre um fluxo de imagens capturadas de uma webcam. A aplicação foi executada diretamente na CPU e também na GPU embarcada. Como resultado, a execução em GPU por meio de OpenGL ES 2.0 alcançou desempenho quase 10 vezes maior com relação à execução em CPU, e considerando tempos de readback, obteve ganho de desempenho total de até 4 vezes. / This work presents a benchmark for evaluating the performance of an embedded WandBoard Quad platform in image processing, considering the use of its GPU Vivante GC2000 in executing routines using OpenGL ES 2.0. To this goal, it has relied upon the execution of image filters in CPU and GPU. The filters are the most commonly applications used in image processing, which in turn operate through convolutions, a technique which makes use of successive matrix multiplications, which justifies a high computational cost of image filters algorithms for image processing. Thus, the use of the GPU for embedded systems is an interesting alternative that makes it feasible to image processing performing in these systems, as well as make use of a present feature in a wide range of devices on the market, it is able to accelerate image processing algorithms, which in turn are the basis for computer vision applications such as facial recognition, gesture recognition, among others. Such applications become increasingly required in a consumption and usage scenario in modern applications of embedded systems. To support this goal were carried out a comparative studies of performance between systems and between libraries capable of assisting in the use of multicore processors resources. To prove the potential of the subject matter and explain the purpose of this study, it was performed a benchmark in the form of a sequence of tests, targeting a model application that runs Sobel filter algorithm on a stream of images captured from a webcam. The application was performed directly on the embbedded CPU and GPU. As a result, running on GPU via OpenGL ES 2.0 performance achieved nearly 10 times higher with respect to the running CPU, and considering readback times, achieved total performance gain of up to 4 times.

O objetivo desse trabalho foi o desenvolvimento de algoritmos para reconhecimento de padrões em etiquetas bidimensionais usando Rede Neural Artificial com o apoio de técnicas de Visão Computacional para um correto posicionamento da etiqueta e extração dos dados da imagem da etiqueta para alimentar a Rede Neural Artificial. Primariamente são apresentados os conceitos de sistemas de identificação utilizando etiquetas de código de barras e a seguir tecnologias de Visão Computacional como Processamento Digital de Imagens e Redes Neurais Artificiais. Para aplicar os conceitos e aferir os resultados foi desenvolvido um FrameWork utilizando a linguagem VB.Net com implementação das tecnologias envolvidas. O objetivo inicialmente proposto foi alcançado com a implementação dos algoritmos de Visão Computacional. O processo de carregar a Rede Neural Artificial foi alcançado com êxito e apresentou um bom nível de reconhecimento de padrão. / The objective of this work was the development of algorithms for pattern recognition using two-dimensional labels in Artificial Neural Network with the support of Computer Vision techniques for correct positioning of the label and extract the image data of the feed label for Artificial Neural Network. Primarily the concepts of identification systems using barcode labels and following technologies like Computer Vision Digital Image Processing and Artificial Neural Networks are presented. To apply the concepts and check the results a FrameWork using VB.Net language with implementation of the technologies involved was developed. The objective initially proposed was achieved with the implementation of Computer Vision algorithms. The process of loading the Artificial Neural Network was successfully achieved showing a good level of pattern recognition.

Diversos problemas práticos envolvendo sistemas de visão computacional, tais como vigilância automatizada, pesquisas de conteúdo específico em bancos de dados multimídias ou edição de vídeo, requerem a localização e o reconhecimento de objetos dentro de seqüências de imagens ou vídeos digitais. Mais formalmente, denomina-se rastreamento o processo de determinação da posição de certo(s) objeto(s) ao longo do tempo numa seqüência de imagens. Já a tarefa de reconhecimento caracteriza-se pela classificação desses objetos de acordo com algum rótulo pré-estabelecido ou apoiada em conhecimento prévio tipicamente introduzido através de um modelo dos objetos de interesse. No entanto, rastrear e classificar objetos em vídeo digital são tarefas desafiadoras, tanto pelas dificuldades inerentes a esse tipo de elemento pictórico, quanto pelo variável grau de complexidade que os quadros sob análise podem apresentar. Este documento apresenta uma metodologia baseada em modelo para rastrear e reconhecer objetos em vídeo digital através de uma representação por grafos relacionais com atributos (ARGs). Tais estruturas surgiram dentro do paradigma de reconhecimento estrutural de padrões e têm se mostrado bastante flexíveis e poderosas para modelar problemas diversos, pois podem transmitir dados quantitativos, relacionais, estruturais e simbólicos. Como modelo e entrada são descritos através desses grafos, a questão de reconhecimento é interpretada como um problema de casamento inexato entre grafos, que consiste em mapear os vértices do ARG de entrada nos vértices do ARG modelo. Em seguida, é realizado o rastreamento dos objetos de acordo com uma transformação afim derivada de parâmetros obtidos da etapa de reconhecimento. Para validar a metodologia proposta, resultados sobre seqüências de imagens digitais, sintéticas e reais, são apresentados e discutidos. / Several practical problems involving computer vision systems, such as automated surveillance, content-based queries in multimedia databases or video editing require the location and recognition of objects within image sequences or digital video. More formally, the process of determining the position of certain objects in an image sequence throughout time is called tracking, whereas the recognition task is characterized by the classification of such objects according to pre-defined labels or a priori knowledge, typically introduced by means of a model of the target objects. However, tracking and recognition of objects in digital video are not simple tasks, either because of the inherent difficulties of such a pictorial element, or due to the variable level of complexity that the frames under consideration might present. This document presents a model-based methodology for tracking and recognizing objects represented by attributed relational graphs (ARGs) in digital video. These structures have arisen from the paradigm of structural pattern recognition and have proven to be very flexible and powerful for modeling various problems, as they can hold many sorts of data (e.g: quantitative, relational, structural and symbolic). Since both model and input data are described through these graphs, the recognition matter may be interpreted as an inexact graph matching problem, which consists in finding a correspondence between the set of vertices of the input ARG and that of the model ARG. In the next step, object tracking is performed according to an affine transform derived from parameters extracted from the recognition phase. To validate the proposed methodology, results obtained from real and synthetic digital image sequences are presented and discussed.

As áreas de visão computacional e redes neurais artificiais (RNAs) e suas aplicações, tiveram um enorme progresso em pesquisa e aplicações práticas nos últimos anos. Sistemas de inspeção visual automática têm despertado muita atenção na indústria pois provêem meios econômicos, eficientes e precisos de obtenção de controle de qualidade. Porém, apesar do grande avanço tecnológico, a maioria dos sistemas existentes, com exceção de alguns poucos experimentais, são especializados e foram projetados para inspecionar um único objeto ou peça, de tipo previamente conhecido, e em posição, orientação e distância em relação à câmara altamente restritas. Este trabalho descreve um sistema de reconhecimento de imagens contendo múltiplos objetos de classes aleatórias e tolerante a ruído. Um estágio de pré-processamento filtra parte do ruído e segmenta regiões conectadas da imagem (RCI). A classificação dos padrões é feita com redes neurais de múltiplas camadas a partir de atributos invariantes calculados sobre as RCis. No final do processo temos uma listagem dos objetos contidos na cena, suas posições e orientações, os quais podem servir de entrada a um sistema de entendimento da cena, de mais alto nível, ou para outras máquinas, como um manipulador automático. Outros parâmetros podem ser utilizados para normalizar, em escala, orientação e posição, os padrões contidos na imagem, para efeito de comparações com imagens e parâmetros dos objetos previamente armazenados em bancos de dados. Dois métodos de treinamento de RNAs foram testados, o gradiente conjugado e o Levenberg-Marquardt, em conjunção com simulated annealing, para diferentes condições de erro e conjuntos de atributos. Imagens reais e sintéticas foram utilizadas para efeitos de testes de classificação correta e rejeição de padrões espúrios. Resultados são apresentados e comentados, destacando a capacidade de generalização do sistema mesmo com elevada degradação da imagem pelo ruído. Uma das vantagens do tipo de RNA empregado é a velocidade de execução, que permite ao sistema ser integrado a uma linha de montagem industrial. O sistema foi projetado com a utilização de recursos acessíveis e de baixo custo, sendo executado em computadores pessoais, e podendo ser facilmente adaptado para o uso em pequenas e médias empresas. / Computer vision (CV) and artificial neural networks (ANN) are important research fields of artificial intelligence. Visual pattern recognition (VPR) and object recognition (2 or 3-D) are central tasks in a high level computer vision system. Despite the great development in the recent years, most of the current automatic visual inspection systems work with only one kind of pattern at time which has pose highly restricted. This dissertation describes a system designed to recognize patterns and objects in a digital image which have unknown number object types and poses. Such image, which is also degraded by noise, serve as input for the system. After gray level change and filtering, the pixel connected regions (CR) are codified, and the remained noise is eliminated. lnvariant features, i.e., moment invariants, serve as inputs for artificial neural networks that perform pattern classification. An interpretation module decode the net\'s outputs and increases the correct assignment by testing the net\'s higher outputs values. After all identified patterns were classified, we have an object listing of the scene, their positions and other information, which can be the input for a higher level scene understanding system, that may check for objects relations and could send information for humans or for other machines. Two ANN learning methods were adopted for training the networks, the conjugate gradient and the Levenberg-Marquardt Algoritms, both in conjuction with siumlated annealing, for different error conditions and feature sets. Sinthetic and real images were utilized for testing the net\'s correct class assignments and rejections. Results are presented as well as comments focusing the system\'s generalization capability despite noise, geometrical transformations, object shadows and other degradations over the images. One of the advantages of the ANN employed is the low execution time allowing the system to be integrated to an assembly industry line. The system runs on low cost personal computers, therefore it can be easily adapted for the Brazilian reality and can even be used by little companies and industries.

Neste trabalho são apresentados dois novos descritores de forma para tarefas de recuperação de imagens por conteúdo (CBIR) e análise de formas, que são construídos sobre uma extensão do conceito de tensor scale baseada na Transformada de Distância Euclidiana (EDT). Primeiro, o algoritmo de tensor scale é utilizado para extrair informações da forma sobre suas estruturas locais (espessura, orientação e anisotropia) representadas pela maior elipse contida em uma região homogênea centrada em cada pixel da imagem. Nos novos descritores, o limite do intervalo das orientações das elipses do modelo de tensor scale é estendido de 180º para 360º, de forma a melhor discriminar a descrição das estruturas locais. Então, com base em diferentes abordagens de amostragem, visando resumir informações mais relevantes, os novos descritores são construídos. No primeiro descritor proposto, Tensor Scale Sector (TSS), a distribuição das orientações relativas das estruturas locais em setores circulares é utilizada para compor um vetor de características de tamanho fixo, para uma caracterização de formas baseada em região. No segundo descritor, o Tensor Scale Band (TSB), foram considerados histogramas das orientações relativas extraídos de bandas concêntricas, formando também um vetor de características de tamanho fixo, com uma função de distância de tempo linear. Resultados experimentais com diferentes bases de formas (MPEG-7 e MNIST) são apresentados para ilustrar e validar os métodos. TSS demonstra resultados comparáveis aos métodos estado da arte, que geralmente dependem de algoritmos custosos de otimização de correspondências. Já o TSB, com sua função de distância em tempo linear, se demonstra como uma solução adequada para grandes coleções de formas. / In this work, two new shape descriptors are proposed for tasks in Content-Based Image Retrieval (CBIR) and Shape Analysis tasks, which are built upon an extended tensor scale based on the Euclidean Distance Transform (EDT). First, the tensor scale algorithm is applied to extract shape attributes from its local structures (thickness, orientation, and anisotropy) as represented by the largest ellipse within a homogeneous region centered at each image pixel. In the new descriptors, the upper limit of the interval of local orientation of tensor scale ellipses is extended from 180º to 360º, to better discriminate the description of local structures. Then, the new descriptors are built based on different sampling approaches, aiming to summarize the most relevant features. In the first proposed descriptor, Tensor Scale Sector descriptor (TSS), the local distributions of relative orientations within circular sectors are used to compose a fixed-length feature vector, for a region-based shape characterization. For the second method, the Tensor Scale Band (TSB) descriptor, histograms of relative orientations are considered for each circular concentric band, to also compose a fixed-length feature vector, with linear time distance function for matching. Experimental results for different shape datasets (MPEG-7 and MNIST) are presented to illustrate and validate the methods. TSS can achieve high retrieval values comparable to state-of-the-art methods, which usually rely on time-consuming correspondence optimization algorithms, but uses a simpler and faster distance function, while the even faster linear complexity of TSB leads to a suitable solution for very large shape collections.

As pesquisas sobre comportamento animal possuem como objetivo identificar e quantificar sinais de sofrimento a fim de eliminar os problemas obedecendo às normas de bem-estar. As alterações destes comportamentos mostram as necessidades ambientais para sua sobrevivência. Em certos casos, apenas as mudanças comportamentais podem evidenciar uma situação de estresse. Quando há mudanças na temperatura do ambiente, os animais apresentam várias respostas para manter a temperatura do corpo, começando com a conservação máxima de energia como a inatividade. Duas das mais efetivas características do comportamento termorregulatório incluem seleção de ambiente e ajuste de postura. Técnicas de processamento e análise de imagens podem vir a colaborar com a busca de informações contidas em imagens de animais confinados. Métodos invasivos de quantificação de comportamento mostram que há interferência do experimentador nas reações dos animais, comprometendo os resultados da pesquisa. Este trabalho visou obter, através da Visão Computacional, informações quanto à distribuição espacial de aves poedeiras frente a situações de conforto e estresse térmicos. Foram analisadas seqüências de imagens em ambiente MATLAB 7.0 ® de dois grupos de 5 aves (Hy-line W36) com 21 semanas de idade em condições de conforto térmico (T= 26°C ± 2°C e UR= 60% ± 2%) e 5 aves em condições de estresse térmico (T= 35°C ± 2°C e UR= 70% ± 2%) controladas em câmara climática. As aves foram demarcadas com tintas não tóxicas na região dorsal. Através de técnicas de clusterização de cores e localização do centro geométrico das aves, foi possível analisar a freqüência destas nas regiões de ninho, comedouro, bebedouro, área livre e \"bebedouro + comedouro\", e através do uso de redes Neurais Artificiais, foi possível obter padrões de formas do corpo das aves e relacioná-los a alguns comportamentos. A distribuição espacial é um forte indício das necessidades do animal em diferentes condições evidenciando que a freqüência em algumas regiões pode ser um indicativo de desconforto. A técnica de processamento e análise de imagens mostra-se como um método confiável e livre de subjetividade ou influência da fadiga humana no auxilio da classificação da dinâmica dos animais confinados. Trata-se de uma forma eficiente de analisar imagens de forma rápida para se ter conhecimento da dinâmica dos animais confinados ao longo do tempo. A necessidade do animal é demonstrada através de freqüências em determinadas regiões de interesse para seu bem-estar. / The animal behavior researches have as objective identify and quantify suffering signals in order to eliminate the problems obeying the welfare norms. The alterations of these behaviors show the ambient necessities for the animals\' survivals. In certain cases, only the abnormal behaviors can evidence a situation of stress. When the environment temperature changes, the animals present some answers to keep the body\'s temperature constant, starting with the maximum conservation of energy as the inactivity. Two of the most effective characteristics of the thermoregulatory behavior includes environment selection and position adjustment. Image processing and analysis techniques can collaborate with the research of information contained in images of confined animals. Invasive methods of quantification of the behavior show that there is interference of the experimenter on the animal reactions compromising the research results. This work aimed to know, through the Computer Vision, information about the laying hens\' spatial distribution at the thermal comfort and stress situations. Image sequences of two groups of 5 birds (hy-line W36) aging 21 weeks in conditions of thermal comfort (T= 26°C ± 2°C and UR= 60% ± 2%) and 5 birds in conditions had been analyzed of stress thermal (T= 35°C ± 2°C and UR= 70% ± 2%) and controlled in climatic chamber. The birds had been demarcated with not toxic inks in the dorsal region. Through colors clusters techniques in MATLAB 7.0 ® and the localization of the geometric center of the birds, it was possible to analyze the frequency of these birds in the nest regions, feed through, water through, free area and \"water through + feed through\", and through of Artificial Neural Network was possible to have standards shapes of bodies birds and to refers to some behaviors. The spatial distribution is an important indicative fort of the animal necessities in different conditions evidencing that the frequency in some regions can be a discomfort indicative. The processing technique and analysis of the images reveals as a trustworthy method and free of subjectivity or of the fatigue human`s influence in support of the dynamics classification of the confined animals. It is about one of the efficient form to analyze the images to have a better understanding of the dynamics of the confined animals` dynamics throughout time. The necessity of the animal is demonstrated through frequencies in determined regions of interest for its welfare condition.

As pesquisas sobre comportamento animal possuem como objetivo identificar e quantificar sinais de sofrimento a fim de eliminar os problemas obedecendo às normas de bem-estar. As alterações destes comportamentos mostram as necessidades ambientais para sua sobrevivência. Em certos casos, apenas as mudanças comportamentais podem evidenciar uma situação de estresse. Quando há mudanças na temperatura do ambiente, os animais apresentam várias respostas para manter a temperatura do corpo, começando com a conservação máxima de energia como a inatividade. Duas das mais efetivas características do comportamento termorregulatório incluem seleção de ambiente e ajuste de postura. Técnicas de processamento e análise de imagens podem vir a colaborar com a busca de informações contidas em imagens de animais confinados. Métodos invasivos de quantificação de comportamento mostram que há interferência do experimentador nas reações dos animais, comprometendo os resultados da pesquisa. Este trabalho visou obter, através da Visão Computacional, informações quanto à distribuição espacial de aves poedeiras frente a situações de conforto e estresse térmicos. Foram analisadas seqüências de imagens em ambiente MATLAB 7.0 ® de dois grupos de 5 aves (Hy-line W36) com 21 semanas de idade em condições de conforto térmico (T= 26°C ± 2°C e UR= 60% ± 2%) e 5 aves em condições de estresse térmico (T= 35°C ± 2°C e UR= 70% ± 2%) controladas em câmara climática. As aves foram demarcadas com tintas não tóxicas na região dorsal. Através de técnicas de clusterização de cores e localização do centro geométrico das aves, foi possível analisar a freqüência destas nas regiões de ninho, comedouro, bebedouro, área livre e \"bebedouro + comedouro\", e através do uso de redes Neurais Artificiais, foi possível obter padrões de formas do corpo das aves e relacioná-los a alguns comportamentos. A distribuição espacial é um forte indício das necessidades do animal em diferentes condições evidenciando que a freqüência em algumas regiões pode ser um indicativo de desconforto. A técnica de processamento e análise de imagens mostra-se como um método confiável e livre de subjetividade ou influência da fadiga humana no auxilio da classificação da dinâmica dos animais confinados. Trata-se de uma forma eficiente de analisar imagens de forma rápida para se ter conhecimento da dinâmica dos animais confinados ao longo do tempo. A necessidade do animal é demonstrada através de freqüências em determinadas regiões de interesse para seu bem-estar. / The animal behavior researches have as objective identify and quantify suffering signals in order to eliminate the problems obeying the welfare norms. The alterations of these behaviors show the ambient necessities for the animals\' survivals. In certain cases, only the abnormal behaviors can evidence a situation of stress. When the environment temperature changes, the animals present some answers to keep the body\'s temperature constant, starting with the maximum conservation of energy as the inactivity. Two of the most effective characteristics of the thermoregulatory behavior includes environment selection and position adjustment. Image processing and analysis techniques can collaborate with the research of information contained in images of confined animals. Invasive methods of quantification of the behavior show that there is interference of the experimenter on the animal reactions compromising the research results. This work aimed to know, through the Computer Vision, information about the laying hens\' spatial distribution at the thermal comfort and stress situations. Image sequences of two groups of 5 birds (hy-line W36) aging 21 weeks in conditions of thermal comfort (T= 26°C ± 2°C and UR= 60% ± 2%) and 5 birds in conditions had been analyzed of stress thermal (T= 35°C ± 2°C and UR= 70% ± 2%) and controlled in climatic chamber. The birds had been demarcated with not toxic inks in the dorsal region. Through colors clusters techniques in MATLAB 7.0 ® and the localization of the geometric center of the birds, it was possible to analyze the frequency of these birds in the nest regions, feed through, water through, free area and \"water through + feed through\", and through of Artificial Neural Network was possible to have standards shapes of bodies birds and to refers to some behaviors. The spatial distribution is an important indicative fort of the animal necessities in different conditions evidencing that the frequency in some regions can be a discomfort indicative. The processing technique and analysis of the images reveals as a trustworthy method and free of subjectivity or of the fatigue human`s influence in support of the dynamics classification of the confined animals. It is about one of the efficient form to analyze the images to have a better understanding of the dynamics of the confined animals` dynamics throughout time. The necessity of the animal is demonstrated through frequencies in determined regions of interest for its welfare condition.