ABSTRACT: The present research created a tool to measure ultrasound images of the rib eye area in sheep. One hundred twenty-one ultrasound images of sheep were captured, with regions of interest segmented using the U-Net algorithm. The metrics adopted to evaluate automatic segmentations were Dicescore and intersection over union. Finally, a regression analysis was performed using the AdaBoost Regressor and Random Forest Regressor algorithms and the fit of the models was evaluated using the Mean Square Residuals, mean absolute error and coefficient of determination. The values obtained for the Dice metric were 0.94, and for Intersection over Union it was 0.89, demonstrating a high similarity between the actual and predicted values, ranging from 0 to 1. The values of Mean Quadratic Residuals, mean absolute error and coefficient The determination of the regressor models indicated the best fit for the Random Forest Regressor. The U-Net algorithm efficiently segmented ultrasound images of the Longissimus Dorsi muscle, with greater precision than the measurements performed by the specialist. This efficient segmentation allowed the standardization of rib eye area measurements and, consequently, the phenotyping of beef sheep on a large scale. ABSTRACT twentyone twenty one captured UNet U Net union Finally Residuals 094 94 0.94 089 89 0.89 1 muscle specialist consequently scale 09 9 0.9 08 8 0.8 0.

RESUMO: O objetivo do presente trabalho foi o de criar uma ferramenta para mensurar imagens ultrassonográficas da área do olho de lombo em ovinos. Foram capturadas 121 imagens ultrassonográficas de ovinos, a partir das quais foram segmentadas regiões de interesse utilizando o algoritmo u-net. As métricas adotadas para avaliar as segmentações automáticas foram Dicescore e Interseção sobre União. Por fim, foi realizada análise de regressão utilizando os algoritmos AdaBoost Regressor e Random Forest Regressor e o ajuste dos modelos foi avaliado por meio de quadrado médio dos resíduos, erro absoluto médio e coeficiente de determinação (R²). Os valores obtidos para a métrica Dice foram 0,94, e para Interseção sobre União foi 0,89, demonstrando uma alta similaridade entre os valores reais e previstos, variando de 0 a 1. Os valores de quadrado médio dos resíduos, erro absoluto médio e coeficiente de determinação do modelo de regressores indicaram o melhor ajuste para o Random Forest Regressor. O algoritmo U-Net segmentou com eficiência as imagens ultrassonográficas do músculo Longissimus Dorsi, com maior precisão que as medidas realizadas pelo especialista. Essa eficiente segmentação permitiu a padronização das medidas de área de olho de lombo e, consequentemente, a fenotipagem de ovinos de corte em larga escala. RESUMO 12 unet. unet u net. net u-net fim resíduos R². R² R . (R²) 094 94 0,94 089 89 0,89 previstos 1 UNet U Net Dorsi especialista consequentemente escala (R² 09 9 0,9 08 8 0,8 (R 0,

RESUMO Objetivou-se avaliar a idade da pesagem e a qualidade do ajuste de modelos não lineares a dados longitudinais para descrever o padrão de crescimento de fêmeas Anglonubiana. Pesos de 104 animais do nascimento até 60 meses de idade, foram agrupados em 10 classes, com intervalos de seis meses. Em cada classe estimou-se parâmetros A, B e K com modelos Brody, Gompertz, Logístico e Von Bertalanffy. Realizou-se análise de variância com fatorial (10 classes x 4 modelos) com 104 repetições, considerando-se os três parâmetros como características. Baseou-se na significância da média dos parâmetros nas classes para identificar a melhor idade de pesagem. Não ocorreu interação "classe-modelos". As médias dos três parâmetros nas classes com pesos registrados até 30 meses diferiram entre si (P<0,05), indicando influência de pesagens inferior a essa idade na curva estimada, independente do modelo. Para identificar modelos com melhor ajuste aos dados, utilizou-se os valores do QMR, DMA, R2 e RC que cada um apresentou na classe com pesagens até 30 meses. Constatou-se como sequência de melhor ajuste: Logístico, Brody, Von Bertalanffy e Gompertz. O modelo Logístico estima menor peso assintótico e Brody o maior. Pesagens até 30 meses de idade se adequam à análise do padrão de crescimento de cabras com modelos não lineares.

ABSTRACT The objective of this study was to determine the optimum age at last weighing and compare the goodness of fit of nonlinear models used to fit longitudinal weight-age data to describe the growth pattern of Anglo-Nubian does. Weights of 104 animals from birth to 60 months of age were grouped into 10 age groups at six-month intervals. In each age group, parameters A (asymptotic weight), B (integration constant), and K (maturity index) were estimated using the Brody, Gompertz, logistic, and von Bertalanffy models. Data were analyzed using analysis of variance in a factorial design (10 age groups × 4 nonlinear models). The age group × model interaction was not significant. Mean estimates of A, B, and K were significantly different between age groups up to 30 months (p < 0.05), indicating that the estimated curve is affected by weights taken before this age independent of the model. The values of mean squared error (MSE), mean absolute deviation (MAD), coefficient of determination (R2) and Rate of convergence (RC) at each age group up to 30 months were compared to determine the goodness of fit of nonlinear models. The ranking of fit was logistic, Brody, von Bertalanffy, and Gompertz. The logistic and Brody models respectively estimated the smallest and largest asymptotic weight. Longitudinal weight records taken until 30 months of age are most appropriate for estimating the growth of Anglo-Nubian does using nonlinear models.