Os sistemas tradicionais de identificação de gado são comprovadamente passíveis de perda, danos e possíveis operações fraudulentas justificando as pesquisas de identificadores biométricos. Este trabalho tem por objetivo verificar a possibilidade do uso de componentes principais para avaliar a divisão do espelho nasal de bovinos em classes genéricas e melhorar o reconhecimento biométrico automático dos indivíduos. O banco de dados deste trabalho foi composto pela coleta e catalogação de imagens do espelho nasal de 187 bovinos da raça Nelore ao nascimento e aos 6 meses de idade e deste grupo foram escolhidos 68 animais aleatoriamente para serem fotografados aos 12 meses de idade. Os algoritmos de processamento digital de imagens, redução de dimesionalidade e extração de característas por PCA e classificação por meio de SVM, foram implementados utilizando o software MATLAB®. Por meio da metodologia estabelecida foi possível dividir os bovinos em classes genéricas e a validação do classificador foi realizada mediante análise estatística dos seus erros e acertos. Os resultados apresentados pelo classificador SVM atingiram índices de acertos na faixa de 95,33% a 99,52%, justificando seu uso como forma automática de identificação. Estes resultados permitem concluir que a metodologia de processamento digital de imagens, a extração de características por componentes principais e o uso de máquina de vetores de suporte utilizada neste trabalho, foi capaz de verificar a individualidade dos padrões existentes no espelho nasal de bovinos.

Livestock identification in traditional systems has been proven to be susceptible to loss, damage, and possible fraudulent operations justifying the research area of biometric identification. This work aim the study of possibility for using principal components to evaluate the division of the muzzle of cattle in generic classes to improve the automatic biometric recognition of individuals. This thesis used a database composed by 187 Nelore bulls muzzle image collected from animals aged from birth to 6 months. From this group 68 animals were randomly photographed at 12 months of age. The digital image processing, feature extraction and vector support machine (SVM) were implemented using MATLAB software. The methodology used in this thesis provides an alternative to divide the cattle in generics class. The class could be available by means of statistical classifier performance The results presented by classifier achieved 95.33% to 99.52% of accuracy classification justifying its use as automatic identification. The digital signal processing, feature extraction and support vector machine methodology were able the conclusion that muzzle print image could be used as animal identification.