Quando um caminhão de frangos encosta na plataforma do abatedouro, o médico-veterinário oficial já deveria saber muita coisa sobre aquele lote: quantas aves morreram no galpão, que medicamentos receberam, se o período de carência foi cumprido, se houve sinal de doença desde o alojamento. Essa informação chega em papel ou em formulário eletrônico, preenchida por gente, dias antes do abate. A pergunta que uma revisão científica publicada em 2026 tenta responder é simples de formular e difícil de resolver: e se câmeras, microfones e sensores instalados no próprio galpão pudessem contar essa história de forma contínua, objetiva e antes de o frango chegar à nória?
O que a ciência encontrou
O trabalho é uma revisão de escopo (scoping review) publicada na revista Food Control, volume 187, artigo 112094, disponível online desde 4 de março de 2026 e incluída no fascículo de setembro. A autoria é de Michał Majewski, Dragan Antic, Lis Alban, Sergio Ghidini, Mirosław Różycki, Joana Pessoa, Merete Forseth e Marianne Sandberg. O autor correspondente está no National Food Institute da Universidade Técnica da Dinamarca (DTU). O artigo é de acesso aberto, sob licença Creative Commons CC BY 4.0.
O ponto de partida dos autores é um conceito que a inspeção europeia chama de informação da cadeia alimentar (food chain information, ou FCI). Pelo Regulamento (CE) nº 853/2004, o produtor deve enviar ao abatedouro, com pelo menos 24 horas de antecedência, dados sobre o lote, e o veterinário oficial usa essas informações para decidir se os animais estão aptos ao abate e para orientar a inspeção. Os autores argumentam que a FCI é central para uma inspeção de carnes baseada em risco, mas que ela é subaproveitada: costuma ser pobre, tardia e pouco padronizada.
A revisão buscou, nas bases Scopus e Agricola, estudos sobre pecuária de precisão em frangos de corte, isto é, tecnologias que monitoram os animais de forma automática. As buscas foram feitas em abril de 2024 e fevereiro de 2025, com filtro de idioma inglês aplicado na etapa de elegibilidade.
Os números principais, tal como relatados no artigo:
- 47 estudos com tecnologias consideradas aplicáveis hoje e 28 com potencial de aplicação futura;
- visão computacional em 24 dos 47 estudos (51%), som em 21 (45%) e olfato eletrônico em 3 (6%); nenhuma tecnologia baseada em tato estava desenvolvida o bastante;
- o foco predominante foi saúde animal (35 de 47, 74%), seguido de bem-estar (17 de 47) e segurança dos alimentos (3 de 47, 6%);
- a origem dos estudos foi concentrada na Ásia (33 de 47, 70%), seguida de Europa (9; 19%), América do Norte (3; 6%) e África (2; 4%).
Um detalhe para leitores atentos: o artigo apresenta o bem-estar como “17/47, 23%”, mas 17 de 47 corresponde a cerca de 36%. É provável que seja um erro de digitação no texto publicado; o número absoluto é o dado mais seguro.
Em linguagem simples, o que os autores encontraram foi o seguinte. Câmeras e microfones já conseguem detectar, com boa acurácia em alguns estudos, sinais sindrômicos de doença (aves prostradas, alterações de comportamento, tosse e espirros) e aves mortas no galpão. Sensores ambientais identificam amônia e estresse térmico. Mas, quando o assunto é segurança dos alimentos no sentido estrito, a conclusão é cautelosa: a identificação precisa de patógenos ainda exige confirmação laboratorial, e a detecção de perigos alimentares “ainda levanta dúvidas e requer mais pesquisa”.
Os limites do estudo
Este é o parágrafo que separa promessa de resultado. Os próprios autores registram que a maioria dos estudos foi conduzida em ambiente de laboratório, que não reflete a realidade da produção comercial de frangos. Os métodos de validação variaram muito, de testes de PCR a avaliações clínicas, e alguns estudos não especificaram padrão de referência algum. Vários resultados se apoiaram em amostras muito pequenas. A heterogeneidade impediu meta-análise, de modo que a síntese é descritiva. Além disso, uma revisão de escopo mapeia o que existe; ela não avalia a força da evidência de cada tecnologia nem conclui que alguma delas está pronta para uso regulatório. Por fim, nenhum dos estudos mapeados foi identificado como brasileiro, o que limita a transposição direta para as condições do país.
O estudo não diz que a câmera no galpão pode substituir o boletim sanitário. Diz que há tecnologias promissoras para enriquecer a informação que chega ao abate, e que quase nenhuma delas foi testada onde importa: no aviário comercial, com milhares de aves, poeira, variação de luz e rotina real.
O que já se sabia — e onde o Brasil está
A ideia de que a inspeção começa antes do abate não é nova. No Brasil, a informação da cadeia alimentar tem nome próprio para aves: o Boletim Sanitário. A Instrução Normativa SDA/MAPA nº 100, de 2 de outubro de 2020, estabelece as informações mínimas desse formulário para que o Serviço de Inspeção Federal realize as inspeções ante mortem e post mortem. O boletim é emitido pelo médico-veterinário responsável pela sanidade do lote, no máximo 72 horas antes do carregamento, com base no histórico do lote, em análises laboratoriais e em avaliação clínica. O abatedouro deve entregá-lo ao SIF com pelo menos 24 horas de antecedência.
O conteúdo é exatamente o que os sensores prometem medir de outro jeito: mortalidade no núcleo desde o alojamento, sinais clínicos e diagnósticos, todos os tratamentos veterinários com princípio ativo e declaração de cumprimento da carência, doenças de notificação obrigatória e condição geral do lote que possa influenciar o abate. A norma também tem dentes: aves de núcleos com mortalidade acima dos limites previstos para suspeita de influenza aviária ou doença de Newcastle não podem ir para o abate, e só são aceitas aves cujo boletim demonstre o cumprimento da carência.
Na Europa, o debate sobre automação também avança do lado do abatedouro. Em apresentação feita em junho de 2026 numa reunião de redes científicas hospedada pela EFSA, Lis Alban e colegas — entre eles Majewski e Sandberg, coautores da revisão — lembraram que, na União Europeia, o uso de visão computacional na inspeção post mortem hoje só é admitido para aves, e sugeriram discutir sua ampliação para suínos e bovinos. A mesma apresentação defende que sistemas automáticos sejam validados com métodos estatísticos adequados e publicados em revistas revisadas por pares antes de ganhar espaço na inspeção. É material de evento, não artigo científico, mas mostra a direção do grupo: primeiro medir bem, depois automatizar.
Diante do consenso, a revisão de Majewski e colegas amplia o debate mais do que o contradiz. Ela confirma que a tecnologia de monitoramento avançou, e reforça uma lição conhecida de outras áreas da IA: desempenho em laboratório não é desempenho em campo.
O que isso pode mudar na prática
Se a evidência amadurecer, o ganho mais plausível não está em substituir o olhar do inspetor, mas em mudar o que ele sabe quando o caminhão chega. Hoje, o Boletim Sanitário é um retrato preenchido por uma pessoa num momento. Um sistema de sensores bem validado poderia transformar parte dessa informação em série histórica: curva de mortalidade dia a dia, padrões de tosse que antecedem um quadro respiratório, episódios de estresse térmico. Para o SIF, isso significaria priorizar lotes de maior risco na inspeção post mortem, ajustar a atenção em determinadas etapas e cruzar o que se viu no galpão com o que aparece na linha de abate.
Para isso funcionar, há condições que o próprio artigo aponta entre suas recomendações: padrões comuns de dados, validação em granjas reais antes de qualquer uso na inspeção post mortem e códigos de achados harmonizados, baseados em risco. Sem esses três pilares, o dado de sensor vira mais uma planilha que ninguém lê, ou, pior, uma falsa sensação de segurança.
Há também perguntas que o setor brasileiro precisa responder antes de importar a ideia. Quem é o dono do dado gerado no aviário integrado? Como ele chegaria ao SIF com garantia de integridade? Quem responde se o sensor falhar e o boletim disser “sem ocorrência” quando havia doença? A norma brasileira já prevê que o boletim é assinado por um profissional e que correções exigem boletim aditivo assinado. Qualquer tecnologia que alimente esse documento terá de caber nessa cadeia de responsabilidade, e não contorná-la.
A lacuna mais evidente é a de pesquisa nacional. O Brasil está entre os maiores produtores e exportadores de carne de frango do mundo, tem uma avicultura altamente tecnificada e um sistema de inspeção com décadas de dados de abate. Mesmo assim, entre os 47 estudos mapeados, a revisão não identifica nenhum brasileiro. Validar sensores em aviários comerciais do país, em parceria entre universidades, Embrapa, integradoras e serviço oficial, seria a forma de transformar uma promessa global em evidência local.
Conclusão
A revisão não entrega uma câmera pronta para dizer ao fiscal se o lote está doente. Entrega um mapa honesto: muita tecnologia em teste, pouca validada em condições comerciais, quase nada focado diretamente em segurança dos alimentos, e uma conclusão que todo profissional de inspeção deveria guardar — o patógeno ainda se confirma no laboratório. O que muda é a pergunta. Em vez de “a máquina vai inspecionar o frango?”, a questão passa a ser “que informação o inspetor merece ter antes de o frango chegar?”. O consumidor vê o alimento. A inspeção vê o caminho que ele percorreu — e esse caminho começa no galpão.
Leia também no Além do Carimbo: “Antes de ensinar a câmera, combinar a régua: 13 códigos, 155 veterinários e o acordo humano que a IA na inspeção de frangos exige” e “Quem corrige a prova da máquina? O problema do padrão-ouro na IA de inspeção”.
Referências
- Majewski M, Antic D, Alban L, Ghidini S, Różycki M, Pessoa J, Forseth M, Sandberg M (2026). Precision livestock farming to improve food chain information in broilers – a scoping review. Food Control, 187, 112094. DOI: 10.1016/j.foodcont.2026.112094 — https://www.sciencedirect.com/science/article/pii/S0956713526001398
- Brasil. MAPA/SDA. Instrução Normativa nº 100, de 2 de outubro de 2020 (Boletim Sanitário e controle de mortalidade e recebimento das aves para abate) — https://wikisda.agricultura.gov.br/dipoa_baselegal/in_100-2020_boletim_sanitário_e_ante_mortem_aves.pdf
- União Europeia. Regulamento (CE) nº 853/2004, que estabelece regras específicas de higiene aplicáveis aos géneros alimentícios de origem animal — https://eur-lex.europa.eu/eli/reg/2004/853/oj
- Alban L, Lund DH, Majewski M, Sandberg M, Olsen A (2026). Beyond human vision – Use of Computer Vision Systems in Meat Inspection. Apresentação na sessão conjunta do 35º EREN e StaDG-ER, 11 jun. 2026 (material de evento hospedado pela EFSA; não revisado por pares) — https://www.efsa.europa.eu/sites/default/files/2026-07/7.1_%20Use%20of%20Computer%20Vision%20Systems%20in%20Meat%20Inspection.pdf





Deixe um comentário