A ovinocultura de corte é um setor que se encontra em constante expansão. Este setor também está ganhando espaço no agronegócio brasileiro e na região Nordeste. Entretanto, a produtividade é baixa. Portanto, este setor exige alternativas tecnológicas dentro do melhoramento genético dos rebanhos, como fenotipagem de precisão, através das coletas de informações fenotípicas com precisão para permitir melhorar o rendimento de carcaça dos animais, a fim de atender às demandas e a avaliação de carcaça com resultados mais precisos, a qual tem sido realizada a partir da análise de imagens ultrassonográficas por profissionais especializados. Sendo assim, o objetivo com pesquisa foi o desenvolvimento de uma abordagem com o uso de inteligência artificial para avaliação de carcaça ovina de forma acurada por meio do reconhecimento de imagens ultrassonográficas do músculo Longissimus dorsi. A metodologia proposta para este trabalho foi dividida em 4 etapas. Na etapa de coleta de dados, 121 imagens ultrassonográficas de fêmeas ovinas foram coletadas com auxílio de aparelho de ultrassom, Durante a segmentação das regiões de interesse, utilizou-se apenas um método de segmentação automatizado com base em algoritmo de redes neurais (U-Net). Para a avaliação de segmentações automáticas, utilizou-se as métricas de coeficiente de dados Dice e a métrica de intersecção sobre união (IoU). Na extração de recursos, objetivou-se encontrar características importantes para a previsão de AOL (Área de Olho de Lombo). Na última etapa, foi realizada uma análise de regressão, sendo a variável independente os valores dos atributos obtidos com os descritores utilizados e a variável dependente a AOL previsto para a imagem de ultrassom do animal, aonde utilizou-se as métricas de quadrado médio do resíduo (QMR) e erro médio absoluto (EMA). Dois algoritmos de regressão foram utilizados, AdaBoost Regressor(ABR)e Random Forest Regressor (RFR). Realizou-se uma análise de variância e o teste “t” de student para comparar as médias de AOL observada e predita. Os valores obtidos pela métrica Dice foi de 0,94 e a da IoU foi de 0,89 o que demonstra alta similaridade entre o real e o previsto. Os valores de QMR, EMA e R² para o ABR é de, respectivamente, 2,61, 1,22 e 0,51 e para o RFR é de 2,15, 1,12 e 0,61, o que demonstra uma correlação positiva entre os valores preditos e os valores reais. Observou que não houve diferenças significativas entre as médias de AOL observada e predita. Portanto, a medição automatizada da AOL a partir de imagens ultrassonográficas é promissora e possibilitará maior eficiência na realização desta medida em grandes quantidades de imagens com alta precisão, pois dispensa a intervenção humana na delimitação da área do músculo Longissimus dorsi em ovinos de corte de carcaça.