Predição de nível de conforto térmico para bovinos de leite: método baseado em modelagem com aprendizado de máquina utilizando dados de experimento em câmara climática

Resumo

Estudos recentes em produção animal têm investigado tecnologias e modelos computacionais para predição do nível de conforto térmico através de medições não invasivas e automáticas. Para contribuir com esse tema, o projeto tem como objetivo a construção e teste de modelos computacionais para predição do nível de conforto térmico de bovinos de leite utilizando base de dados obtida por experimento em câmara climática. O experimento será conduzido durante 25 dias com 12 novilhas da raça Holandesa distribuídas aleatoriamente em dois grupos: grupo estresse e grupo controle. Os animais do grupo 'estresse' serão alocados na câmara climática (em sistema Tie Stall) e exposto a duas ondas de calor. O grupo controle permanecerá em baias individuais parcialmente cobertas em sistema de confinamento em temperatura ambiente. Durante o período do experimento, além dos dados meteorológico das instalações, serão coletados 5 vezes ao dia (6, 10, 14, 18 e 22 horas) os dados de temperatura retal, frequência respiratória, taxa de sudação e da temperatura de superfície corporal em diferentes áreas do corpo (olho, fronte, costela e flanco) através de termografia de infravermelho. Para a etapa de modelagem serão avaliados diferentes algoritmos baseados em Aprendizado de Máquina (redes neurais artificiais, máquina de vetores de suporte, floresta randômica e k-vizinhos mais próximos) utilizando combinações diferentes de entradas para predição ou classificação de atributo de nível de conforto térmico. Os testes para confrontar os modelos de predição utilizarão como métrica de análise parâmetros de regressão linear (coeficiente de correlação e resíduo) e de erro (erro médio porcentual e erro quadrático médio). Para confrontamento dos modelos de classificação serão utilizados como métrica os parâmetros obtidos da matriz confusão gerada (acurácia, precisão, sensibilidade e pontuação F1). Através dos resultados do projeto busca-se evidenciar não só as melhores técnicas computacionais para construção dos modelos, mas também evidenciar o potencial do uso de experimento com câmara climática a fim de criar uma base de dados mais homogênea e de forma mais rápida em relação a técnicas baseadas em experimento realizado em ambiente aberto. (AU)