Desenvolvimento de algoritmos de aprendizado de máquina para o diagnóstico da mastite subclínica bovina por termografia infravermelha

• Processo: 20/16240-4
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de junho de 2021
• Data de Término da vigência: 29 de fevereiro de 2024
• Área do conhecimento: Ciências Agrárias - Medicina Veterinária - Medicina Veterinária Preventiva
• Pesquisador responsável: Luiz Francisco Zafalon
• Beneficiário: Luiz Francisco Zafalon
• Instituição Sede: Embrapa Pecuária Sudeste. Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). Ministério da Agricultura, Pecuária e Abastecimento (Brasil). São Carlos , SP, Brasil
• Pesquisadores associados: Alexandre Rossetto Garcia
• Auxílio(s) vinculado(s): 24/03155-0 - 75ª reunião anual da Associação Europeia de Produção Animal, AR.EXT
• Bolsa(s) vinculada(s): 22/04065-9 - Termografia infravermelha na geração de input datasets para o aprendizado de máquina visando diagnóstico de condições subclínicas em bovinos leiteiros, BP.TT
• Assunto(s): Bovinos leiteiros Leite Mastite bovina Staphylococcus Contagem de células somáticas Técnicas e procedimentos diagnósticos
• Palavra(s)-Chave do Pesquisador: contagem de células somáticas | Leite | métodos diagnósticos | Staphylococcus | Mastite

Resumo

A mastite é uma das principais doenças em bovinos leiteiros, acarreta grandes prejuízos econômicos aos produtores devido à redução da produção de leite e alteração da qualidade do produto final. A identificação de vacas doentes é fundamental para a diminuição da quantidade dos quartos mamários acometidos e redução da duração da enfermidade. Esforços são necessários para o desenvolvimento de técnicas diagnósticas acuradas, que forneçam informações objetivas sobre o estado sanitário da glândula mamária durante a ordenha e interpretação dos resultados sem a necessidade de envio de amostras a laboratórios, de forma a agilizar ou melhorar medidas de controle e profilaxia. Assim, objetiva-se ampliar informações sobre a termografia infravermelha como ferramenta diagnóstica auxiliar da mastite subclínica, com o uso de algoritmos de aprendizado de máquina, possibilitando processos de automatização para elevação da qualidade do leite com potencial de adoção em larga escala em sistemas de produção. Modelos de predição baseados nesses algoritmos serão explorados para a validação, experimentação e extração de informações de conjuntos de dados brutos, com a utilização de informações relacionadas aos animais, clima, condições higiênicas da glândula mamária, produção de leite, etiologia infecciosa da mastite e estado sanitário das vacas. Dessa forma, índices termográficos utilizando aprendizado de máquina serão desenvolvidos para condições tropicais, de forma a aumentar a sensibilidade, especificidade e acurácia diagnósticas da termografia infravermelha como método para identificação de quartos mamários com mastite subclínica. Interpretações fundamentadas em aprendizado de máquina poderão ser disponibilizadas para tornar a técnica diagnóstica mais eficiente e as informações a serem disponibilizadas poderão futuramente ser usadas em vacas sob diferentes tipos de ordenha, possibilitando tomadas de decisão na propriedade rural. (AU)