Busca avançada
Ano de início
Entree

Modelos computacionais baseados em inteligência artificial para avaliação do estresse térmico de bovinos de leite através de medições não invasivas

Processo: 18/05989-4
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de agosto de 2018
Vigência (Término): 31 de janeiro de 2020
Área do conhecimento:Ciências Agrárias - Engenharia Agrícola
Pesquisador responsável:Rafael Vieira de Sousa
Beneficiário:Alex Vinicius da Silva Rodrigues
Instituição-sede: Faculdade de Zootecnia e Engenharia de Alimentos (FZEA). Universidade de São Paulo (USP). Pirassununga , SP, Brasil
Assunto(s):Zootecnia de precisão   Produção animal   Redes neurais (computação)   Modelagem computacional   Inteligência artificial   Instrumentação eletrônica   Mineração de dados   Estresse térmico   Bovinos leiteiros

Resumo

Trabalhos recentes de pesquisa e inovação buscam o desenvolvimento de ferramentas de suporte a decisão para sistemas de produção animal. Entre os temas principais de pesquisa estão o desenvolvimento de tecnologias e modelos computacionais para estimar o desempenho e estresse térmico do animal através medições não invasivas. Nesse contexto, o objetivo do trabalho é a construção e avaliação de modelos, baseados em inteligência artificial, para estimativa de variáveis fisiológicas associadas ao estresse térmico de bovinos de leite. Para geração dos modelos serão considerados dados ambientais como temperatura e umidade, e os dados fisiológicos de temperatura retal, frequência respiratória e temperatura de superfícies corporais obtidas por termografia de infravermelho. Os modelos para avaliação de estresse térmico serão baseados na estimativa da temperatura retal ou na frequência respiratória dos bovinos utilizando medidas coletadas em estabulação livre. Diferentes modelos baseados em redes neurais artificiais serão gerados, variando-se a topologia e os conjuntos de entrada por método de validação cruzada. Os modelos serão analisados e comparados com métodos convencionais de regressão através dos parâmetros do diagrama de dispersão entre os valores medidos e estimados (temperatura retal e frequência respiratória). Também, os valores de predição gerados pelos melhores modelos baseados em redes neurais artificias serão utilizados para classificação do nível de estresse individual de cada animal (normal, alerta, perigo e emergência), e serão comparados com a classificação gerada pelo Índice de Temperatura e Umidade (Temperature Humidity Index - THI). (AU)