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

• Processo: 18/05989-4
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2018
• Data de Término da vigência: 31 de janeiro de 2020
• Área de 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
• Palavra(s)-Chave do Pesquisador: Bem-estar Animal | Instrumentação eletrônica | Inteligência Artificial Aplicada | Produção Animal | termografia de infravermelho | zootecnia de precisão | Mineração de Dados

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)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

RODRIGUES, ALEX VINICIUS DA SILVA; MARTELLO, LUCIANE SILVA; PACHECO, VERONICA MADEIRA; SARDINHA, EDSON JOSE DE SOUZA; PEREIRA, ANDRE LEVI VIANA; DE SOUSA, RAFAEL VIEIRA. Thermal signature: A method to extract characteristics from infrared thermography data applied to the development of animal heat stress classifier models. Journal of Thermal Biology, v. 115, p. 8-pg., 2023-07-01. (19/26828-1, 18/05989-4)