Modelo baseado em aprendizado de máquina para classificar o conforto térmico de bezerras usando termografia por infravermelho (2022)
- Authors:
- Autor USP: PEREIRA, ANDRÉ LEVI VIANA - FZEA
- Unidade: FZEA
- Sigla do Departamento: ZEB
- DOI: 10.11606/D.74.2022.tde-06022023-095440
- Subjects: BEM-ESTAR DO ANIMAL; CONFORTO TÉRMICO; ESTRESSE; MINERAÇÃO DE DADOS; GEOMETRIA E MODELAGEM COMPUTACIONAL; TERMOGRAFIA; INFRAVERMELHO
- Agências de fomento:
- Language: Português
- Abstract: Pesquisas recentemente realizadas no âmbito da produção animal relacionam o estresse térmico dos animais a efeitos negativos sobre sua saúde e produtividade. Estresse térmico é uma condição que prejudica o desempenho produtivo e reprodutivo do animal, e pode ser monitorado por variáveis fisiológicas e ambientais, entre elas a temperatura de superfície corporal, através da termografia por infravermelho. O objetivo deste trabalho foi desenvolver e avaliar modelos computacionais para classificação de estresse térmico em bezerras de leite por meio da termografia por infravermelho. A base de dados utilizada para a contrução dos modelos foi obtida por meio de um experimento com 10 bezerras desaleitadas da raça Holandesa, alojadas em câmara climática com controle de temperatura e submetidas a condições térmicas de conforto e estresse por meio de ondas de calor, no qual foram coletados dados fisiológicos e ambientais, incluindo dados termográficos de diferentes partes do corpo do animal. Foram construídos e avaliados modelos computacionais baseados em algoritmos de aprendizado de máquina para classificação em níveis de conforto a partir de dados ambientais e de características extraídas dos dados de termografia através de um método denominado Assinatura Térmica. Para modelagem foram utilizadas ferramentas de tratamento e mineração de dados da plataforma de serviço de computação cognitiva Watson da empresa IBM. Os modelos classificadores de estresse térmico foram desenvolvidos apartir de três diferentes algoritmos de aprendizado de máquina, quatro subconjuntos da base de dados e três tipos de rotulagem de dados, e foram comparados com o método tradicional de classificação baseado no Índice de Temperatura e Umidade. Os modelos foram capazes de classificar o estresse térmico, tendo o melhor modelo obtido acurácia de 86,8%, comparável ao desempenho obtido por modelos de outros trabalhos, além de precisão de 89% para a classe de Estresse. Os resultados mostram que a abordagem baseada em aprendizado de máquina com a assinatura térmica foi efetiva para geração de modelos com bom desempenho e com potencial de aprimoramento
- Imprenta:
- Publisher place: Pirassununga
- Date published: 2022
- Data da defesa: 08.07.2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
PEREIRA, André Levi Viana. Modelo baseado em aprendizado de máquina para classificar o conforto térmico de bezerras usando termografia por infravermelho. 2022. Dissertação (Mestrado) – Universidade de São Paulo, Pirassununga, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-06022023-095440/. Acesso em: 24 maio 2024. -
APA
Pereira, A. L. V. (2022). Modelo baseado em aprendizado de máquina para classificar o conforto térmico de bezerras usando termografia por infravermelho (Dissertação (Mestrado). Universidade de São Paulo, Pirassununga. Recuperado de https://www.teses.usp.br/teses/disponiveis/74/74131/tde-06022023-095440/ -
NLM
Pereira ALV. Modelo baseado em aprendizado de máquina para classificar o conforto térmico de bezerras usando termografia por infravermelho [Internet]. 2022 ;[citado 2024 maio 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-06022023-095440/ -
Vancouver
Pereira ALV. Modelo baseado em aprendizado de máquina para classificar o conforto térmico de bezerras usando termografia por infravermelho [Internet]. 2022 ;[citado 2024 maio 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-06022023-095440/
Informações sobre o DOI: 10.11606/D.74.2022.tde-06022023-095440 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
