Estimativa de estresse térmico de bovinos 
de corte utilizando classificador baseado em 
lógica difusa 
Rafael V. de Sousa...
Introdução 
Pecuária Nacional 
■ Cenário da produção animal no Brasil: 
❑ o segundo maior produtor e o maior exportados de...
Introdução 
Produtividade e Bem-Estar 
■ Conforto/Estresse térmico animal tem um impacto importante no 
crescimento e no b...
Introdução 
Nível de Estresse Térmico 
■ Importante tendência: aplicação de 
tecnologia para monitorar o 
comportamento, a...
Objetivo 
Classificador Fuzzy e TIV 
Desenvolver um classificador baseado em Lógica Difusa (Fuzzy) que 
integra varáveis a...
Materiais e Métodos 
Classificador Fuzzy 
Sistema Fuzzy 
Modelagem da 
Resposta 
Fisiológica do 
Animal 
Temperatura 
de B...
Materiais e Métodos 
Projeto do Classificador Fuzzy 
Aquisição 
de Dados 
• 18 bovinos Nelore, 10 dias, 3 medições por dia...
Materiais e Métodos 
Implementação e Validação do Classificador 
■ Parâmetros de implementação: 
❑ formas triangular e tra...
Resultados 
Temperatura Retal como Referência 
Melhor correlação entre TR e 
TIV - Fronte 
9 
Nível de 
Estresse 
TR (°C) ...
Resultados 
Variáveis Linguísticas 
(a) TBS (b) UR (c) TIV (d) TRE
Resultados 
Base de Regras 
Se... 
TBS UR TIV 
Então... 
TR 
B B B C 
B B M C 
B B A C 
. . . . 
M M B C 
M M M Cr 
M M A ...
Resultados 
Avaliação do Classificador Fuzzy 
■ TRE vs TR coincidem em ~75%. 
Frequência de 
acertos 
Comparação entre a 
...
Resultados 
Classificador vs ITU 
■ Comparação entre ITU e CF – coincidem em ~66% 
TRE 
ITU 
Conforto Crítico Perigo Total...
Conclusões 
■ O CF classifica os animais individualmente no mesmo período e 
possui grande nível de acerto em comparação c...
Referências Bibliográficas 
■ BROWN-BRANDL, T. M.; JONES, D. D.; WOLD, W. E. Evaluating modelling techniques for 
cattle h...
Obrigado pela Atenção! 
Contatos: 
Professor Dr. Rafael Vieira de Sousa 
Professora Dra. Luciane Silva Martello 
Departame...
Próximos SlideShares
Carregando em…5
×

Estimativa de estresse térmico de bovinos de corte utilizando classificador baseado em lógica difusa

351 visualizações

Publicada em

Estimativa de estresse térmico de bovinos de corte utilizando classificador baseado em lógica difusa_Rafael Souza_SIagro2014_Embrapa Instrumentação

Publicada em: Engenharia
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
351
No SlideShare
0
A partir de incorporações
0
Número de incorporações
3
Ações
Compartilhamentos
0
Downloads
4
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Estimativa de estresse térmico de bovinos de corte utilizando classificador baseado em lógica difusa

  1. 1. Estimativa de estresse térmico de bovinos de corte utilizando classificador baseado em lógica difusa Rafael V. de Sousa1, Tatiana F. Canata e Luciane S. Martello 1 Professor Dr. – Departamento de Engenharia de Biossistemas Faculdade de Zootecnia e Engenharia de Alimentos da Universidade de São Paulo (FZEA – USP)
  2. 2. Introdução Pecuária Nacional ■ Cenário da produção animal no Brasil: ❑ o segundo maior produtor e o maior exportados de carne, ❑ produtividade em cabeças por hectare cresceu 25% em 10 anos, ❑ Instrução Normativa no. 56 - Recomendações de Boas Práticas de Bem-estar para Animais de Produção e de Interesse Econômico. ■ Perspectivas do Ministério da Agricultura, Pecuária e Abastecimento: ❑ aumento da produção de 22% em 10 anos, ❑ avanço da produtividade e do bem-estar animal.
  3. 3. Introdução Produtividade e Bem-Estar ■ Conforto/Estresse térmico animal tem um impacto importante no crescimento e no bem-estar animal. ■ Resposta ao estresse térmico envolve a termorregulação: ❑ aumento de atividade dos mecanismos para a perda de calor, ❑ reduz as funções essenciais do organismo e a ingestão de alimentos. ■ Fatores relacionados com a condição/nível de estresse térmico: ❑ Ambientais: temperatura do ar, umidade, radiação, vento … ❑ Fisiológicos: temperatura retal, frequência respiratória, temperatura da superfície da corporal …
  4. 4. Introdução Nível de Estresse Térmico ■ Importante tendência: aplicação de tecnologia para monitorar o comportamento, a saúde e o crescimento dos animais – ex. índices de estresse térmico. ❑ Índices de temperatura-umidade: obtidos por estatística, são tradicionalmente utilizados com variáveis ambientais. ❑ Termografia de Infravermelho (TIV): medida direta da transferência de calor através da radiação emitida por corpos. ❑ Algoritmos baseados em inteligência artificial para classificar e/ou estimar em níveis o estresse térmico. Ex.: National Research Council (1971): ITU = (1.8 x TBS + 32) – (0.55 – 0.0055 x UR) x (1.8 x TBS – 26.8) TBS: temperatura de bulbo seco UR: umidade relativa do ar NASCIMENTO et al., 2011 HELLEBRAND et al., 2003 BROWN-BRANDL et al., 2006 cv cv cv
  5. 5. Objetivo Classificador Fuzzy e TIV Desenvolver um classificador baseado em Lógica Difusa (Fuzzy) que integra varáveis ambientais e fisiológicas para determinar o nível de estresse térmico em bovinos. ■ Utilização de sensor não invasivo para medida de variável fisiológica – termografia de infravemelho. ■ Viabilizar o desenvolvimento de sistema de automação para criadouros. ■ Alimentar sistemas informação para suporte a tomada de decisão.
  6. 6. Materiais e Métodos Classificador Fuzzy Sistema Fuzzy Modelagem da Resposta Fisiológica do Animal Temperatura de Bulbo Seco (TBS) Umidade Relativa do Ar (UR) Termografia Infravermelho (TIV) Classificação Evidência Empírica
  7. 7. Materiais e Métodos Projeto do Classificador Fuzzy Aquisição de Dados • 18 bovinos Nelore, 10 dias, 3 medições por dia (8h , 12h e 16h) • Estação climatológica (Campbell Scientific 21XI(L): temperatura (TBS) e umidade (UR) • Câmera de infravermelho (TiS 9 Hz Fluke): temperatura da superfície corporal (TIV) • Termômetro clínico: temperatura retal (TR) Análise Estatística • Software SAS (Statistical Analysis System) • Correlação de Pearson • TIV com TR: melhor correlação da TR com temperatura da superfície corporal • TIV com TR: classificação de intervalos de TIV em função de intervalos de estresse TR Classificador Fuzzy • Software MATLAB (MathWorks) • Classificador Fuzzy: CF • Entradas: TBS, UR e TIV • Saída: TR estimada (TRE)
  8. 8. Materiais e Métodos Implementação e Validação do Classificador ■ Parâmetros de implementação: ❑ formas triangular e trapezoidal para compor a funções de pertinência, ❑ Método Mamdani baseado em composição Max-Min para inferencia, ❑ Saídas crisp obtidas pelo Método do Centróide (Defusificação). ■ Validação: ❑ comparação TR (medição) com TRE (estimação), ❑ comparação com ITU proposto por NRC(1971). ITU = (1.8 x TBS + 32) – (0.55 – 0.0055 x UR) x (1.8 x TBS – 26.8)
  9. 9. Resultados Temperatura Retal como Referência Melhor correlação entre TR e TIV - Fronte 9 Nível de Estresse TR (°C) TIV (°C) Conforto (C) ≤ 39.0 ≤ 35.0 Crítico (Cr) 39.1 – 39.4 35.1 – 35.4 Perigo (P) ≥ 39.5 ≥ 35.5
  10. 10. Resultados Variáveis Linguísticas (a) TBS (b) UR (c) TIV (d) TRE
  11. 11. Resultados Base de Regras Se... TBS UR TIV Então... TR B B B C B B M C B B A C . . . . M M B C M M M Cr M M A Cr . . . . A A B Cr A A M P A A A P Nível de Estresse TR (°C) TIV (°C) Conforto (C) / Baixo (B) ≤ 39.0 ≤ 35.0 Crítico (Cr) / Médio (M) 39.1 – 39.4 35.1 – 35.4 Perigo (P) / Alto (A) ≥ 39.5 ≥ 35.5
  12. 12. Resultados Avaliação do Classificador Fuzzy ■ TRE vs TR coincidem em ~75%. Frequência de acertos Comparação entre a classificação da TR aferida com a TRE estimada pelo CF TRE TR Conforto Crítico Perigo Total Conforto 71,60% 14,40% 2,60% 88,50% Crítico 7,40% 3,10% 0,11% 10,60% Perigo 0,56% 0,11% 0,22% 0,89% Total 79,49% 17,61% 2,90% 100%
  13. 13. Resultados Classificador vs ITU ■ Comparação entre ITU e CF – coincidem em ~66% TRE ITU Conforto Crítico Perigo Total Conforto 53,13% 0% 0% 53,13% Crítico 12,50% 3,13% 0% 15,63% Perigo 0% 23,05% 8,20% 31,25% Total 65,63% 26,18% 8,20% 100% Frequência de acertos Comparação entre a classificação do ITU calculado com a TRE estimada pelo CF
  14. 14. Conclusões ■ O CF classifica os animais individualmente no mesmo período e possui grande nível de acerto em comparação com a TR. ■ O CF integra indiretamente a TR para avaliação de estresse térmico. ■ O CF integra diretamente variável fisiológica (TIV) e variáveis ambientais constituindo uma ferramenta não invasiva promissora para permitir a avaliação estresse térmico. ■ Possui potencial de integração com um sistema de gestão para pecuária em tempo real.
  15. 15. Referências Bibliográficas ■ BROWN-BRANDL, T. M.; JONES, D. D.; WOLD, W. E. Evaluating modelling techniques for cattle heat stress prediction. Biosystems Engineering, London, v. 91, n. 4, p. 513–524, 2005. ■ HELLEBRAND, H. J. et al. Application of thermal imaging for cattle management. In: EUROPEAN CONFERENCE ON PRECISION LIVESTOCK FARMING, 1., 2003, Berlin. Proceedings… Berlin, 2003. p. 761-763. ■ MINISTÉRIO DA AGRICULTURA, PECUÁRIA E ABASTECIMENTO (MAPA). Instrução Normativa 56. Brasília, 2008. Disponível em: <http://extranet.agricultura.gov.br/sislegis-consulta/ consultarLegislacao.do?operacao=visualizar&id=19205>. Acesso em: 27 maio 2014. ■ MINISTÉRIO DA AGRICULTURA, PECUÁRIA E ABASTECIMENTO (MAPA). Projeções do Agronegócio. Brasília, 2009. Disponível em: <http:/www.agricultura.gov.br/comunicacao/publicacoes>. Acesso em: 27 maio 2014. ■ NASCIMENTO, G. R. et al. Índice Fuzzy de conforto térmico para frangos de Corte. Engenharia Agrícola, Jaboticabal, v. 31, n. 2, p. 219-229, 2011. ■ NATIONAL RESEARCH CONTROL (NRC). A guide to environmental research on animals. Washington: National Academy of Science. Washington, DC, USA. 1971.
  16. 16. Obrigado pela Atenção! Contatos: Professor Dr. Rafael Vieira de Sousa Professora Dra. Luciane Silva Martello Departamento de Engenharia de Biossistemas – FZEA-USP Campus Pirassununga – Pirassununga – SP rafael.sousa@usp.brrafael.sousa@usp.br ; martello@usp.br

×