Técnicas de precisão na produção animal

Revista Brasileira de Zootecnia
© 2011 Sociedade Brasileira de Zootecnia
ISSN 1806-9290
www.sbz.org.br
Correspondências devem ser enviadas para: irenilza@feagri.unicamp.br
Uso de técnicas de precisão na produção animal
Irenilza de Alencar Nääs1
1 Prof. Visitante Sênior – Universidade Federal da Grande Dourados, Dourados, MS.
RESUMO - Atualmente os animais são criados de forma intensiva e mantidos próximos das condições ideais de
crescimento e produção dentro dos limites tecnológicos vigentes. O monitoramento das etapas envolvidas no processo
produtivo como um todo (arraçoamento e saúde dos animais, reprodução, ambiente em que os animais estão inseridos,
crescimento até as etapas de comercialização, transporte e qualidade do produto final) deve satisfazer a uma série de demandas
éticas e ao mercado consumidor. A atual produção animal necessita de tecnologias de informação automatizadas para coleta
de dados inerentes ao ambiente em que os animais estão inseridos, analisando a interferência dos mesmos na produção e no
bem-estar. Há necessidade de envolvimento dos métodos avançados de controle, visto que geralmente são utilizados sistemas
de automação, visando principalmente reduzir ou evitar perdas localizadas, otimizando o sistema de produção. A demanda
por alimentos de origem animal é crescente, o que provoca constante busca de otimização de produção, uma vez que a
limitação espacial de produção é uma realidade. A Zootecnia de Precisão, procurando adicionar precisão nas ações ligadas
à produção animal, utiliza técnicas matemáticas e sensores que permitem processar uma vasta gama de informações a respeito
do processo produtivo. O uso de tecnologia adequada permite, portanto, maximizar a eficiência do sistema produtivo,
monitorando tanto suas etapas críticas de produção, como seu objetivo-alvo, observando se os mesmos estão próximos ao
considerado ótimo.
Palavras-chave: análise multicriterial, lógica fuzzy, mineração de dados, vocalização
Technique in precision livestock farming
ABSTRACT - Nowadays animals are reared intensively, kept close to the ideal growing conditions and production within
the limits of existing technology. The monitoring of the steps involved in the production process as a whole (animal feeding
and health, breeding, the environment in which animals are housed, their growth up the way of marketing, transportation and
final product quality) must meet a series of ethical demands and consumer’s market. Livestock production today requires the
use of information technologies for automated data collection related to the environment in which animals are reared, by
analyzing the interference of the same in production and welfare of these animals. There is also the need for involvement
of advanced control methods which are usually used in automation systems, mainly aiming to reduce or avoid localized losses,
and optimizing the production system. The demand for animal derived foods has been growing steadily, resulting in a constant
quest for production optimization, since the space limitation of production is a reality. Precision Livestock Farming seeks
to add precision in the actions related to animal production, and it uses mathematical techniques and sensors for handling a
wide range of information about the production process. The use of adequate technology therefore allows maximizing the
efficiency of the production system while monitoring both its critical stages of production, as target, as well as keeping track
whether they are close to what is regarded as optimum.
Key Words: data mining, fuzzy logic, multicriterial analysis, vocalization
Introdução
Segundo o International Food Policy Research
Institute, o consumo mundial de carnes (todas as espécies)
passará de 180 milhões toneladas, nos anos 90, para 300
milhões, em 2020, o que significa aumento de
aproximadamente 1,8% ao ano. Os países em
desenvolvimento serão aqueles que terão o maior aumento
no consumo, resultando em melhor desenvolvimento
humano, se considerado que a carne possui nutrientes e
proteínas ausentes nos vegetais. Nos anos 90, países em
desenvolvimento consumiram três vezes mais carne que na
década de 70, quando a China despontou no período como
grande consumidor de alimentos. Hoje a demanda asiática
por proteína de origem animal é de 80 milhões de toneladas.
Como a produção de proteínas animais tem que responder
aoincrementodademanda,surgeodesafiodeseaumentarem
os desempenhos, que estão ligados às questões produtivas
R. Bras. Zootec., v.40, p.358-364, 2011 (supl. especial)

359
Nääs
e reprodutivas dos animais, do manejo empregado, do
sistema de criação escolhido, da nutrição, da sanidade, e
das instalações. O Brasil tem revesado com Austrália e
Oceania o primeiro lugar em produção mundial de carne, nos
últimos anos, não somente pela área de terra agricultável,
mas também pela disponibilidade de água e grãos.
O conceito de Zootecnia de Precisão está relacionado
à redução otimizada das perdas, bem como ao incremento da
aplicação e gestão da qualidade do produto, dentro de todo
o processo gerenciado. Este texto expõe técnicas de
Zootecnia de Precisão e procura mostrar, sem esgotar o
assunto, a importância da aplicação destes conceitos na
obtenção de alimentos com qualidade que, além de atender
à demanda do mercado consumidor, prevê a agregação de
valor ao produto.
Ferramentas da Zootecnia de Precisão
Embora já usadas em outras áreas do conhecimento,
novas ferramentas matemáticas têm sido utilizadas, no
sentidodeviabilizaratransformaçãodedadoseminformação
a serviço da produção de proteína animal.
Ferramentas matemáticas
O sucesso na produção intensiva de animais está
diretamente relacionado ao manejo eficiente do ambiente. O
controle do ambiente de alojamento geralmente baseia-se
em medidas de temperatura e umidade relativa, entretanto,
pesquisas apontam o potencial de se obter mais acurácia
nas decisões, quando são incorporadas respostas
fisiológicas dos animais a agentes estressores do ambiente
(Aertsetal.,1996;Goedseelsetal.,1992;Laceyetal.,2000).
A dificuldade de analisar o grande volume de
informação referente a todas as variáveis envolvidas, para
o estabelecimento de condições adequadas na construção
de galpão para animais, vem sendo relatada na literatura.
O principal interesse nesta área está relacionado ao estudo
de fenômenos que exibem incertezas graduais e possam
ser modelados pela Teoria dos Conjuntos Fuzzy. Devido
a seu poder de explicação e de multi-disciplinaridade, esta
teoria pode facilitar o trabalho do modelador na
incorporação do conhecimento de especialista da área,
melhorando a análise e compreensão de algumas situações
reais (Amendola et al., 2004).
A Teoria dos Conjuntos Fuzzy foi introduzida por
Zadeh (1965) com a principal intenção de dar um tratamento
matemático a certos termos linguísticos subjetivos, como
“aproximadamente”, “em torno de”, entre outros.
Aplicações da Teoria dos Conjuntos Fuzzy em diversas
áreas podem ser encontradas na literatura (Pedrycz &
Gomide, 1998; Jafelice et al., 2001; Brunassi et al., 2010). A
ideia desta teoria é a introdução de graus de pertinência aos
elementos de um conjunto.
O uso de AHP (Analytical Hierarchic Process) permite,
com base em inteligência competitiva, a definição de
processos e sistemas adequados a determinada atividade.
Nääs et al. (2005) utilizaram esta ferramenta para avaliar o
uso de procedimentos de rastreabilidade manual e eletrônica
na produção de suínos, apontando os manejos ou eventos
em que se aplicava melhor uma ou outra tecnologia. Já
AlmeidaPazetal.(2010)usaramestaferramentaparaanalisar
a propriedade do uso de determinada cama em criação de
frangos de corte.
A mineração de dados é uma etapa do procedimento
descrito como Knowledge Discovery in Databases (KDD),
que é um processo de identificação nos dados de padrões
válidos, potencialmente úteis e compreensíveis (Fayyad &
Stolorz, 1996). Na fase de mineração (Data mining),
algoritmos de extração de padrões são aplicados sobre os
dados, para serem eliminadas as inconsistências (Berson &
Smith, 1997). A mineração de dados tem se mostrado como
ferramenta promissora no entendimento de dados para
eventos na produção animal, com grande potencial de
aleatoriedade, como determinação de estro e qualidade de
ambiente.
O uso de Redes Neurais Artificiais (RNA) tem bom
potencial de aplicação no reconhecimento de padrões
relacionados, por exemplo, a comportamentos e vocalização
(Figuras 1 e 2), que, através de um banco de dados
específicos, na seleção de medições para um estudo
particular pode predizer o conjunto de comportamentos que
um animal pode mostrar de forma detalhada e descritiva,
formalizado no conjunto das observações efetivamente
coletadas em campo.
A Geoestatística também é uma importante ferramenta
no entendimento de fenômenos espaciais dentro de
instalações para alojamento de animais. Miragliotta et al.
(2006) utilizaram geoestatística para identificar pontos
críticos dentro de galpão de aves do tipo túnel, verificando
aqueles locais passíveis de condições de estresse térmico.
Análise de sinais
A análise de sinais é importante no estudo de
comportamento e bem-estar de animais, uma vez que é a
forma básica de comunicação dos animais com o seu
ambiente. Apesar de Etologistas e Zootecnistas, além de
Biólogos, produzirem etogramas de cada espécie, muitas
vezes a forma de observação simplesmente visual não é
suficiente para a compreensão completa de determinado

360
evento durante o processo de produção. Portanto, o estudo
e a compreensão de determinados sinais a partir de ruídos
e imagens podem ser ferramentas indispensáveis para tais
pesquisas.
Estudando a resposta de suínos alojados, Silva et al.
(2007) observaram que é possível mapear o padrão de
conforto térmico dos animais em função do padrão de nível
de ruídos (Figura 3). Esses resultados podem induzir a
tomadas de decisão em tempo real, à distância, por exemplo,
no comando do controle dos parâmetros ambientais.
Ambos o registro e a análise de imagens em tempo real
permitem tomadas de decisão, de maneira a intervir no
Figura 1 - Intensidade sonora, autocorrelação, espectro de freqüências e espectrograma para o de uma amostra de determinado
comportamento de suíno.
Figura 2 - Curva de aprendizado da rede com intensidade sonora como parâmetro de entrada.
Fonte: Nääs et al. (2008).
Fonte: Nääs et al. (2008).

361
Nääs
processo produtivo, corrigindo erros e adaptando o
ambiente de manejo (Figura 4).
Aplicações específicas na produção animal
Dentro da Rodada de Doha, de comércio agrícola
internacional, cujos resultados interessam ao Brasil, das
dez demandas mais controversas, seis tratam de assunto
ditos não-tarifários que estão diretamente ligadas ao
consumidor.Dentreelas,naproduçãoanimal,estãoaquestão
da rastreabilidade e, a mais interessante e passível de maior
controvérsia, a questão de bem-estar animal.
Rastreabilidade
Somente após 40 anos da criação do Codex
Alimentarius, diferentes grupos de indústrias e
consumidores manifestaram interesse por ele, a ponto dos
diversos padrões estabelecidos pelo Codex fazerem parte
de muitas negociações realizadas na Organização Mundial
do Comércio. O Codex conta atualmente com 165 países
membros, o que corresponde a 98% da população mundial.
Uma série de acontecimentos que ocorreram na
indústria de alimentos, a exemplo da presença da
Escherichia coli em hambúrgueres, as contaminações
por dioxina em frangos e suínos, a presença de Listeria
monocytogenes em produtos lácteos e a presença das
TSEs, destacando-se a BSE em bovinos, mostra que, do
ponto de vista da população, ela está ciente dos riscos
a que são expostas e também do tipo de ambiente em que
vivem. Isso é, em parte, devido ao grande desenvolvimento
dos meios de comunicação que contribuíram para esta
Figura 3 - Mapa de ruídos no galpão de creche, com suínos; o ponto A mostra a incidência de ruído de pico.
68.00
72.00
76.00
80.00
84.00
88.00
Cheio com 8
Fonte: Silva et al. (2007).
Figura 4 - Análise da imagem de comportamento de grupo de frangos, em função de etograma definido por comportamentos agressivos
e normais.

362
capacidade de ver novos riscos, muitas vezes antes que
a comunidade científica venha a detectar o problema.
Portanto, frente a esta situação, as autoridades políticas
se vêem na função de criar medidas preventivas que
possam minimizar estes acontecimentos dentro de níveis
aceitáveis.
Uma série de documentos distintos compõe a ISO, que
vão desde a implementação de sistemas com propósitos de
“registro” até o planejamento de atividades vinculadas ao
que se define como política de estabelecer os princípios de
produção sem ferir os princípios de equilíbrio ambiental.
Faceaessecenário,aquestãodarastreabilidadeéimportante
e sua consecução somente é possível aplicando tecnologia
da informação associada ao processo produtivo. Várias são
as soluções propostas na literatura internacional, para
acompanhamento e rastreabilidade dos pontos críticos da
produção de proteína animal, utilizando tecnologia da
informação no processo (Lacey et al., 2000; Pereira, 2002;
Cveticanin, 2003; Miragliotta et al., 2006).
O uso de identificação eletrônica, embora reduza o erro
intrínseco de coleta e transmissão de dados, apresenta
problemas inerentes à transmissão de informação com
relação à distância entre o emissor e a antena. Parte desse
uso e de suas limitações encontra-se descritos na literatura
(Curto et al., 2002; Silva et al., 2005; Silva et al, 2006).
Medidas de bem-estar animal
As bases regulatórias da ISO quanto à produção animal
encontra-se em fase embrionária, havendo movimentos
internacionais que, de forma localizada, recorrem à
sensibilidade de mercados consumidores exigentes, para
impor suas regras, como é o caso da carne suína “qualidade
sueca”. Os países escandinavos, principalmente a Suécia,
procuraram estabelecer seus padrões de produção dentro
dos princípios do “bem-estar animal”, em consonância com
os ditames dos grupos de proteção aos animais. Entretanto,
para que se consiga medir bem-estar animal, é necessário
saber se há alteração entre o comportamento normal e seus
desvios em confinamento. Para tanto há grande aplicação
de ferramentas de Zootecnia de Precisão, já descritas.
Alguns sistemas foram desenvolvidos para o
monitoramento do comportamento animal. Rutter et al.
(1997) demonstraram que o Sistema de Posicionamento
Global (GPS) pode ser utilizado para o monitoramento de
ovelhas no pasto. Já em galpões de confinamento, a análise
de imagens tem se mostrado uma boa ferramenta para
monitorar o comportamento animal (Frost et al., 1997).
Pedersen & Pedersen (1995) utilizaram detectores
infravermelhos Passivos (PID’s) para medir a atividade de
suínos.
Medidas gerais de bem-estar de aves são sugeridas
por Manning et al. (2007), entretanto a maioria dos itens
está relacionada simplesmente à observação visual. Um
trabalho desenvolvido para avaliação de ferramentas e
estratégias para medida do comportamento de animais foi
descrito por Donát (1991). O autor relatou o poder das
novas tecnologias e ferramentas disponíveis, como
câmeras, computadores, softwares no aumento
considerável da eficiência do trabalho experimental em
análises de comportamento dos animais.
Aparentemente geneticistas podem detectar, por
intermédio da genética molecular, um marcador genético
que seja responsável por esta resposta às variações
ambientais na temperatura e, provavelmente, encaminhe o
desenvolvimento genético para padrões mais homogêneos
de resposta ao ambiente de alojamento, reduzindo,
consequentemente, as perdas por esta causa (Pereira, 2002).
A Figura 5 mostra a zona de termoneutralidade de duas
matrizes de frango de corte, identificando que, embora
irmãs, tenham distintos níveis de tolerância ao calor. Curto
et al. (2002) já haviam utilizado a tecnologia de EDI para
estudo do comportamento de matrizes pesadas. Através da
observação da frequência de uso dos locais: bebedouro,
ninho e passagem (espaço entre o comedouro e a parede),
o autor criou modelos de frequência de uso de cada local,
em função da temperatura do ar. Estes modelos permitem,
para as condições encontradas no experimento e a partir do
registro da temperatura do ar, simular o comportamento das
aves em cada local, onde o resultado é uma variável
importante na avaliação do bem-estar das aves alojadas. É
possível, com base de dados de registro contínuo de imagens
(Figura 5), construir programas computacionais de suporte
à decisão, implementando a decisão em tempo real no
ambiente de produção.
Medidas preventivas de sanidade animal
As mudanças bruscas na alimentação, o excesso de
sujeira nas instalações, os pisos irregulares e abrasivos, a
não utilização ou uso incorreto de pedilúvio, a falta de
casqueamento preventivo, a ausência de quarentena e a
aquisição de animais sem a preocupação com o aspecto
sanitário são considerados os fatores de risco de maior
ocorrência de enfermidades digitais. As enfermidades
digitais (patologias de casco) dos bovinos apresentam
impactos econômicos negativos sobre a rentabilidade da
pecuária mundial, tanto pela redução da produtividade
quanto pelo aumento nos custos dos tratamentos, bem
como o descarte prematuro de animais de alto valor
zootécnico. O estudo de patologias de casco, em bovinos
(Figura 6) e de pé, em frangos (gait score) tem demonstrado

363
Nääs
importante resultado em diagnósticos precoces de
patologias de locomoção.
Mollo Neto (2007) desenvolveu um sistema de
diagnóstico preventivo da patologia laminite para vacas
estabuladas em free-stall, utilizando ferramentas
matemáticas estimativas e preditivas integradas, em que foi
possível se detectar o problema com antecedência e,
inclusive, tomar providências necessárias para corrigir o
problemaemtempohábil.NoBrasil,asdoençasdelocomoção
dos bovinos só perdem em prejuízos econômicos para
mastites e patologias da reprodução, uma vez que têm
afetado em média de 11 a 25% das vacas leiteiras. Portanto,
o conhecimento prévio dessa situação pode certamente
melhorar a qualidade da produção.
Considerações Finais
Cada vez que se olha o futuro, constata-se que o
sistema industrial de produção zootécnica tende a enfocar,
de maneira sistêmica: a qualidade do produto final (proteína
animal), o bem-estar do animal, a qualidade de trabalho dos
empregados e o ambiente final da produção e o impacto
dessa produção no meio ambiente, inclusive o tratamento
e destino dos subprodutos e dos resíduos. A ênfase em
cada um desses aspectos muda conforme a evolução das
tendências individuais de produção.
Da necessidade de transformar as etapas e processos
de produção em segmentos passíveis de otimização é que
surgem as pesquisas em utilização de sensores
Figura 5 - Comparação do comportamento de uso do bebedouro para duas aves, através de mapas de distribuição de freqüências.
Figura 6 - Pressão de contato de cascos bovinos obtidos com a passagem de animais sobre uma malha de células de carga com software
de leitura dos resultados (MPa).
14.5 15.5 16.5 17.5 18.5 19.5 20.5 21.5 22.5 23.5 24.5 25.5 26.5 27.5 28.5 29.5 30.5 31.5 32.5 33.5 34.5
30
35
40
45
50
55
60
65
70
75
80
85
90
95
Temperatura (ºC)
Umidade
Relativa
(%)
0005FFFCD2 - Bebedouro
0-100 100-200 200-300 300-400 400-500 500-600
14.5 15.5 16.5 17.5 18.5 19.5 20.5 21.5 22.5 23.5 24.5 25.5 26.5 27.5 28.5 29.5 30.5 31.5 32.5 33.5 34.5
30
35
40
45
50
55
60
65
70
75
80
85
90
95
Temperatura (ºC)
Umidade
Relativa
(%)
0005FFFF0C - Bebedouro
0-100 100-200 200-300 300-400 400-500 500-600

364
biocompatíveis, os protocolos de gerenciamento de
informações, o desenvolvimento de softwares inteligentes
e de decisão que, associados a controles deve aperfeiçoar
cada segmento.
A tendência é que a atividade de produção industrial
de animais se torne uma atividade mais precisa, dependendo
menos de variáveis casuísticas e mais de decisões
inteligentes. É justamente nesse ponto que se reforça o
papel da Zootecnia de Precisão.
Referências
AERTS, J.M.; BERCKMANS, D.; SCHUMMANS, B. On-line
measurement of bioresponses for climate control in animal
production units. In: INTERNATIONAL CONFERENCE ON
COMPUTERS IN AGRICULTURE, 6., 1996, St Joseph, Michigan,
USA. Proceedings… St Joseph, Michigan: American Society of
Agricultural and Biological Engineering, 1996. p.147-153.
ALMEIDA PAZ, I.C.L.; GARCIA, R.G.; BERNARDI R. et al.
Selecting appropriate bedding to reduce locomotion problems
in broilers. Revista Brasileira de Ciência Avícola, v.12,
n.3, p.189-195, 2010.
AMENDOLA, M.; CASTANHO, M.J.; NÄÄS, I.A. Análise
matemática de condições de conforto térmico para avicultura
usando a teoria dos conjuntos Fuzzy. Biomatemática, v.l,
n.14, p.87-92, 2004.
BERSON, A.; SMITH, S.J. Data warehousing, data mining and
OLAP. New York: McGraw-Hill, 1997. 640p.
BRUNASSI, L.A.; MOURA, D.J.; NÄÄS, I.A. et al. Improving
detection of dairy cow estrus using fuzzy logic. Scientia
Agricola, v.67, n.5, p.503-509, 2010.
CURTO, F.P.F.; NÄÄS, I.A.; PEREIRA, D.F. et al. Predicting broiler
breeder behavior using electronic identification. Agricultural
Engineering International: The CIGR Journal of
Scientific Research and Development, v.5, p.1-6, 2002.
CVETICANIN, D. New approach to the dynamic weighing of
livestock. Biosystems Engineering, v.86, n.3, p.247-252,
2003.
DONÁT, P. Measuring behaviour: the tools and the strategies.
Neuroscience & Biobehavioral Reviews, v.15, n.2, p.447-
454, 1991.
FAYYAD, U.; STOLORZ, P. Data Mining and KDD: promise and
challenges. Future Generation of Computer Systems, v.13,
n.1, p.99-115, 1997.
FIRK, R.; STAMER, E.; JUNGE, W. et al. Improving oestrus
detection by combination of activities measurementes with
information about previous oestrus cases. Livestock
Production Sciences, v.82, n.2, p.97-103, 2003.
FROST, A.R.; SCHOFIELD, C.P.; BEAULAH, S.A. et al. A review
of livestock monitoring and the need for integrated systems.
Computers and Eletronics in Agriculture, v.17, n.3, p.139-
159, 1997.
GOEDSEELS, V.; GEERS, R.; TRYEN, B. et al. A data acquisition
system for electronic identification, monitoring, and
control of group-housed pigs. Journal of Agricultural
Engineering, v.52, n.2, p.25-33, 1992.
JAFELICE, R.; BARROS, L.; BASSANEZI, R. et al. Modelos
epidemiológicos com parâmetros subjetivos. Campinas:
UNICAMP, 2001. (Relatório Técnico FEEC). 82p.
LACEY, B.; HAMRITA, T.K.; MCCLENDON, R. Feasibility of
using neural networks for a real-time prediction of poultry
deep body temperature responses to stressful changes in
ambient temperature. Applied Engineering in
Agriculture, v.16, n.3, p.303-308, 2000.
MANNING, L.; CHADD, S.A.; BAINES, R.N. Key health and
welfare indicators for broiler production. World’s Poultry
Science Journal, v.63, n.1, p.46-62, 2007.
MIRAGLIOTTA, M.Y.; NÄÄS, I.A.; MANZIONE, R.L. et al.
Spatial analysis of stress conditions inside broiler house
under tunnel ventilation. Scientia Agrícola, v.63, n.5,
p.426-432, 2006.
MOLLO NETO, M. Desenvolvimento de um sistema
computacional para diagnóstico preventivo de
patologia de casco em bovinos de leite. 2007. 106f.
Tese (Doutorado em Engenharia Agrícola) - FEAGRI-
UNICAMP, Campinas.
NÄÄS, I.A.; CAMPOS, S.; SILVA, K.O. Comparison of manual
and electronic traceability in swine production.
Agricultural Engineering International: The CIGR
Journal of Scientific Research and Development, v.7,
p.1-8, 2005.
NÄÄS, I.A.; CAMPOS, L.S.L.; BARACHO, M. dos S. et al. Uso de
redes neurais artificiais na identificação de vocalização de
suínos. Engenharia Agrícola, v.28, n.2, p.204-216, 2008.
PEDERSEN, S.; PEDERSEN, C.B. Animal activity measured by
infrared detectors. Journal of Agricultural Research,
v.61, n.1, p 239-246, 1995.
PEDRYCZ, W.; GOMIDE, F. An introduction to Fuzzy sets
– analysis and design. Cambridge: MIT Press, 1998. 208p.
PEREIRA, D.F. Avaliação do comportamento individual de
matrizes pesadas (frango de corte) em função do
ambiente e identificação da temperatura crítica
máxima. 2002. 103f. Dissertação (Mestrado em Engenharia
Agrícola) - FEAGRI-UNICAMP, Campinas.
RUTTER, S.M.; BERESFORD, N.A.; ROBERTS, G. Identification
of the grazing areas of hill sheep. Computers and
Eletronics in Agriculture, v.17, n.2, p.139-159, 1997.
SILVA, K.O.; NÄÄS, I.A. Avaliação de uso de identificadores
eletrônicos em suínos. Engenharia Agrícola, v.26, n.5,
p.11-19, p.322-329, 2006.
SILVA, K.O.; NÄÄS, I.A. Identificação eletrônica para
avaliação do comportamento de suínos na fase de gestação.
Engenharia Agrícola, v.25, n.2, p.322-329, 2005.
SILVA, K.O.; NÄÄS, I.A.; TOLON, Y.B. et al. Medidas do ambiente
acústico de suínos. Revista Brasileira de Engenharia
Agrícola e Ambiental, v.11, n.3, p.339-344, 2007.
ZADEH, L.A. Fuzzy sets. Information and Control, v.8,
p.338-353, 1965.

Técnicas de precisão na produção animal

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a Técnicas de precisão na produção animal

Semelhante a Técnicas de precisão na produção animal (20)

Último

Último (20)

Técnicas de precisão na produção animal