Estimativa de estresse térmico de bovinos de corte utilizando classificador baseado em lógica...
-
Upload
netnexusbrasil -
Category
Engineering
-
view
58 -
download
4
Transcript of Estimativa de estresse térmico de bovinos de corte utilizando classificador baseado em lógica...
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)
IntroduçãoPecuária 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.
IntroduçãoProdutividade 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 …
IntroduçãoNível 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.
HELLEBRAND et al., 2003NASCIMENTO et al., 2011
Ex.: National Research Council (1971):
TBS: temperatura de bulbo seco
UR: umidade relativa do ar
ITU = (1.8 x TBS + 32) – (0.55 – 0.0055 x UR) x (1.8 x TBS – 26.8)
BROWN-BRANDL et al., 2006
cv
cv
cv
ObjetivoClassificador 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.
Materiais e MétodosClassificador 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
Materiais e MétodosProjeto 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
Estatístic
a
• 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)
Materiais e MétodosImplementação 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)
ResultadosTemperatura Retal como Referência
9
Temperatura Retal - TR
Definição da melhor área da superfície corporal
Classificação dos intervalos de TIV em função dos intervalos para a TR
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
Melhor correlação entre TR e TIV - Fronte
ResultadosVariáveis Linguísticas
(a) TBS (b) UR (c) TIV (d) TRE
ResultadosBase 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
■ TRE vs TR coincidem em ~75%.
ResultadosAvaliação do Classificador Fuzzy
Frequência de acertos
Comparação entre a
classificação da TR
aferida com a TRE
estimada pelo CF
TRE
TRConforto 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%
ResultadosClassificador vs ITU
■ Comparação entre ITU e CF – coincidem em ~66%
TRE
ITUConforto 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
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.
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.
Contatos:Professor Dr. Rafael Vieira de Sousa
Professora Dra. Luciane Silva Martello
Departamento de Engenharia de Biossistemas – FZEA-USP
Campus Pirassununga – Pirassununga – SP
[email protected]@usp.br ; [email protected]
Obrigado pela Atenção!