Predição de Estresse em Ovelhas Prenhas e Lactantes com o Uso de Redes Neurais Artificiais

Resumo

Os indicadores de bem-estar animal na agropecuária ganharam um grande aliado com o avanço da tecnologia da informação, que foi a utilização de sistemas inteligentes para a predição de respostas, e utilizados como ferramentas nas tomadas de decisão. Dentre os sistemas inteligentes destacam-se as redes neurais artificiais, devido à redução no custo de implantação, e que permite a inserção de novas técnicas para solução de problemas complexos, como a predição de dados não-lineares e padrões de comportamento. Com este trabalho objetivou-se construir uma rede neural capaz de predizer índices de estresse no período final de gestação e pós-parto de ovelhas Pantaneiras por meio das Redes Neurais Artificais do tipo Perceptron. Utilizou-se variáveis térmicas e fisiológicas de ovelhas gestantes, obtidas no Centro Tecnológico de Ovinos (CTO) da Universidade Anhanguera Uniderp, utilizando 30 matrizes alojadas em um piquete comum durante as fases de pré e pós gestação, onde foram classificados três indicadores de estresse em função da frequência respiratória (Leve, Moderado e Alto). Para tanto, foi implementada uma Rede Multilayer Perceptron com uma camada de entrada, uma oculta (com sete neurônios) e uma camada de saída, com função de ativação tangente hiperbólica e softmax. A temperatura ambiente do ar, a umidade relativa, e as temperaturas da pele, do corpo, da lã, da cabeça, a retal e a frequência respiratória foram consideradas variáveis de entrada. Como variável preditiva, foi considerada o estresse animal. Os resultados podem ser considerados satisfatórios, visto que a Rede apresentou erro de entropia cruzada de 2,337 e predições incorretas de 1,1% em predizer o nível de estresse térmico das ovelhas nas três classificações propostas a partir dos dados de entrada.

Palavras-chave: Centro Tecnológico de Ovino. Sistemas Inteligentes. Treinamento de Redes Neurais.

Abstract

The indicators of animal welfare in agriculture have gained a great ally with the advancement of information technology, which was the use of intelligent systems for the prediction of responses, and used as tools in decision making. Among the intelligent systems, artificial neural networks stand out, due to the reduction in the cost of implantation, which allows the insertion of new techniques for solving complex problems, such as the prediction of non-linear data and behavior patterns. This work aimed to build a neural network capable of predicting stress indices in the final period of pregnancy and postpartum of Pantaneira ewes by means of Perceptron Artificial Neural Networks. Thermic and physiological variables of pregnant ewes, obtained at the Centro Tecnológico de Ovinos (CTO) of Universidade Anhanguera Uniderp, were used, using 30 matrices housed in a common paddock during the pre and post pregnancy phases, where three stress indicators were classified in respiratory rate function (mild, moderate and high). To this end, a Perceptron Multilayer Network was implemented with an input layer, a hidden layer (with seven neurons) and an output layer, with a hyperbolic and softmax tangent activation function. Ambient air temperature, relative humidity, and skin, body, wool, head, rectal and respiratory rate temperatures were considered to be input variables. As a predictive variable, animal stress was considered. The results can be considered satisfactory, since the Network presented a cross entropy error of 2.337 and incorrect predictions of 1.1% in predicting the level of thermal stress of the sheep in the three classifications proposed from the input data.

Keywords: Centro Tecnológico de Ovinos. Intelligent Systems.Training of Neural Networks.