Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/30041| Título: | Identificação do comportamento bovino com o uso de internet das coisas e inteligência artificial |
| Título(s) alternativo(s): | Identification of bovine behavior using the internet of things and artificial intelligence |
| Autor(es): | Coltro, Yan Carlos |
| Orientador(es): | Paula Filho, Pedro Luiz de |
| Palavras-chave: | Pecuária Automação Tecnologia Animais - Comportamento Animal culture Automation Technology Animal behavior |
| Data do documento: | 31-Ago-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | COLTRO, Yan Carlos. Identificação do comportamento bovino com o uso de internet das coisas e inteligência artificial. 2022. Dissertação (Mestrado em Tecnologias Computacionais para o Agronegócio) - Universidade Tecnológica Federal do Paraná, Medianeira, 2022. |
| Resumo: | O crescimento populacional não é um fenômeno isolado. Ele é consequência, e causa, de uma série de outros fatores. Como uma das principais consequências do aumento populacional mundial, pode-se destacar o aumento da demanda de alimentos, aquecendo e exigindo mais de várias cadeias produtivas. Com o setor produtivo agrícola não é diferente. Projetam-se grandes aumentos na demanda de alimentos, principalmente no consumo de carne e derivados de origem animal nas próximas décadas, e isso traz novos desafios aos produtores rurais. A fim de ser ferramenta de suporte na encarada desses novos desafios, vem se desenvolvendo nos últimos anos o conceito de pecuária de precisão, onde o monitoramento animal é um dos pontos centrais do conceito. Advindo para solucionar problemas de bem-estar e de monitoramento de comportamento, valendo-se de sensores, redes sem fio e internet das coisas, a pecuária de precisão busca fornecer dados sobre a saúde e comportamento do rebanho, mitigando o problema de monitoramento visual do animal. Esses dados podem ser muito úteis para o produtor rural, pois permitem que haja uma antecipação às perdas causadas por doenças, desconforto e problemas de bem-estar que acometem o rebanho, pois tal mecanismo tem capacidade de monitorar os bovinos em período integral. Para isso, desenvolveu-se um dispositivo eletrônico, vestido no animal, em forma de coleira, que coleta informações sobre os comportamentos expressos pelos animais na propriedade, por meio de sensores. A partir dos dados coletados pelo dispositivo, foram aplicados algoritmos de inteligência artificial para classificação dos comportamentos do animal, tais como Deep Learning, bem como algoritmos clássicos, como Multilayer Perceptron, SMO, árvore de decisão J48 e árvore de decisão Randon Forest. Ao final, observou-se que os algoritmos clássicos apresentaram bons comportamentos frente a abordagem de Deep Learning, destacando-se entre eles as árvores de decisão, que em alguns casos, apresentaram acurácia de 93% na classificação dos dados. |
| Abstract: | Population growth is not an isolated phenomenon. It is a consequence, and cause, of a number of other factors. As one of the main consequences of the world population increase, we can highlight the increase in food demand, heating and demanding more from several production chains. It is no different with the agricultural productive sector. Large increases in food demand are projected, especially in the consumption of meat and animal derivatives in the coming decades, and this brings new challenges to rural producers. In order to be a support tool in facing these new challenges, the concept of precision livestock has been developed in recent years, where animal monitoring is one of the central points of the concept. Coming to solve welfare and behavior monitoring problems, using sensors, wireless networks and the internet of things, precision livestock farming seeks to provide data on the health and behavior of the herd, mitigating the problem of visual monitoring of the animal. animal. These data can be very useful for the rural producer, as they allow for an anticipation of losses caused by diseases, discomfort and welfare problems that affect the herd, as such a mechanism has the capacity to monitor cattle full time. For this, an electronic device was developed, dressed in the animal, in the form of a collar, which collects information about the behaviors expressed by the animals on the property, through sensors. From the data collected by the device, artificial intelligence algorithms were applied to classify the animal’s behaviors, such as Deep Learning, as well as classic algorithms, such as Multilayer Perceptron, SMO, J48 decision tree and Randon Forest decision tree. In the end, it was observed that the classic algorithms presented good behavior against the Deep Learning approach, highlighting among them the decision trees, which in some cases, showed an accuracy of 93% in the classification of data. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/30041 |
| Aparece nas coleções: | MD - Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| identificacaocomportamentobovino.pdf | 55,65 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
