MODELOS FUZZY E NEURO-FUZZY PARA PREDIÇÃO DE VARIÁVEIS FISIOLÓGICAS EM OVINOS COM BASE EM DADOS MICROMETEOROLÓGICOS
DOI:
https://doi.org/10.31413/nat.v13i3.18997Palavras-chave:
bem-estar animal, conforto térmico, termografia infravermelho, pecuária de precisãoResumo
O uso de modelos computacionais e termografia viabiliza sistemas automáticos para monitorar o conforto térmico em animais de produção. Este estudo desenvolveu modelos fuzzy e neuro-fuzzy para predizer variáveis fisiológicas em ovinos com base em variáveis micrometeorológicas. Os dados micrometeorológicos foram obtidos por um termômetro de globo negro, enquanto os dados fisiológicos incluíram temperatura retal e temperaturas superficiais ocular, do flanco e da costela. Foram coletados 396 pontos de dados, de 18 ovinos, em dois períodos diários. Os modelos foram criados no MATLAB, utilizando temperatura e umidade do ar como variáveis de entrada e os dados fisiológicos como saídas. A avaliação do desempenho considerou estatísticas como erro médio absoluto (MAE), erro percentual absoluto médio (MAPE), erro quadrático médio (MSE), raiz do erro quadrático médio (RMSE) e índice de eficiência (NSE). O modelo neuro-fuzzy teve melhor desempenho comparado ao fuzzy, mas ambos apresentaram bons resultados. Esses modelos eliminam coletas invasivas, economizam tempo e recursos humanos e possibilitam a automação com maior precisão na análise de estresse térmico e bem-estar animal. A abordagem demonstrou-se eficiente para estimar variáveis fisiológicas, contribuindo para avanços no monitoramento do conforto térmico em ovinos.
Palavras-chave: bem-estar animal; conforto térmico; pecuária de precisão; termografia de infravermelho.
Fuzzy and neuro-fuzzy models for predicting physiological variables in sheep based on micrometeorological data
ABSTRACT: The use of computational models and thermography enables automated systems to monitor thermal comfort in livestock. This study developed fuzzy and neuro-fuzzy models to predict physiological variables in sheep based on micrometeorological variables. Micrometeorological data were collected using a black globe thermometer, while physiological data included rectal temperature and surface temperatures of the eyes, flanks, and ribs. A total of 396 data points were collected from 18 sheep during two daily periods. The models were created in MATLAB, using air temperature and humidity as inputs and physiological data as outputs. Performance evaluation considered statistics such as mean absolute error (MAE), mean absolute percentage error (MAPE), mean squared error (MSE), root mean squared error (RMSE), and Nash-Sutcliffe efficiency index (NSE). The neuro-fuzzy model outperformed the fuzzy model, although both delivered satisfactory results. These models eliminate the need for invasive data collection, save time and human resources, and enable automation with greater precision in thermal stress analysis and animal welfare assessment. The approach proved efficient in estimating physiological variables, contributing to advancements in monitoring thermal comfort in sheep.
Keywords: animal welfare; infrared thermography; precision livestock farming; thermal comfort.
Referências
ACOSTA-GRANADOS, I. C.; CARRERO-FLORES, J. E.; VIDAURRE, R. A.; CRUZ-LUIS, J. A.; RUÍZ-CHAMORRO, J. A. Morphometric and phaneroptic characteristics of creole goats in the dry forest of Peru. Nativa, v. 13, n. 1, p. 156-161, 2025. https://doi.org/10.31413/nat.v13i1.18865
AMENDOLA, M.; SOUZA, A. L. Manual do uso da teoria dos conjuntos fuzzy no matlab 6.1. Campinas: Faculdade de Engenharia Agrícola, UNICAMP, 2004. 30p.
AMORIM, M.; COSTA, D.; HARADA, É.; SILVA, W. P.; TURCO, S. H. N. Performance of electronic device and different visual observation intervals in assessing feeding behavior in sheep. Computers and Electronics in Agriculture, v. 231, e110053, 2025. https://doi.org/10.1016/j.compag.2025.110053
AMORIM, M. D. N.; MIRANDA, I. B. SANTOS, Í. E. D. A. LOURENÇONI, D.; TURCO, S. H. Fuzzy modeling for rapid cooling of table grapes in different plastic film bags. Engenharia Agrícola, v. 42, n. 1, e20200149, 2022. https://doi.org/10.1590/1809-4430-Eng.Agric.v42n1e20200149/2022
AMORIM, M. N.; TURCO, S. H. N.; DOS SANTOS COSTA, D.; FERREIRA, I. J. S.; DA SILVA, W. P.; SABINO, A. L. C.; DA SILVA-MIRANDA, K. O. Discrimination of ingestive behavior in sheep using an electronic device based on a triaxial accelerometer and machine learning. Computers and Electronics in Agriculture, v. 218, e108657, 2024. https://doi.org/10.1016/j.compag.2024.108657
BONFIM, O. C.; AMORIM, M. N.; TURCO, S. H. N.; OLIVEIRA, P. T. L.; GONÇALVES, I. C. M.; QUEIROZ, L. C. R.; FIGUEIREDO, L. B. F. Variabilidade espacial do ambiente térmico e da iluminação em instalação para frangos de corte em região semiárida. Nativa, v. 12, n. 4, p. 631-641, 2024. https://doi.org/10.31413/nat.v12i4.17457
BORGES, L. S.; ROCHA, F. S. B.; NERI, V. S.; MAIA, F. S. P.; CASTRO, O. C. C.; CAMPELO, J. E. G.; SARMENTO, J. L. R. Gestão zootécnica e genética informatizadas em pequenos ruminantes: uma revisão. Medicina Veterinária, v. 13, n. 2, p. 251-257, 2019. https://doi.org/10.26605/medvet-v13n2-3083
BRITO, D. C.; LOURENÇONI, D.; TURCO, S. H.; OLIVEIRA, P. T. Fuzzy modeling for the analysis of different light intensities in the production of bell pepper seedlings. Engenharia Agrícola, v. 42, n. 3, e20220041, 2022. https://doi.org/10.1590/1809-4430-Eng.Agric.v42n3e20220041/2022
CAMPOS, J. C. C.; LEITE, H. G. Mensuração Florestal: Perguntas e Respostas. 4. ed. Viçosa: UFV, 2013. 605p.
CORNELISSEN, A. M. G.; VAN DEN BERG, J.; KOOPS, W. J.; KAYMAK, U. Elicitation of expert knowledge for fuzzy evaluation of agricultural production systems. Agriculture, Ecosystems & Environment, v. 95, n. 1, p. 1-18, 2003. https://doi.org/10.1016/S0167-8809(02)00174-3
FERREIRA, J.; MCMANUS, C. M.; SILVEIRA, R. M. F.; SILVA, W. S. T. da; GUILHERMINO, M. M.; ASENSIO, L. A. B.; BOZZI, R.; FAÇANHA, D. A. E. Reference patterns for thermoregulation in Italian Massese ewes. Journal of Thermal Biology, v. 113, e103483, 2023. https://doi.org/10.1016/j.jtherbio.2023.103483
FOGARTY, E. S.; SWAIN, D. L.; CRONIN, G. M.; MORAES, L. E.; BAILEY, D. W.; TROTTER, M. Developing a simulated online model that integrates GNSS, accelerometer and weather data to detect parturition events in grazing sheep: a machine learning approach. Animals, v. 11, n. 2, e303, 2021. https://doi.org/10.3390/ani11020303
GARCIA, A. R.; MOURA, A. B. B.; DO NASCIMENTO BARRETO, A.; DE ANDRADE PANTOJA, M. H.; DE SOUSA, M. A. P.; JUNIOR, R. J. M. Estresse calórico e reprodução em ovinos: fundamentos e perspectivas tecnológicas. Revista Brasileira de Reprodução Animal, v. 45, n. 4, p. 430-442, 2021. https://doi.org/10.21451/1809-3000.RBRA2021.058
HALLAK, R.; PEREIRA FILHO, A. J. Metodologia para análise de desempenho de simulações de sistemas convectivos na região metropolitana de São Paulo com o modelo ARPS: sensibilidade a variações com os esquemas de advecção e assimilação de dados. Revista Brasileira de Meteorologia, v. 26, n. 4, p. 591-608, 2011. https://doi.org/10.1590/S0102-77862011000400009
LEITE, P. G.; CUNHA, B. B.; SOUSA, W. S.; MARQUES, J. I.; FURTADO, D. A.; MACHADO, N. A. F. Modelagem fuzzy das respostas fisiológicas e de desempenho de ovinos sob estresse térmico e salino. In: MARQUES, J. I.; MACHADO, N. A. F.; CUNHA, B. B.; SOUSA, W. S.; ALMEIDA, E. I. B. Pesquisas em ambiência animal. São Luís: Edufma, 2022. p. 5-18.
LINS, A. C. S.; SOUZA, I. J.; LOURENÇONI, D.; YANAGI JÚNIOR, T.; SANTOS, I. E. dos A. Fuzzy logic modeling of the ocular temperature of cattle in thermal stress conditions. Engenharia Agrícola, v. 41, n. 4, p. 418-426, 2021. https://doi.org/10.1590/1809-4430-Eng.Agric.v41n4p418-426/2021
LOURENÇONI, D.; ABREU, P. G. D.; YANAGI, T.; CAMPOS, A. T.; YANAGI, S. D. N. Pertinence curves in fuzzy modeling of the productive responses of broilers. Engenharia Agrícola, v. 39, n. 3, p. 265-271, 2019. https://doi.org/10.1590/1809-4430-Eng.Agric.v39n3p265-271/2019
MANSBRIDGE, N.; MITSCH, J.; BOLLARD, N.; ELLIS, K.; MIGUEL-PACHECO, G. G.; DOTTORINI, T.; KALER, J. Feature selection and comparison of machine learning algorithms in classification of grazing and rumination behaviour in sheep. Sensors, v. 18, n. 10, e3532, 2018. https://doi.org/10.3390/s18103532
MARTELLO, L. S.; LUZ E SILVA, S. da; GOMES, R. da C.; CORTE, R. R. P. da S.; LEME, P. R. Infrared thermography as a tool to evaluate body surface temperature and its relationship with feed efficiency in Bos indicus cattle in tropical conditions. International Journal of Biometeorology, v. 60, p. 173-181, 2016. https://doi.org/10.1007/s00484-015-1015-9
MASCARENHAS, N. M. H.; FURTADO, D. A.; FONSÊCA, V. D. F. C.; SOUZA, B. B. de; OLIVEIRA, A. G. de; MORAIS, F. T. L.; SILVA, R. S.; SILVA, M. R.; BATISTA, L. F.; DORNELAS, K. C.; BEZERRA, C. V. C.; SILVA, J. A. P. da C. Thermal stress index for native sheep. Journal of Thermal Biology, v. 115, e103607, 2023. https://doi.org/10.1016/j.jtherbio.2023.103607
MIRANDA, J. R.; SILVA, V. C. da; NETO, J. P. L.; NASCIMENTO, J. W. B. do; ARAUJO, T. G. P. Variáveis fisiológicas e desempenho produtivo como indicadores de estresse térmico em caprinos mestiços Boer em câmara climática. Energia na Agricultura, v. 33, n. 3, p. 201-206, 2018. https://doi.org/10.17224/EnergAgric.2018v33n3p201-206
NASH, J. E.; SUTCLIFFE, J. V. River flow forecasting through conceptual models. Part I—A discussion of principles. Journal of Hydrology, v. 10, n. 3, p. 282-290, 1970. https://doi.org/10.1016/0022-1694(70)90255-6
PACHECO, V. M.; SOUSA, R. V. de.; RODRIGUES, A. V. da S.; SARDINHA, E. J. de S.; MARTELLO, L. S. Thermal imaging combined with predictive machine learning based model for the development of thermal stress level classifiers. Livestock Science, v. 241, p. 104-244, 2020. https://doi.org/10.1016/j.livsci.2020.104244
SALLES, M. S. V.; SILVA, S. C. da; SALLES, F. A.; ROMA JR, L. C.; EL FARO, L.; MAC LEAN, P. A. B.; OLIVEIRA, C. E. L. de; MARTELLO, L. S. Mapping the body surface temperature of cattle by infrared thermography. Journal of Thermal Biology, v. 62, p. 63-69, 2016. https://doi.org/10.1016/j.jtherbio.2016.10.003
SANTOS, Í. E. D. A.; OKITA, W. M.; LOURENÇONI, D.; AMORIM, M. D. N.; DE SÁ SILVA LINS, A. C.; MIRANDA, I. B.; TURCO, S. H. N. Neuro-fuzzy modeling of pulp temperature in rapid cooling chamber. Journal of Food Science and Technology, v. 62, p. 1110-1115, 2025. https://doi.org/10.1007/s13197-024-06109-7
SIRQUEIRA, E. S.; ALMEIDA, F. T. de; ARAÚJO, H. B.; ZOLIN, C. A.; CARVALHO, G. A.; PAULISTA, R. S. D.; SILVA, A. F.; BORELLA, D. R. Vazão líquida, sedimentos em suspensão e turbidez na microbacia do rio Caiabi, no ecotóno Cerrado-Amazônia. Nativa, v. 10, n. 4, p. 525-532, 2022. https://doi.org/10.31413/nativa.v10i4.13961
SOUSA, R. V. de.; RODRIGUES, A. V. da S.; ABREU, M. G. de.; TABILE, R. A.; MARTELLO, L. S. Predictive model based on artificial neural network for assessing beef cattle thermal stress using weather and physiological variables. Computers and Electronics in Agriculture, v. 144, p. 37-43, 2018. https://doi.org/10.1016/j.compag.2017.11.033
TAKAGI, T.; SUGENO, M. Fuzzy identification of systems and its applications to modeling and control. IEEE Transactions on Systems, Man, and Cybernetics, v. 15, n. 1, p. 116-132, 1985. https://doi.org/10.1109/TSMC.1985.6313399
TRABACHINI, A.; DIAS, C. S.; MOREIRA, M. R.; WEN, T. C.; CANEPPELE, F. L.; HARADA, É. S.; AMORIM, M. N.; MIRANDA, K. O. S. Automation to improve pig welfare using fuzzy logic. Revista Brasileira de Ciências Agrárias, v. 19, n. 3, e3532, 2024. https://doi.org/10.5039/agraria.v19i3a3532
YANAGI JUNIOR, T.; SCHIASSI, L.; ABREU, L. H.; BARBOSA, J. A.; CAMPOS, A. T. Procedimento fuzzy aplicado à avaliação da insalubridade em atividades agrícolas. Engenharia Agrícola, v. 32, n. 3, p. 423-434, 2012. https://doi.org/10.1590/S0100-69162012000300002
Downloads
Publicado
Edição
Seção
Como Citar
Licença
Copyright (c) 2025 Nativa
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Direitos Autorais para artigos publicados nesta revista são do autor, com direitos de primeira publicação para a revista. Em virtude de a aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.
A artigos publicados nessa revista, podem ser reproduzidos parcialmente ou utilizados como referência por outros autores, desde que seja cita a fonte, ou seja, a Revista Nativa.
Copyright for articles published in this journal are the authors, with first publication rights granted to the journal. The journal shows open access, and articles are free to use, with proper attribution, in educational and non-commercial.
The articles published in this journal may be reproduced in part or used as a reference by other authors, provided that the source is quoted.
