04416nam a2200265 a 450000100080000000500110000800800410001910000170006024501240007726000160020130000100021750002360022752034580046365000110392165000140393265000170394665300120396365300370397565300350401265300210404765300140406865300230408265300270410565300180413221197002024-02-07       2019    bl uuuu  m   00u1 u    #d1 aCAIRO, F. C.  aDetecção de estro em novilhas leiteiras com base em dados de cochos e bebedouros eletrônicos.h[electronic resource]  a2019.c2019  a54 f.  aDissertação (Mestrado em Zootecnia) - Universidade Estadual do Sudoeste da Bahia, Itapetinga, 2019. Orientador: Luiz Gustavo Ribeiro Pereira, Embrapa Gado de Leite; Coorientadora: Mariana Magalhães Campos, Embrapa Gado de Leite.  aRESUMO A manifestação de estro causa redução no consumo e comportamento alimentar. Cochos e bebedouros eletrônicos que geram dados de forma automática, ainda não apresentam a funcionalidade de gerar alertas de estro. Os objetivos deste estudo foram: (i) avaliar as alterações causadas pelo estro nas variáveis de consumo e comportamento alimentar/hídrico obtidos em cochos e bebedouros eletrônicos e (ii) desenvolver e avaliar modelos para detecção e detecção antecipada do estro utilizando Regressão Logística (RL), Random Forest (RF) e Artificial Neural Network (ANN). Foram avaliados o consumo e o comportamento de ingestão de alimentos e água, e da manifestação de estro em dois ensaios com novilhas Holandês x Gir (Hol/Gir). A observação visual do estro foi realizada três vezes ao dia (7:00, 12:00 e 17:00 h) durante 30 minutos e os dados de consumo e comportamento alimentar/hídrico foram obtidos por sistema eletrônico de cochos e bebedouros. Foram observados 99 eventos de estro. Duas séries temporais de 7 dias foram coletadas, uma representada por 7 dias que antecedem o estro (ESTRO), e a outra por 7 dias sem evento de estro (ANESTRO). Com o intuito de desenvolver modelos capazes de detectar ESTRO ou ANESTRO com horas de antecedência, as séries temporais foram fracionadas em intervalos de 6 horas. Para cada intervalo de 6 horas o total de consumo de alimento (CA, % Matéria Natural), número de visitas no cocho de alimentos (VC), número de visitas no bebedouro (VA), tempo gasto consumindo alimento (TC) e tempo gasto bebendo água (TB) foram computados. Os modelos de detecção e detecção antecipada do estro foram estabelecidos utilizando três abordagens preditivas: RL; ANN; e RF. Doze conjuntos de covariáveis (Set) foram estabelecidos e os modelos testados para verificar a possibilidade de detectar o estro utilizando série temporal de 174 ou 24h (sets 1 e 4 ou 7 e 10), para verificar a acurácia e precisão na detecção antecipada do estro com 6 (sets 2, 5, 8 e 11) e 12 h (sets 3, 6, 9 e 12) de antecedência e com intuito de verificar a possibilidade de usar modelos que contemplassem somente os dados de comportamento alimentar/hídrico para detecção e detecção antecipada do estro (sets 4, 5, 6, 10, 11 e 12). Todas as variáveis apresentaram declínio significativo (P&lt0.05) no dia do estro em comparação com os dias anteriores e com a série de anestro. Todos os modelos de detecção (0 a -24h e 0 a -174h) analisados com e sem a variável de consumo de alimentos foram precisos e acurados. A detecção antecipada do estro com 6 e 12 h de antecedência reduziu a acurácia, a sensibilidade e especificidade dos modelos avaliados. Modelos ANN (Set 2, 8 e 11), RF (Set 2, 5, 8 e 11) e RL (Set 11) apresentaram acurácia superior a 80%, indicando a possibilidade de detecção do estro com 06 horas de antecedência. Cochos e bebedouros eletrônicos permitem identificar as variações no consumo e comportamento alimentar causadas pelo estro em novilhas leiteiras. É possível identificar o estro de novilhas leiteiras com base em dados de ingestão e comportamento alimentar/hídrico obtidos em cochos e bebedouros eletrônicos. A detecção do estro pode ser realizada com base nos dados obtidos nas 24 h que antecedem o estro e a exclusão de dados de consumo e utilização somente de dados de comportamento alimentar/hídrico garantiram detecção acurada e precisa.  aBovino  aPecuária  aReprodução  aBovinos  aCochos e bebedouros eletrônicos  aDetecção antecipada do estro  aMachine learning  aModelagem  aNovilhas leiteiras  aPecuária de precisão  aRandon forest