Título: ESTIMATIVA DA TAXA DE BOCADOS EM BOVINOS A PASTO COM A UTILIZAÇÃO DE SENSORES E MODELAGEM POR INTELIGÊNCIA ARTIFICIAL
Autoria de: Ana Carolina Souza de Moraes
Orientação de: Marina de Arruda Camargo Danes
Coorientação de: Lázaro Henrique da Silva
Presidente da banca: Marina de Arruda Camargo Danes
Primeiro membro da banca: Lázaro Henrique da Silva
Segundo membro da banca: Gleiciele Mendes de Souza
Palavras-chaves: Comportamento ingestivo, manejo, pastagem, sensores, taxa de bocado..
Data da defesa: 26/11/2025
Semestre letivo da defesa: 2025-2
Data da versão final: 17/12/2025
Data da publicação: 17/12/2025
Referência: Moraes, A. C. S. d. ESTIMATIVA DA TAXA DE BOCADOS EM BOVINOS A PASTO COM A UTILIZAÇÃO DE SENSORES E MODELAGEM POR INTELIGÊNCIA ARTIFICIAL . 2025. 30 p. Trabalho de Conclusão de Curso (Graduação em Zootecnia Bacharelado)-Universidade Federal de Lavras, Lavras, 2025.
Resumo: O presente trabalho buscou utilizar e comparar algoritmos de Inteligência Artificial para estimar a taxa de bocados a partir de dados obtidos por sensores acelerômetro e giroscópio. Os sensores foram fixados na nuca dos animais para captar dados de movimento a cada segundo. Foram realizadas 24 observações de aproximadamente um minuto cada, que foram filmadas para posterior contagem da taxa de bocado. As coletas foram realizadas em área de pastagem de capim Marandu, pertencente à Universidade Federal de Lavras, utilizando duas vacas de corte da raça Tabapuã. Os dados obtidos pelos sensores foram utilizados, junto a taxa de bocado, para gerar uma regressão utilizando os modelos preditivos Random Forest Regressor (RF), Gradient Boosting Machine Regressor (GB), Multi-layer Perceptron Regressor (MLP), Convolutional Neural Network Long Short-Term Memory (CNNLSTM) e Transformer Encoder (TE). A validação da regressão foi feita através de uma Holdout (8020) e as métricas de desempenho foram o Erro médio absoluto (MAE), Raiz do erro quadrático médio (RMSE) e R-quadrado (R²). Todas as análises foram realizadas utilizando linguagem Python. Após as análises, constatou-se que o modelo RF obteve melhor desempenho (MAE 6,964 RMSE 7,421 R² 0,384) e o modelo de pior desempenho foi o TE (MAE 7,619 RMSE 9,497 R² -0,009). Os modelos GB e MLP demonstraram desempenhos idênticos (GB 6,816 RMSE 7,446 R² 0,380) e o CNNLSTM obteve um desempenho semelhante ao TE (MAE 7,627 RMSE 9,266 R² 0,039). Os resultados obtidos não foram totalmente satisfatórios, mas ajustes e adequações podem ser possíveis alternativas para aprimorar os modelos preditivos.
URI alternaviva: sem URI do Repositório Institucional da UFLA até o momento.
Curso: G002 - ZOOTECNIA (BACHARELADO)
Nome da editora: Universidade Federal de Lavras
Sigla da editora: UFLA
País da editora: Brasil
Gênero textual: Trabalho de Conclusão de Curso
Nome da língua do conteúdo: Português
Código da língua do conteúdo: por
Licença de acesso: Acesso aberto
Nome da licença: Licença do Repositório Institucional da Universidade Federal de Lavras
URI da licença: repositorio.ufla.br
Termos da licença: Acesso aos termos da licença em repositorio.ufla.br
Detentores dos direitos autorais: Ana Carolina Souza de Moraes e Universidade Federal de Lavras
Baixar arquivo