Utilização de modelo preditivo para definir a saúde de bovinos
DOI:
https://doi.org/10.53660/1194.prw2706Palavras-chave:
machine learning, modelo preditivo, bovinosResumo
Segundo a Embrapa, o Brasil é um dos maiores produtores de carne bovina, com o maior rebanho em 2015. Este artigo propõe um modelo preditivo utilizando tecnologias disponíveis no campo para identificar a saúde dos animais, permitindo um tratamento mais eficaz e melhorando a qualidade do produto. Utilizamos dados do Kaggle e programação em Python com bibliotecas relevantes para criar o algoritmo preditivo. Após testes, o algoritmo DecisionTreeClassifier foi escolhido e treinado com o conjunto de dados. O modelo alcançou aproximadamente 100% de precisão na identificação da saúde dos animais utilizando informações não utilizadas no treinamento. Porém, o tamanho do dataset pode ter impactado negativamente nos testes e treinamentos. Apesar disso, conclui-se que é possível utilizar um modelo preditivo baseado em dados colhidos com tecnologias existentes para a tomada ágil de medidas e aumentar a possibilidade de recuperação dos animais.
Downloads
Referências
AKHTAR, A. et al. COVID-19 Detection from CBC using Machine Learning Techniques. International Journal of Technology, Innovation and Management (IJTIM), v. 1, n. 2, p. 65–78, 7 dez. 2021.
BOLFE, É. et al. Tecnologias digitais na pecuária: aplicações, desafios e expectativas. [s.l.] Embrapa, 2021.
CHAVES, B. B. Estudo do algoritmo adaboost de aprendizagem de máquina aplicado a sensores e sistemas embracados. [s.l.] Universidade de São Paulo, 2012.
CHEN, J. et al. Big data challenge: a data management perspective. Frontiers of Computer Science, v. 7, n. 2, p. 157–164, abr. 2013.
COIMMA. Coimma Troncos e Balanças. Disponível em: <https://coimma.com.br/balpass>. Acesso em: 29 nov. 2022.
EL NAQA, I.; MURPHY, M. J. What Is Machine Learning? Em: EL NAQA, I.; LI, R.; MURPHY, M. J. (Eds.). Machine Learning in Radiation Oncology. Cham: Springer International Publishing, 2015. p. 3–11.
EMBRAPA. Qualidade da carne bovina. Disponível em: <https://www.embrapa.br/qualidade-da-carne/carne-bovina>. Acesso em: 29 nov. 2022.
INDEXT. BOVINE ELECTRONIC PLATAFORM. , 2022. Disponível em: <https://www.indext.com.br/bep>. Acesso em: 29 nov. 2022
KAMEL, H.; ABDULAH, D.; AL-TUWAIJARI, J. M. Cancer Classification Using Gaussian Naive Bayes Algorithm. 2019 International Engineering Conference (IEC). Anais... Em: 2019 INTERNATIONAL ENGINEERING CONFERENCE (IEC). Erbil, Iraq: IEEE, jun. 2019. Disponível em: <https://ieeexplore.ieee.org/document/8950650/>. Acesso em: 20 jul. 2023
KIRCHNER, J.; HEBERLE, A.; LOWE, W. Classification vs. Regression - Machine Learning Approaches for Service Recommendation Based on Measured Consumer Experiences. 2015 IEEE World Congress on Services. Anais... Em: 2015 IEEE WORLD CONGRESS ON SERVICES (SERVICES). New York City, NY, USA: IEEE, jun. 2015. Disponível em: <http://ieeexplore.ieee.org/document/7196537/>. Acesso em: 20 jul. 2023
LOBO, L. C. Inteligência artificial, o Futuro da Medicina e a Educação Médica. Revista Brasileira de Educação Médica, v. 42, n. 3, p. 3–8, set. 2018.
MARIA NAVIN, J. R.; PANKAJA, R. Performance Analysis of Text Classification Algorithms using Confusion Matrix. p. 2454–4698, 2016.
NAPOLEÃO, B. M. Árvores Decisórias. Disponível em: <https://ferramentasdaqualidade.org/arvores-decisorias>. Acesso em: 29 nov. 2022.
NISSILA, L. A. Análise Comparativa de Métodos Computacionais para a Classificação de Estoque: Redes Neurais, kNN e SVM. Ouro Preto/MG: Universidade Federal de Ouro Preto, 2023.
OLIVEIRA JÚNIOR, G. M. Máquina de Vetores Suporte: estudo e análise de parâmetros para otimização de resultado. Trabalho de Graduação—Pernambuco/PE: Universidade Federal de Pernambuco, 2010.
PORTAL DO AGRONEGÓCIO. Zoetis lança o mais avançado sistema para monitoramento de vacas leiteiras. Disponível em: <https://www.portaldoagronegocio.com.br/pecuaria/bovinos-leite/noticias/zoetis-lanca-o-mais-avancado-sistema-para-monitoramento-de-vacas-leiteiras>. Acesso em: 29 nov. 2022.
RAMCHOUN, H. et al. Multilayer Perceptron: Architecture Optimization and Training. International Journal of Interactive Multimedia and Artificial Intelligence, v. 4, n. 1, p. 26, 2016.
RANJAN, G. S. K.; KUMAR VERMA, A.; RADHIKA, S. K-Nearest Neighbors and Grid Search CV Based Real Time Fault Monitoring System for Industries. 2019 IEEE 5th International Conference for Convergence in Technology (I2CT). Anais... Em: 2019 IEEE 5TH INTERNATIONAL CONFERENCE FOR CONVERGENCE IN TECHNOLOGY (I2CT). Bombay, India: IEEE, mar. 2019. Disponível em: <https://ieeexplore.ieee.org/document/9033691/>. Acesso em: 20 jul. 2023
REMÍGIO, M. Maquinas de Vetores de Suporte. Disponível em: <https://medium.com/@msremigio>. Acesso em: 29 nov. 2022.
RODRIGUES. Internet das Coisas monitora produtividade e bem-estar animal em sistemas de ILPF. Disponível em: <https://www.embrapa.br/busca-de-noticias/-/noticia/63903853/internet-das-coisas-monitora-produtividade-e-bem-estar-animal-em-sistemas-de-ilpf>. Acesso em: 29 nov. 2022.
SACRAMENTO, G. ÁRVORE DE DECISÃO: ENTENDA ESSE ALGORITMO DE MACHINE LEARNING. Disponível em: <https://blog.somostera.com/data-science/arvores-de-decisao>. Acesso em: 30 nov. 2022.
SMARTBOW. Herd Monitoring Software | SMARTBOW. , 2022. Disponível em: <https://www.smartbow.com/en-gb/home.aspx>. Acesso em: 29 nov. 2022
SUJATHA, P.; MAHALAKSHMI, K. Performance Evaluation of Supervised Machine Learning Algorithms in Prediction of Heart Disease. 2020 IEEE International Conference for Innovation in Technology (INOCON). Anais... Em: 2020 IEEE INTERNATIONAL CONFERENCE FOR INNOVATION IN TECHNOLOGY (INOCON). Bangluru, India: IEEE, 6 nov. 2020. Disponível em: <https://ieeexplore.ieee.org/document/9298354/>. Acesso em: 20 jul. 2023
WU, S.; NAGAHASHI, H. Parameterized AdaBoost: Introducing a Parameter to Speed Up the Training of Real AdaBoost. IEEE Signal Processing Letters, v. 21, n. 6, p. 687–691, jun. 2014.
