Explorar
Comunidades em Português
Anuncie na Engormix

Uso de técnicas de precisão na produção animal

Publicado: 9 de outubro de 2023
Por: Irenilza de Alencar Nääs1. Prof. Visitante Sênior – Universidade Federal da Grande Dourados, Dourados, MS.
Introdução
Segundo o International Food Policy Research Institute, o consumo mundial de carnes (todas as espécies) passará de 180 milhões toneladas, nos anos 90, para 300 milhões, em 2020, o que significa aumento de aproximadamente 1,8% ao ano. Os países em desenvolvimento serão aqueles que terão o maior aumento no consumo, resultando em melhor desenvolvimento humano, se considerado que a carne possui nutrientes e proteínas ausentes nos vegetais. Nos anos 90, países em desenvolvimento consumiram três vezes mais carne que na década de 70, quando a China despontou no período como grande consumidor de alimentos. Hoje a demanda asiática por proteína de origem animal é de 80 milhões de toneladas. Como a produção de proteínas animais tem que responder ao incremento da demanda, surge o desafio de se aumentarem os desempenhos, que estão ligados às questões produtivas e reprodutivas dos animais, do manejo empregado, do sistema de criação escolhido, da nutrição, da sanidade, e das instalações. O Brasil tem revesado com Austrália e Oceania o primeiro lugar em produção mundial de carne, nos últimos anos, não somente pela área de terra agricultável, mas também pela disponibilidade de água e grãos.
O conceito de Zootecnia de Precisão está relacionado à redução otimizada das perdas, bem como ao incremento da aplicação e gestão da qualidade do produto, dentro de todo o processo gerenciado. Este texto expõe técnicas de Zootecnia de Precisão e procura mostrar, sem esgotar o assunto, a importância da aplicação destes conceitos na obtenção de alimentos com qualidade que, além de atender à demanda do mercado consumidor, prevê a agregação de valor ao produto.
Ferramentas da Zootecnia de Precisão
Embora já usadas em outras áreas do conhecimento, novas ferramentas matemáticas têm sido utilizadas, no sentido de viabilizar a transformação de dados em informação a serviço da produção de proteína animal.
Ferramentas matemáticas
O sucesso na produção intensiva de animais está diretamente relacionado ao manejo eficiente do ambiente. O controle do ambiente de alojamento geralmente baseia-se em medidas de temperatura e umidade relativa, entretanto, pesquisas apontam o potencial de se obter mais acurácia nas decisões, quando são incorporadas respostas fisiológicas dos animais a agentes estressores do ambiente (Aerts et al., 1996; Goedseels et al., 1992; Lacey et al., 2000).
A dificuldade de analisar o grande volume de informação referente a todas as variáveis envolvidas, para o estabelecimento de condições adequadas na construção de galpão para animais, vem sendo relatada na literatura. O principal interesse nesta área está relacionado ao estudo de fenômenos que exibem incertezas graduais e possam ser modelados pela Teoria dos Conjuntos Fuzzy. Devido a seu poder de explicação e de multi-disciplinaridade, esta teoria pode facilitar o trabalho do modelador na incorporação do conhecimento de especialista da área, melhorando a análise e compreensão de algumas situações reais (Amendola et al., 2004).
A Teoria dos Conjuntos Fuzzy foi introduzida por Zadeh (1965) com a principal intenção de dar um tratamento matemático a certos termos linguísticos subjetivos, como “aproximadamente”, “em torno de”, entre outros. Aplicações da Teoria dos Conjuntos Fuzzy em diversas áreas podem ser encontradas na literatura (Pedrycz & Gomide, 1998; Jafelice et al., 2001; Brunassi et al., 2010). A ideia desta teoria é a introdução de graus de pertinência aos elementos de um conjunto.
O uso de AHP (Analytical Hierarchic Process) permite, com base em inteligência competitiva, a definição de processos e sistemas adequados a determinada atividade. Nääs et al. (2005) utilizaram esta ferramenta para avaliar o uso de procedimentos de rastreabilidade manual e eletrônica na produção de suínos, apontando os manejos ou eventos em que se aplicava melhor uma ou outra tecnologia. Já Almeida Paz et al. (2010) usaram esta ferramenta para analisar a propriedade do uso de determinada cama em criação de frangos de corte.
A mineração de dados é uma etapa do procedimento descrito como Knowledge Discovery in Databases (KDD), que é um processo de identificação nos dados de padrões válidos, potencialmente úteis e compreensíveis (Fayyad & Stolorz, 1996). Na fase de mineração (Data mining), algoritmos de extração de padrões são aplicados sobre os dados, para serem eliminadas as inconsistências (Berson & Smith, 1997). A mineração de dados tem se mostrado como ferramenta promissora no entendimento de dados para eventos na produção animal, com grande potencial de aleatoriedade, como determinação de estro e qualidade de ambiente.
O uso de Redes Neurais Artificiais (RNA) tem bom potencial de aplicação no reconhecimento de padrões relacionados, por exemplo, a comportamentos e vocalização (Figuras 1 e 2), que, através de um banco de dados específicos, na seleção de medições para um estudo particular pode predizer o conjunto de comportamentos que um animal pode mostrar de forma detalhada e descritiva, formalizado no conjunto das observações efetivamente coletadas em campo.
A Geoestatística também é uma importante ferramenta no entendimento de fenômenos espaciais dentro de instalações para alojamento de animais. Miragliotta et al. (2006) utilizaram geoestatística para identificar pontos críticos dentro de galpão de aves do tipo túnel, verificando aqueles locais passíveis de condições de estresse térmico.
Análise de sinais
A análise de sinais é importante no estudo de comportamento e bem-estar de animais, uma vez que é a forma básica de comunicação dos animais com o seu ambiente. Apesar de Etologistas e Zootecnistas, além de Biólogos, produzirem etogramas de cada espécie, muitas vezes a forma de observação simplesmente visual não é suficiente para a compreensão completa de determinado 
Uso de técnicas de precisão na produção animal - Image 1
Figura 1 - Intensidade sonora, autocorrelação, espectro de freqüências e espectrograma para o de uma amostra de determinado comportamento de suíno.
Uso de técnicas de precisão na produção animal - Image 2
Figura 2 - Curva de aprendizado da rede com intensidade sonora como parâmetro de entrada.
evento durante o processo de produção. Portanto, o estudo e a compreensão de determinados sinais a partir de ruídos e imagens podem ser ferramentas indispensáveis para tais pesquisas.
Estudando a resposta de suínos alojados, Silva et al. (2007) observaram que é possível mapear o padrão de conforto térmico dos animais em função do padrão de nível de ruídos (Figura 3). Esses resultados podem induzir a tomadas de decisão em tempo real, à distância, por exemplo, no comando do controle dos parâmetros ambientais.
Ambos o registro e a análise de imagens em tempo real permitem tomadas de decisão, de maneira a intervir no 
Uso de técnicas de precisão na produção animal - Image 3
Figura 3 - Mapa de ruídos no galpão de creche, com suínos; o ponto A mostra a incidência de ruído de pico.
processo produtivo, corrigindo erros e adaptando o ambiente de manejo (Figura 4).
Aplicações específicas na produção animal
Dentro da Rodada de Doha, de comércio agrícola internacional, cujos resultados interessam ao Brasil, das dez demandas mais controversas, seis tratam de assunto ditos não-tarifários que estão diretamente ligadas ao consumidor. Dentre elas, na produção animal, estão a questão da rastreabilidade e, a mais interessante e passível de maior controvérsia, a questão de bem-estar animal.
Rastreabilidade
Somente após 40 anos da criação do Codex Alimentarius, diferentes grupos de indústrias e consumidores manifestaram interesse por ele, a ponto dos diversos padrões estabelecidos pelo Codex fazerem parte de muitas negociações realizadas na Organização Mundial do Comércio. O Codex conta atualmente com 165 países membros, o que corresponde a 98% da população mundial.
Uma série de acontecimentos que ocorreram na indústria de alimentos, a exemplo da presença da Escherichia coli em hambúrgueres, as contaminações por dioxina em frangos e suínos, a presença de Listeria monocytogenes em produtos lácteos e a presença das TSEs, destacando-se a BSE em bovinos, mostra que, do ponto de vista da população, ela está ciente dos riscos a que são expostas e também do tipo de ambiente em que vivem. Isso é, em parte, devido ao grande desenvolvimento dos meios de comunicação que contribuíram para esta 
Uso de técnicas de precisão na produção animal - Image 4
Figura 4 - Análise da imagem de comportamento de grupo de frangos, em função de etograma definido por comportamentos agressivos e normais.
capacidade de ver novos riscos, muitas vezes antes que a comunidade científica venha a detectar o problema. Portanto, frente a esta situação, as autoridades políticas se vêem na função de criar medidas preventivas que possam minimizar estes acontecimentos dentro de níveis aceitáveis.
Uma série de documentos distintos compõe a ISO, que vão desde a implementação de sistemas com propósitos de “registro” até o planejamento de atividades vinculadas ao que se define como política de estabelecer os princípios de produção sem ferir os princípios de equilíbrio ambiental. Face a esse cenário, a questão da rastreabilidade é importante e sua consecução somente é possível aplicando tecnologia da informação associada ao processo produtivo. Várias são as soluções propostas na literatura internacional, para acompanhamento e rastreabilidade dos pontos críticos da produção de proteína animal, utilizando tecnologia da informação no processo (Lacey et al., 2000; Pereira, 2002; Cveticanin, 2003; Miragliotta et al., 2006).
O uso de identificação eletrônica, embora reduza o erro intrínseco de coleta e transmissão de dados, apresenta problemas inerentes à transmissão de informação com relação à distância entre o emissor e a antena. Parte desse uso e de suas limitações encontra-se descritos na literatura (Curto et al., 2002; Silva et al., 2005; Silva et al, 2006).
Medidas de bem-estar animal
As bases regulatórias da ISO quanto à produção animal encontra-se em fase embrionária, havendo movimentos internacionais que, de forma localizada, recorrem à sensibilidade de mercados consumidores exigentes, para impor suas regras, como é o caso da carne suína “qualidade sueca”. Os países escandinavos, principalmente a Suécia, procuraram estabelecer seus padrões de produção dentro dos princípios do “bem-estar animal”, em consonância com os ditames dos grupos de proteção aos animais. Entretanto, para que se consiga medir bem-estar animal, é necessário saber se há alteração entre o comportamento normal e seus desvios em confinamento. Para tanto há grande aplicação de ferramentas de Zootecnia de Precisão, já descritas.
Alguns sistemas foram desenvolvidos para o monitoramento do comportamento animal. Rutter et al. (1997) demonstraram que o Sistema de Posicionamento Global (GPS) pode ser utilizado para o monitoramento de ovelhas no pasto. Já em galpões de confinamento, a análise de imagens tem se mostrado uma boa ferramenta para monitorar o comportamento animal (Frost et al., 1997). Pedersen & Pedersen (1995) utilizaram detectores infravermelhos Passivos (PID’s) para medir a atividade de suínos.
Medidas gerais de bem-estar de aves são sugeridas por Manning et al. (2007), entretanto a maioria dos itens está relacionada simplesmente à observação visual. Um trabalho desenvolvido para avaliação de ferramentas e estratégias para medida do comportamento de animais foi descrito por Donát (1991). O autor relatou o poder das novas tecnologias e ferramentas disponíveis, como câmeras, computadores, softwares no aumento considerável da eficiência do trabalho experimental em análises de comportamento dos animais.
Aparentemente geneticistas podem detectar, por intermédio da genética molecular, um marcador genético que seja responsável por esta resposta às variações ambientais na temperatura e, provavelmente, encaminhe o desenvolvimento genético para padrões mais homogêneos de resposta ao ambiente de alojamento, reduzindo, consequentemente, as perdas por esta causa (Pereira, 2002). A Figura 5 mostra a zona de termoneutralidade de duas matrizes de frango de corte, identificando que, embora irmãs, tenham distintos níveis de tolerância ao calor. Curto et al. (2002) já haviam utilizado a tecnologia de EDI para estudo do comportamento de matrizes pesadas. Através da observação da frequência de uso dos locais: bebedouro, ninho e passagem (espaço entre o comedouro e a parede), o autor criou modelos de frequência de uso de cada local, em função da temperatura do ar. Estes modelos permitem, para as condições encontradas no experimento e a partir do registro da temperatura do ar, simular o comportamento das aves em cada local, onde o resultado é uma variável importante na avaliação do bem-estar das aves alojadas. É possível, com base de dados de registro contínuo de imagens (Figura 5), construir programas computacionais de suporte à decisão, implementando a decisão em tempo real no ambiente de produção.
Medidas preventivas de sanidade animal
As mudanças bruscas na alimentação, o excesso de sujeira nas instalações, os pisos irregulares e abrasivos, a não utilização ou uso incorreto de pedilúvio, a falta de casqueamento preventivo, a ausência de quarentena e a aquisição de animais sem a preocupação com o aspecto sanitário são considerados os fatores de risco de maior ocorrência de enfermidades digitais. As enfermidades digitais (patologias de casco) dos bovinos apresentam impactos econômicos negativos sobre a rentabilidade da pecuária mundial, tanto pela redução da produtividade quanto pelo aumento nos custos dos tratamentos, bem como o descarte prematuro de animais de alto valor zootécnico. O estudo de patologias de casco, em bovinos (Figura 6) e de pé, em frangos (gait score) tem demonstrado 
Uso de técnicas de precisão na produção animal - Image 5
Figura 5 - Comparação do comportamento de uso do bebedouro para duas aves, através de mapas de distribuição de freqüências.
Uso de técnicas de precisão na produção animal - Image 6
Figura 6 - Pressão de contato de cascos bovinos obtidos com a passagem de animais sobre uma malha de células de carga com software de leitura dos resultados (MPa).
importante resultado em diagnósticos precoces de patologias de locomoção.
Mollo Neto (2007) desenvolveu um sistema de diagnóstico preventivo da patologia laminite para vacas estabuladas em free-stall, utilizando ferramentas matemáticas estimativas e preditivas integradas, em que foi possível se detectar o problema com antecedência e, inclusive, tomar providências necessárias para corrigir o problema em tempo hábil. No Brasil, as doenças de locomoção dos bovinos só perdem em prejuízos econômicos para mastites e patologias da reprodução, uma vez que têm afetado em média de 11 a 25% das vacas leiteiras. Portanto, o conhecimento prévio dessa situação pode certamente melhorar a qualidade da produção.
Considerações Finais
Cada vez que se olha o futuro, constata-se que o sistema industrial de produção zootécnica tende a enfocar, de maneira sistêmica: a qualidade do produto final (proteína animal), o bem-estar do animal, a qualidade de trabalho dos empregados e o ambiente final da produção e o impacto dessa produção no meio ambiente, inclusive o tratamento e destino dos subprodutos e dos resíduos. A ênfase em cada um desses aspectos muda conforme a evolução das tendências individuais de produção.
Da necessidade de transformar as etapas e processos de produção em segmentos passíveis de otimização é que surgem as pesquisas em utilização de sensores biocompatíveis, os protocolos de gerenciamento de informações, o desenvolvimento de softwares inteligentes e de decisão que, associados a controles deve aperfeiçoar cada segmento.
A tendência é que a atividade de produção industrial de animais se torne uma atividade mais precisa, dependendo menos de variáveis casuísticas e mais de decisões inteligentes. É justamente nesse ponto que se reforça o papel da Zootecnia de Precisão.
PUBLICADO ORIGINALMENTE NA REVISTA BRASILEIRA DE ZOOTECNIA, © 2011 Sociedade Brasileira de Zootecnia
ISSN 1806-9290 R. Bras. Zootec., v.40, p.358-364, 2011 (supl. especial) www.sbz.org.br

AERTS, J.M.; BERCKMANS, D.; SCHUMMANS, B. On-line measurement of bioresponses for climate control in animal production units. In: INTERNATIONAL CONFERENCE ON
COMPUTERS IN AGRICULTURE, 6., 1996, St Joseph, Michigan,
USA. Proceedings… St Joseph, Michigan: American Society of
Agricultural and Biological Engineering, 1996. p.147-153.
ALMEIDA PAZ, I.C.L.; GARCIA, R.G.; BERNARDI R. et al.
Selecting appropriate bedding to reduce locomotion problems in broilers. Revista Brasileira de Ciência Avícola, v.12, n.3, p.189-195, 2010.
AMENDOLA, M.; CASTANHO, M.J.; NÄÄS, I.A. Análise matemática de condições de conforto térmico para avicultura usando a teoria dos conjuntos Fuzzy. Biomatemática, v.l, n.14, p.87-92, 2004.
BERSON, A.; SMITH, S.J. Data warehousing, data mining and
OLAP. New York: McGraw-Hill, 1997. 640p.
BRUNASSI, L.A.; MOURA, D.J.; NÄÄS, I.A. et al. Improving detection of dairy cow estrus using fuzzy logic. Scientia
Agricola, v.67, n.5, p.503-509, 2010.
CURTO, F.P.F.; NÄÄS, I.A.; PEREIRA, D.F. et al. Predicting broiler breeder behavior using electronic identification. Agricultural
Engineering International: The CIGR Journal of
Scientific Research and Development, v.5, p.1-6, 2002.
CVETICANIN, D. New approach to the dynamic weighing of livestock. Biosystems Engineering, v.86, n.3, p.247-252,
2003.
DONÁT, P. Measuring behaviour: the tools and the strategies.
Neuroscience & Biobehavioral Reviews, v.15, n.2, p.447-
454, 1991.
FAYYAD, U.; STOLORZ, P. Data Mining and KDD: promise and challenges. Future Generation of Computer Systems, v.13, n.1, p.99-115, 1997.
FIRK, R.; STAMER, E.; JUNGE, W. et al. Improving oestrus detection by combination of activities measurementes with information about previous oestrus cases. Livestock
Production Sciences, v.82, n.2, p.97-103, 2003.
FROST, A.R.; SCHOFIELD, C.P.; BEAULAH, S.A. et al. A review of livestock monitoring and the need for integrated systems.
Computers and Eletronics in Agriculture, v.17, n.3, p.139-
159, 1997.
GOEDSEELS, V.; GEERS, R.; TRYEN, B. et al. A data acquisition system for electronic identification, monitoring, and control of group-housed pigs. Journal of Agricultural
Engineering, v.52, n.2, p.25-33, 1992.
JAFELICE, R.; BARROS, L.; BASSANEZI, R. et al. Modelos epidemiológicos com parâmetros subjetivos. Campinas:
UNICAMP, 2001. (Relatório Técnico FEEC). 82p.
LACEY, B.; HAMRITA, T.K.; MCCLENDON, R. Feasibility of using neural networks for a real-time prediction of poultry deep body temperature responses to stressful changes in ambient temperature. Applied Engineering in
Agriculture, v.16, n.3, p.303-308, 2000.
MANNING, L.; CHADD, S.A.; BAINES, R.N. Key health and welfare indicators for broiler production. World’s Poultry
Science Journal, v.63, n.1, p.46-62, 2007.
MIRAGLIOTTA, M.Y.; NÄÄS, I.A.; MANZIONE, R.L. et al.
Spatial analysis of stress conditions inside broiler house under tunnel ventilation. Scientia Agrícola, v.63, n.5, p.426-432, 2006.
MOLLO NETO, M. Desenvolvimento de um sistema computacional para diagnóstico preventivo de patologia de casco em bovinos de leite . 2007. 106f.
Tese (Doutorado em Engenharia Agrícola) - FEAGRIUNICAMP, Campinas.
NÄÄS, I.A.; CAMPOS, S.; SILVA, K.O. Comparison of manual and electronic traceability in swine production.
Agricultural Engineering International: The CIGR
Journal of Scientific Research and Development, v.7, p.1-8, 2005.
NÄÄS, I.A.; CAMPOS, L.S.L.; BARACHO, M. dos S. et al. Uso de redes neurais artificiais na identificação de vocalização de suínos. Engenharia Agrícola, v.28, n.2, p.204-216, 2008.
PEDERSEN, S.; PEDERSEN, C.B. Animal activity measured by infrared detectors. Journal of Agricultural Research, v.61, n.1, p 239-246, 1995.
PEDRYCZ, W.; GOMIDE, F. An introduction to Fuzzy sets
– analysis and design. Cambridge: MIT Press, 1998. 208p.
PEREIRA, D.F. Avaliação do comportamento individual de matrizes pesadas (frango de corte) em função do ambiente e identificação da temperatura crítica máxima. 2002. 103f. Dissertação (Mestrado em Engenharia
Agrícola) - FEAGRI-UNICAMP, Campinas.
RUTTER, S.M.; BERESFORD, N.A.; ROBERTS, G. Identification of the grazing areas of hill sheep. Computers and
Eletronics in Agriculture, v.17, n.2, p.139-159, 1997.
SILVA, K.O.; NÄÄS, I.A. Avaliação de uso de identificadores eletrônicos em suínos. Engenharia Agrícola, v.26, n.5, p.11-19, p.322-329, 2006.
SILVA, K.O.; NÄÄS, I.A. Identificação eletrônica para avaliação do comportamento de suínos na fase de gestação.
Engenharia Agrícola, v.25, n.2, p.322-329, 2005.
SILVA, K.O.; NÄÄS, I.A.; TOLON, Y.B. et al. Medidas do ambiente acústico de suínos. Revista Brasileira de Engenharia
Agrícola e Ambiental, v.11, n.3, p.339-344, 2007.
ZADEH, L.A. Fuzzy sets. Information and Control, v.8, p.338-353, 1965

Tópicos relacionados
Perguntas relacionadas
O sucesso na produção intensiva de animais está diretamente relacionado ao manejo eficiente do ambiente. O controle do ambiente de alojamento geralmente baseia-se em medidas de temperatura e umidade relativa, entretanto, pesquisas apontam o potencial de se obter mais acurácia nas decisões, quando são incorporadas respostas fisiológicas dos animais a agentes estressores do ambiente
A análise de sinais é importante no estudo de comportamento e bem-estar de animais, uma vez que é a forma básica de comunicação dos animais com o seu ambiente. Apesar de Etologistas e Zootecnistas, além de Biólogos, produzirem etogramas de cada espécie, muitas vezes a forma de observação simplesmente visual não é suficiente para a compreensão completa de determinado comportamento de suíno.
Dentro da Rodada de Doha, de comércio agrícola internacional, cujos resultados interessam ao Brasil, das dez demandas mais controversas, seis tratam de assunto ditos não-tarifários que estão diretamente ligadas ao consumidor. Dentre elas, na produção animal, estão a questão da rastreabilidade e, a mais interessante e passível de maior controvérsia, a questão de bem-estar animal.
Autores:
Irenilza de Alencar Nääs
Universidade Estadual de Campinas - UNICAMP
Siga
Junte-se para comentar.
Uma vez que se junte ao Engormix, você poderá participar de todos os conteúdos e fóruns.
* Dados obrigatórios
Quer comentar sobre outro tema? Crie uma nova publicação para dialogar com especialistas da comunidade.
Criar uma publicação
Junte-se à Engormix e faça parte da maior rede social agrícola do mundo.
Iniciar sessãoRegistre-se