Acessibilidade / Reportar erro

Eficiência de algoritmos distintos de mineração de dados para a classificação de nível de estresse em leitões pela sua vocalização

Entre os desafios da suinocultura no atual mercado competitivo, destaca-se a rastreabilidade do produto, que garante, entre muitos pontos, a questão do bem-estar animal. A vocalização é uma ferramenta útil para identificar situações de estresse em suínos e pode ser usada em registros de bem-estar, em processos de rastreabilidade. Este trabalho teve o objetivo de identificar estresse em leitões através da vocalização, classificando esse estresse em três níveis: sem estresse, estresse moderado e estresse agudo. Foi realizado um experimento em granja comercial da cidade de Holambra-SP, onde se gravou a vocalização de vinte leitões durante o procedimento de castração, separados em dois grupos: sem anestesia e com anestesia local à base de Lidocaína. Para a captura dos sinais acústicos, foi utilizado um microfone unidirecional conectado a um gravador digital, em que os sinais foram digitalizados a uma frequência de 44.100 Hz. Para análises dos sinais sonoros, foi usado o software Praat®, e diferentes algoritmos de mineração dos dados foram aplicados no software Weka®. A seleção de atributos melhorou a acurácia do modelo, sendo que o melhor método de seleção de atributos usado foi o Wrapper, enquanto os melhores algoritmos de classificação foram o k- NN e o Naive Bayes. De acordo com os resultados, foi possível classificar o nível de estresse em suínos através de sua vocalização.

expressão vocal; bem-estar; nível de dor; suínos


Associação Brasileira de Engenharia Agrícola SBEA - Associação Brasileira de Engenharia Agrícola, Departamento de Engenharia e Ciências Exatas FCAV/UNESP, Prof. Paulo Donato Castellane, km 5, 14884.900 | Jaboticabal - SP, Tel./Fax: +55 16 3209 7619 - Jaboticabal - SP - Brazil
E-mail: revistasbea@sbea.org.br