.
O monitoramento de bezerros leiteiros com tecnologias de precisão baseadas na “internet das coisas”, ou IoT, leva ao diagnóstico precoce de doença respiratória bovina que mata bezerros, de acordo com um novo estudo. A nova abordagem – resultado da colaboração transversal de uma equipe de pesquisadores da Penn State, da Universidade de Kentucky e da Universidade de Vermont – oferecerá aos produtores de laticínios uma oportunidade de melhorar a economia de suas fazendas, de acordo com os pesquisadores.
Esta não é a estratégia de produção de leite do seu avô, observa a pesquisadora principal Melissa Cantor, professora assistente de ciência de laticínios de precisão na Faculdade de Ciências Agrícolas da Penn State. Cantor observou que a nova tecnologia está se tornando cada vez mais acessível, oferecendo aos agricultores oportunidades de detectar problemas de saúde animal com rapidez suficiente para intervir, salvando os bezerros e o investimento que eles representam.
IoT refere-se a dispositivos embarcados equipados com sensores, habilidades de processamento e comunicação, software e outras tecnologias para conectar e trocar dados com outros dispositivos pela Internet. Neste estudo, explicou Cantor, as tecnologias de IoT, como sensores vestíveis e alimentadores automáticos, foram usadas para observar e analisar de perto a condição dos bezerros.
Esses dispositivos IoT geram uma enorme quantidade de dados ao monitorar de perto o comportamento das vacas. Para facilitar a interpretação desses dados e fornecer pistas sobre os problemas de saúde dos bezerros, os pesquisadores adotaram o aprendizado de máquina – um ramo da inteligência artificial que aprende os padrões ocultos nos dados para discriminar entre bezerros doentes e saudáveis, com base na entrada da IoT. dispositivos.
“Colocamos faixas nas pernas das panturrilhas, que registram dados de comportamento da atividade no gado leiteiro, como o número de passos e o tempo deitado”, disse Cantor. “E usamos alimentadores automáticos, que dispensam leite e grãos e registram comportamentos de alimentação, como o número de visitas e litros de leite consumido. As informações dessas fontes sinalizavam quando a condição de um bezerro estava prestes a piorar.”
A doença respiratória bovina é uma infecção do trato respiratório que é a principal razão para o uso de antimicrobianos em bezerros leiteiros e representa 22% das mortes de bezerros. Os custos e efeitos da doença podem prejudicar gravemente a economia de uma fazenda, já que a criação de bezerros leiteiros é um dos maiores investimentos econômicos.
“Diagnosticar doenças respiratórias bovinas requer trabalho intensivo e especializado que é difícil de encontrar”, disse Cantor. “Portanto, tecnologias de precisão baseadas em dispositivos IoT, como alimentadores automáticos, balanças e acelerômetros, podem ajudar a detectar mudanças comportamentais antes que os sinais clínicos externos da doença se manifestem”.
No estudo, os dados foram coletados de 159 bezerros leiteiros usando tecnologias pecuárias de precisão e por pesquisadores que realizaram exames físicos diários de saúde nos bezerros na Universidade de Kentucky. Os pesquisadores registraram os resultados da coleta automática de dados e os resultados da coleta manual de dados e compararam os dois.
Em descobertas recentemente publicadas em Acesso IEEE, uma revista científica de acesso aberto revisada por pares publicada pelo Instituto de Engenheiros Elétricos e Eletrônicos, os pesquisadores relataram que a abordagem proposta é capaz de identificar bezerros que desenvolveram doenças respiratórias bovinas mais cedo. Numericamente, o sistema alcançou uma precisão de 88% para rotular bezerros doentes e saudáveis. Setenta por cento dos bezerros doentes foram previstos quatro dias antes do diagnóstico, e 80% dos bezerros que desenvolveram um caso crônico da doença foram detectados nos primeiros cinco dias de doença.
“Ficamos realmente surpresos ao descobrir que a relação com as mudanças comportamentais nesses animais era muito diferente dos animais que melhoraram com um tratamento”, disse ela. “E ninguém nunca tinha olhado para isso antes. Criamos o conceito de que, se esses animais realmente se comportam de maneira diferente, provavelmente há uma chance de que as tecnologias de IoT capacitadas com técnicas de inferência de aprendizado de máquina possam realmente identificá-los mais cedo, antes que alguém possa com o nu olho. Isso oferece opções aos produtores.”
Contribuindo para a pesquisa foram: Enrico Casella, Departamento de Animal e Dairy Science, Universidade de Wisconsin-Madison; Melissa Cantor, Departamento de Ciência Animal, Penn State University; Megan Woodrum Setser, Departamento de Ciências Animais e Alimentares, Universidade de Kentucky; Simone Silvestri, Departamento de Ciência da Computação, Universidade de Kentucky; e João Costa, Departamento de Ciências Animais e Veterinárias, Universidade de Vermont.
Este trabalho foi apoiado pelo Departamento de Agricultura dos EUA e pela National Science Foundation.
.
