Autoria: RIBEIRO, A. K. do C.; CAIRO, F. C.; ALBUQUERQUE, B. S. F.; SOARES, G. O.; COMINATO. V.; PEREIRA, B. P.; PAIXÃO, R. Q. da; MACHADO, F. S.; PEREIRA, L. G. R.; TOMICH, T. R.; CAMPOS, M. M.

Resumo: O aumento da atividade das fêmeas bovinas durante o período de estro é responsável pela diminuição do consumo alimentar desses animais. Cochos e bebedouros eletrônicos são capazes de registrar essa variação, entretanto não geram alertas de estro. O objetivo deste estudo foi determinar a eficiência de detecção e detecção antecipada (6 e 12 h de antecedência) do estro por modelos baseados em regressão logística envolvendo Machine Learning, utilizando dados de comportamento e ingestão alimentar e/ou hídrica, gerados por cochos e bebedouros eletrônicos. Foram utilizados dados de dois ensaios experimentais entre 2015 e 2016 com novilhas Holandês-Gir. Todos os modelos de detecção (0 a -24h e 0 a -174h) analisados com e sem a variável de consumo de alimentos foram precisos e acurados. A detecção antecipada do estro com 6 e 12 h de antecedência reduziu a acurácia, a sensibilidade e especificidade dos modelos avaliados. É possível identificar o estro de novilhas leiteiras com base em dados de ingestão e comportamento alimentar/hídrico obtidos em cochos e bebedouros eletrônicos. A detecção do estro pode ser realizada com base nos dados obtidos nas 24 h que antecedem o estro e a exclusão de dados de consumo e utilização somente de dados de comportamento alimentar/hídrico garantiram detecção do estro de maneira acurada e precisa.

Ano de publicação: 2021

Tipo de publicação: Artigo em anais e proceedings

Unidade: Embrapa Gado de Leite

Palavras-chave: Detection, Detecção, Gado Leiteiro, Logistic regression, Machine learning, Novilho Leiteiro, Randon forest, Regressão logística