Eficiência de algoritmos distintos de mineração de dados para a classificação de nível de estresse em leitões pela sua vocalização
AUTOR(ES)
Cordeiro, Alexandra F. da S., Nääs, Irenilza de A., Oliveira, Stanley R. de M., Violaro, Fabio, Almeida, Andréia C. M. de
FONTE
Engenharia Agrícola
DATA DE PUBLICAÇÃO
2012-04
RESUMO
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.
ASSUNTO(S)
expressão vocal bem-estar nível de dor suínos
Documentos Relacionados
- Mineração de dados de vocalização para estimativa de condições de estresse de suínos
- Modelo de mineração de dados para classificação de clientes em telecomunicação
- Mineração de regras para classificação de oncogenes medidos por microarray utilizando algoritmos genéticos
- Mineração de padrões frequentes ortogonais e sua aplicação em classificação associativa
- Aplicação de técnicas de mineração de dados em problemas de classificação de padrões