Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Munari, Danísio Prado | - |
Autor(es): dc.contributor | Bernardes, Priscila Arrigucci | - |
Autor(es): dc.creator | Watanabe, Rafael Nakamura | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:56:53Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:56:53Z | - |
Data de envio: dc.date.issued | 2025-05-07 | - |
Data de envio: dc.date.issued | 2025-03-18 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/310199 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.atech.2024.100542 | - |
Fonte completa do material: dc.identifier | http://lattes.cnpq.br/5730173077465115 | - |
Fonte completa do material: dc.identifier | https://orcid.org/my-orcid?orcid=0000-0002-4034-0822 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/310199 | - |
Descrição: dc.description | O monitoramento do comportamento animal é uma ferramenta importante para a produção animal. Essa estratégia de monitoramento do comportamento pode indicar o bem-estar e a saúde dos animais, o que pode levar a um melhor desempenho produtivo. Este estudo teve como objetivo avaliar a posição de fixação do acelerômetro mais eficaz (no cabresto ou em uma coleira) e os intervalos de tempo de transmissão de dados (variando de 6 a 600 segundos) para prever padrões comportamentais, incluindo frequências de ingestão de água e alimento, bem como outras atividades em touros jovens de corte em um sistema de confinamento. Uma variedade de algoritmos de aprendizado de máquina foram aplicados para atender aos objetivos do estudo, incluindo os algoritmos de floresta aleatória, máquina de vetores de suporte, perceptron multicamadas e classificador Bayes ingênuo. Todos os modelos estudados produziram métricas de alto desempenho (acima de 0,90) ao usar ambas as posições de fixação, exceto os modelos construídos usando o classificador Bayes ingênuo. Portanto, acoplar acelerômetros com coleiras é uma alternativa mais viável para uso em animais, pois é mais fácil do que aplicar acelerômetros a cabrestos. Utilizar um conjunto de dados com mais observações (ou seja, intervalos de tempo mais curtos) não resultou em melhorias consideráveis nas métricas de desempenho dos modelos treinados. Portanto, utilizar conjuntos de dados com menos observações é mais vantajoso, pois pode levar à redução das demandas computacionais e temporais para o treinamento do modelo, além de economizar a bateria do dispositivo considerado neste estudo. | - |
Descrição: dc.description | Animal behavior monitoring is an important tool for animal production. This behavior monitoring strategy can indicate the well-being and health of animals, which can lead to better productive performance. This study aimed to assess the most effective accelerometer attachment position (on either the halter or a neck collar) and data transmission time intervals (ranging from 6 to 600 seconds) for predicting behavioral patterns, including water and food intake frequencies, as well as other activities in young beef cattle bulls within a feedlot system. A range of machine learning algorithms were applied to satisfy the aims of the study, including the random forest, support vector machine, multilayer perceptron, and naive Bayes classifier algorithms. All studied models produced high performance metrics (above 0.90) when using both attachment positions, except for the models built using the naive Bayes classifier. Therefore, coupling accelerometers with collars is a more viable alternative for use on animals, as doing so is easier than applying accelerometers to halters. Utilizing a dataset with more observations (i.e., shorter time intervals) did not result in considerable improvements in the performance metrics of the trained models. Therefore, using datasets with fewer observations is more advantageous, as it can lead to decreased computational and temporal demands for model training, in addition to saving the battery of the device considered in this study. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | 151885/2022-2 | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
Palavras-chave: dc.subject | Bovinos de corte | - |
Palavras-chave: dc.subject | Animais comportamento | - |
Palavras-chave: dc.subject | Monitoramento | - |
Título: dc.title | Comparação da posição dos acelerômetros para predição do comportamento de touros jovens confinados | - |
Título: dc.title | Accelerometers-based position and time interval comparisons for predicting the behaviors of young bulls housed in a feedlot system | - |
Tipo de arquivo: dc.type | planilha | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: