Banca de QUALIFICAÇÃO: ANA CAROLINA DE SÁ SILVA LINS

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: ANA CAROLINA DE SÁ SILVA LINS
DATA: 30/05/2025
HORA: 14:00
LOCAL: On-line
TÍTULO:

Um detector de estresse térmico portátil e de baixo custo baseado em IA para galinhas poedeiras

PALAVRAS-CHAVES:

Ambiência animal, Inteligência artificial, Galinhas poedeiras, Lógica Fuzzy, Detector de estresse, Raspberry Pi.

PÁGINAS: 105
GRANDE ÁREA: Ciências Agrárias
ÁREA: Engenharia Agrícola
SUBÁREA: Construções Rurais e Ambiência
ESPECIALIDADE: Engenharia de Construções Rurais
RESUMO:

As respostas fisiológicas de galinhas poedeiras são influenciadas diretamente pelas condições térmicas do ambiente, sendo fundamentais para o monitoramento do bem-estar e da produtividade desses animais. Neste contexto, o presente trabalho apresenta uma abordagem baseada em inteligência artificial aplicada à ambiência animal, por meio do desenvolvimento de modelos híbridos preditivos capazes de estimar a frequência respiratória, temperatura superficial, temperatura cloacal e o coeficiente de transferência de calor de galinhas poedeiras submetidas a diferentes condições ambientais. Este trabalho está estruturado em dois estudos complementares. O primeiro artigo tem como objetivo desenvolver um modelo híbrido, baseado em equações de transferência de calor, sistemas fuzzy e regressão, para predizer as respostas fisiológicas de galinhas poedeiras submetidas a diversos desafios térmicos. Vinte e um SIFs foram desenvolvidos para predição de cada variável resposta (t_clo, t_sup, FR e U) em função da t_ar, UR e V_ar, totalizando oitenta e quatro sistemas. Os desempenhos dos SIFs dos modelos híbridos desenvolvidos foram avaliados e apresentaram coeficientes de determinação (R²) superiores a 0,88. O segundo artigo tem como objetivo desenvolver um detector, portátil e de baixo custo, de estresse térmico para galinhas poedeiras, baseado em lógica fuzzy e implementado em um microcomputador. O sistema de inferência fuzzy desenvolvido demonstrou desempenho consistente na predição da FR de galinhas poedeiras a partir das variáveis ambientais t_gn e UR. Conforme indicado pelo coeficiente de determinação (R² = 0,9694), a integração de técnicas de IA, como a lógica fuzzy, com dispositivos de baixo custo, como o Raspberry Pi, representa uma abordagem inovadora e acessível para o monitoramento de estresse térmico em avicultura

MEMBROS DA BANCA:
Presidente - TADAYUKI YANAGI JUNIOR (Membro)
Externo ao Programa - LEONARDO SCHIASSI - DEA/EENG (Suplente)
Externo à Instituição - GREGORY MURAD REIS - UF (Membro)
Externo à Instituição - DIAN LOURENÇONI - UNIVASF (Membro)
Externo à Instituição - ALISON ZILLE LOPES - IFMG (Membro)
Interno - ALESSANDRO TORRES CAMPOS (Membro)