
MODELO AUTOMÁTICO DE CLASSIFICAÇÃO DE BOVINOS PARA O ABATE VIA REDES NEURAIS ARTIFICIAIS
Author(s) -
Alfredo Bonini Neto,
C. S. B. Bonini,
Fernando Ferrari Putti,
Mariana Campos,
Luís Roberto Almeida Gabriel Filho,
Marcelo George Mungai Chacur,
Jhonatan Cabrera Piazentin
Publication year - 2019
Publication title -
revista brasileira de engenharia de biossistemas
Language(s) - Portuguese
Resource type - Journals
eISSN - 2359-6724
pISSN - 1981-7061
DOI - 10.18011/bioeng2019v13n1p1-11
Subject(s) - physics , humanities , computer science , philosophy
Hoje em dia, a busca por ferramentas que facilitam e até mesmo substituem o trabalho humano têm ganhado grande destaque mundial. As redes neurais artificiais (RNAs) é uma dessas ferramentas, pois apresentam uma quantidade de aplicações, principalmente quando se trata de classificação de dados, reconhecimento de padrões, análise de imagens, entre outros. Com este intuito, o objetivo deste trabalho foi desenvolver uma ferramenta de classificação automática de bovinos por intermédio de uma Rede Neural Artificial (RNA) de três camadas. Essa rede é conhecida como Multilayer Perceptron (MLP), aqui do tipo feed forward (sem realimentação) e com algoritmo de treinamento backpropagation (retropropagação do erro) com treinamento supervisionado. A ideia foi identificar os grupos de abate e os que requerem alimentação mais intensiva, utilizando como variáveis de entrada da rede massa e altura e como variável de saída, o índice de massa corporal (IMC). Os dados utilizados neste trabalho foram obtidos de um rebanho de 147 vacas Nelore, localizadas na cidade de Santa Rita do Pardo - Mato Grosso do Sul (MS). Dos resultados, a rede obteve um excelente desempenho na fase de treinamento (100 amostras), com erro quadrado médio em torno de 10-5. Já na fase do diagnóstico (operação da rede), foi submetida à rede as 47 amostras restantes dos dados de vacas Nelore que não fizeram parte do treinamento da mesma, desses resultados, a rede apresentou em média, um erro em torno de 0,6% em relação à saída desejada (dados normalizados), o que acarretou num erro de 1 amostra das 47 analisadas.