Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/25618
Type: Artigo de periódico
Title: Improving detection of dairy cow estrus using fuzzy logic
Title Alternative: Melhoria da detecção do estro de vacas leiteiras por meio da lógica fuzzy
Author: Brunassi, Leandro dos Anjos
Moura, Daniella Jorge de
Nääs, Irenilza de Alencar
Vale, Marcos Martinez do
Souza, Silvia Regina Lucas de
Lima, Karla Andrea Oliveira de
Carvalho, Thayla Morandi Ridolfi de
Bueno, Leda Gobbo de Freitas
Abstract: Production losses due to lack of precision in detecting estrus in dairy cows are well known and reported in milk production countries. Nowadays automatic estrus detection has become possible as a result of technical progress in continuously monitoring dairy cows using fuzzy pertinence functions. Dairy cow estrus is usually visually detected; however, solely use of visual detection is considered inefficient. Many studies have been carried out to develop an effective model to interpret the occurrence of estrus and detect estrus; however, most models present too many false-positive alerts and because of this they are sometimes considered unreliable. The objective of this research was to construct a system based on fuzzy inference functions evaluated with a receiver-operating characteristic curve, capable of efficiently detect estrus in dairy cows. For the input data the system combined previous estrus cases information and prostaglandin application with the data of cow activities. The system outputs were organized in three categories: 'in estrus', 'maybe in estrus and 'not in estrus'. The system validation was carried out in a commercial dairy farm using a herd of 350 lactating cows. The performance of the test was measured by calculating its sensitivity towards the right estrus detection; and its specificity towards the precision of the detection. Within a six months period of tests, over 25 thousands cases of estrus were analyzed from a database of the commercial farm. The sensitivity found was 84.2%, indicating that the system can detect estrus efficiently and it may improve automatic estrus detection.
Perdas na produção leiteiras devido às falhas de detecção do estro são bem conhecidas e relatadas em vários paises. Atualmente a automação na detecção do estro, tem sido possível, devido aos avanços tecnológicos na contínua monitoração de vacas leiteiras e utilização de modelos fuzzy. O estro em vacas de leite é normalmente detectado visualmente, um método considerado ineficiente. Alguns estudos têm sido desenvolvidos com o intuito de se obter modelos efetivos para interpretar a ocorrência e detecção do estro, contudo, muitos modelos apresentam alertas falsos positivos, sendo muitas vezes considerados falhos. Construiu-se um sistema baseado nas funções de inferência fuzzy capaz de detectar eficientemente o estro de vacas de leite, avaliando seu desempenho com curvas ROC (Receiver-Operating Characteristic). Os dados de entrada do sistema combinaram informações de casos prévios de estro, aplicações de prostaglandina com dados das atividades das vacas. As saídas do sistema foram organizadas em três categorias: em estro, talvez em estro e sem estro. A validação do sistema foi realizada em uma granja leiteira comercial utilizando um rebanho de 350 vacas em lactação. O desempenho do teste foi avaliado calculando a sensibilidade na detecção correta de estro; e sua especificidade através da precisão da detecção. O teste teve uma duração de seis meses, sendo analisados mais de 25 mil casos de estro da base de dados da granja. A sensibilidade obtida foi de 84,2%, indicando que o sistema pode detectar eficientemente o estro melhorando a detecção automática em vacas leiteiras.
Subject: ciclo estral
inteligência artificial
sistema especialista fuzzy
estrus cycle
artificial intelligence
expert system
Editor: São Paulo - Escola Superior de Agricultura "Luiz de Queiroz"
Rights: aberto
Identifier DOI: 10.1590/S0103-90162010000500002
Address: http://dx.doi.org/10.1590/S0103-90162010000500002
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-90162010000500002
Date Issue: 1-Oct-2010
Appears in Collections:Artigos e Materiais de Revistas Científicas - Unicamp

Files in This Item:
File Description SizeFormat 
S0103-90162010000500002.pdf280 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.