INSTITUTO FEDERAL CATARINENSE
Pró-reitora de Pesquisa, Pós-Graduação e Inovação Mestrado Profissional em Produção e Sanidade Animal
Dissertação
AFERIÇÃO DO GANHO DE PESO VIVO DE BOVINOS CONFINADOS POR MEIO DE APLICATIVO DE PESAGEM
Francine Vogel
Concórdia, 2020
Francine Vogel
AFERIÇÃO DO GANHO DE PESO VIVO DE BOVINOS CONFINADOS POR MEIO DE APLICATIVO DE PESAGEM
Dissertação apresentada ao Mestrado Profissional em Produção e Sanidade Animal do Instituto Federal Catarinense, como requisito parcial à obtenção do título de Mestre em Ciências (área de concentração: Produção e Sanidade Animal).
Orientador: Dr. Carlos Eduardo Nogueira Martins Coorientador (es): Dra. Elizabeth Schwegler
Dr. Amito José Teixeira
FRANCINE OTÍLIA VOGEL
AFERIÇÃO DO GANHO DE PESO VIVO DE BOVINOS CONFINADOS POR MEIO DE APLICATIVO DE PESAGEM.
Trabalho de Conclusão aprovado como requisito parcial para obtenção do grau de Mestre em Ciências, no Curso de Mestrado Profissional em Produção e Sanidade Animal, do Instituto Federal Catarinense.
Araquari/SC, 07 de agosto de 2020. [data da defesa]
Autenticação eletrônica na Folha de Assinaturas _______________________________________________
Prof. Dr. Carlos Eduardo Nogueira Martins Orientador – IFC Campus Araquari
BANCA EXAMINADORA:
Prof. Dr. Diego Peres Netto - UFSC Prof. Dr. Fernando José Braz - IFC
MINISTÉRIO DA EDUCAÇÃO
INSTITUTO FEDERAL CATARINENSE
SISTEMA INTEGRADO DE PATRIMÔNIO, ADMINISTRAÇÃO E CONTRATOS
FOLHA DE ASSINATURAS
Emitido em 07/08/2020
DOCUMENTOS COMPROBATÓRIOS - CAMPUS ARAQUARI Nº 17/2020 - PGPSA/ARAQ (11.01.02.22) (Nº do Documento: 2)
NÃO PROTOCOLADO) (Nº do Protocolo:
(Assinado digitalmente em 29/12/2020 14:01 ) CARLOS EDUARDO NOGUEIRA MARTINS
PROFESSOR ENS BASICO TECN TECNOLOGICO CGES/ARA (11.01.02.39)
Matrícula: 1760760
Para verificar a autenticidade deste documento entre em https://sig.ifc.edu.br/documentos/ informando seu número: ,2
ano: 2020, tipo: DOCUMENTOS COMPROBATÓRIOS - CAMPUS ARAQUARI, data de emissão: 28/12/2020
Dedicatória Dedico este trabalho a minha família que não mediu esforços para que eu realizasse este grande sonho de me tornar Mestre em Produção e Sanidade Animal e ao meu orientador Carlos Eduardo, que esteve sempre presente me auxiliando em tudo que precisei.
Agradecimentos
À Deus por ter abençoado, protegido e iluminado meu caminho para que persistisse sempre, frente cada dificuldade, tanto na busca pela minha vaga no programa como pelas tantas idas e vindas que realizei de um estado a outro no decorrer do curso, realizando o que para muitos era impossível um mestrado e uma pós graduação de forma concomitante, com aulas nos mesmos dias. Mas eu venci, pois o impossível é apenas uma questão de opinião.
Sou imensamente grata a minha família por todo o incondicional apoio, carinho e amor, por terem sido o meu alicerce e motivação para sempre entregar o meu melhor e nunca desistir. Gratidão por entenderem cada ausência, e por terem colocado a “mão na massa” para concretizar o meu experimento da dissertação. Esta conquista também é de vocês. Gratidão pai, mãe, mana e Cassi.
Gratidão aos meus pequenos afilhados Vicente e Helena, vocês me ensinam todos os dias o real sentido da vida e do amor, é por vocês que meus dias ganham mais sentido e minha missão se torna mais nobre na busca incessante de deixar a vocês um legado, um exemplo e um mundo melhor.
Gratidão a minha vó Cezira (In memoriam), por ter deixado tão grande legado por ter me mostrado o mundo com os olhos de determinação, perseverança e com um coração de bondade a nunca desistir e ser forte sempre.
As minhas amigas, Luciane por me apoiar desde o início por cada conselho e incentivo, por me conhecer apenas em um olhar, a Bruna gratidão por todas as risadas, gargalhadas, por me entender tanto e principalmente gratidão por me fazer acordar de uma forma única e muito animadora nos dias em que o sono tinha suas horas diminuídas e era preciso trabalhar no dia seguinte, gratidão gurias por entenderem os dias de mau humor de sono e de cansaço, gratidão por estarem na minha vida.
Ao meu orientador Carlos Eduardo meu imenso agradecimento, por sempre ser muito solicito, por todo o conhecimento a mim transmitido, por me auxiliar na realização deste grande sonho, para mim foi uma imensa honra ser sua orientada.
Gostaria de agradecer também aos professores Amito Teixeira e Antônio Sergio do Amaral por confiarem no meu potencial e terem aberto as portas do curso de agronomia para que eu realizasse minha capacitação técnica. Gratidão ao professor Amito por ter aceitado ser meu co-orientador por todos os conselhos e auxílio no decorrer deste processo.
Agradecer a família Caldart por ter aberto as portas de sua propriedade para que eu realizasse o meu experimento, e acima de tudo por todo o carinho, preocupação e cuidado para que cada detalhe acontecesse de forma perfeita.
A Família Pegoraro pela parceria e por disponibilizar as instalações da Estância para a realização das pesagens e manejo de meu experimento.
Ao meu amigo Alan, por ter me apresentado ao programa de mestrado e por ter acreditado em mim quando eu mesma já não acreditava mais, gratidão por teus quase 15 anos de amizade e por ter me acompanhado em boa parte da busca do sonho em me tornar mestre.
Aos meus colegas de mestrado minha imensa gratidão pela parceria, pelo exemplo, pelos conhecimentos trocados, e pelas conversas produtivas, em especial gostaria de agradecer a Mayara Mattei por várias trocas de ideia e pelos vários almoços que tivemos juntas. A Talita e a Gabriela pela parceria nos trabalhos e pela companhia no mate de todas as manhãs. Por certo criamos uma amizade para a vida toda.
Aos meus professores por todo o conhecimento e exemplo transmitidos, por cada experiencia vivenciada em sala de aula e a campo, por certo só reforçam meu amor pelos animais e o meu sonho de retornar à sala de aula como professora, tenho uma admiração imensa por vocês.
Enfim, agradecer a todos que de uma forma ou outra estiveram presentes na realização de mais esta conquista em minha vida.
Epígrafe "A mente que se abre a uma nova ideia jamais voltará ao seu tamanho original" Albert Einstein “Faça dos seus sonhos um objetivo...” Autor desconhecido
Resumo
VOGEL, F. O., AFERIÇÃO DO GANHO DE PESO VIVO DE BOVINOS CONFINADOS POR MEIO DE APLICATIVO DE PESAGEM 2020. 37f. Dissertação (Mestrado em Ciências) - Curso de Pós-Graduação em Produção e Sanidade Animal, Pró-reitora de Pesquisa, Pós-Pós-Graduação e Inovação, Instituto Federal Catarinense, Araquari, 2020.
A presente dissertação teve como objetivo desenvolver um aplicativo para estimar o peso vivo de bovinos de corte por meio de uma imagem fotográfica. O trabalho foi realizado na propriedade rural da Família Caldart, localizada no município de Barão de Cotegipe - RS. Foram utilizados quatorze animais, mantidos em regime de confinamento. As pesagens dos animais foram realizadas juntamente com coleta das imagens, estas efetuadas a uma distância aproximada de três metros do animal, em um local já pré-estabelecido. Posteriormente as coletas com o auxílio do programa ImageJ, mensurou-se a área corporal e comprimento do corpo. Os dados foram submetidos ao teste de normalidade de Shapiro-Wilk, teste de correlação de Pearson e análise de regressão múltipla com o método stepwise para detecção do melhor modelo preditivo através do Índice de Informação de Akaike. As análises estatísticas foram realizadas no programa estatístico R e o nível de significância adotado foi de 5%. O programa Android Studio foi utilizado para o desenvolvimento do aplicativo, com base na linguagem Python 3.7, utilizando framework Kivy. Verificou-se que apesar de todas as correlações das variáveis independentes (BLA – área lateral do corpo, BL – comprimento do corpo e HG – circunferência torácica) com a variável dependente (Weight - peso) terem sido significativas (P<0,05), a correlação mais forte foi com a BLA (área lateral do corpo), sendo esta variável mais indicada para acompanhar melhor o peso vivo dos animais. Como consequência das aferições de peso, obtidas para validação do aplicativo, realizamos a comparação do ganho de peso entre machos e fêmeas em confinamento. Para tal avaliação consideramos as variáveis ganho de peso médio diário, conversão alimentar e eficiência alimentar, aonde constatamos que fêmeas e machos castrados apresentaram o mesmo desempenho zootécnico para os parâmetros avaliados.
Abstract
VOGEL, F. O. MEASUREMENT OF LIVE WEIGHT OF CONFINED CATTLE USING A WEIGHING APPLICATION 2020. 37f. Dissertation (Master Degree in Science) - Curso de Pós-Graduação em Produção e Sanidade Animal, Pró-reitora de Pesquisa, Pós-Graduação e Inovação, Instituto Federal Catarinense, Araquari, 2020.
This dissertation aimed to develop an application to estimate the live weight of beef cattle using a photographic image. The work was carried out on the Caldart Family's rural property, located in the municipality of Barão de Cotegipe - RS. Fourteen animals were used, kept in confinement. Weighing of the animals was carried out together with the collection of images, these carried out at a distance of approximately three meters from the animal, in a pre-established location. Subsequently the collections with the aid of the ImageJ program, the body area and body length were measured. The data were submitted to the Shapiro-Wilk normality test, Pearson's correlation test and multiple regression analysis with the stepwise method to detect the best predictive model through the Akaike Information Index. Statistical analyzes were performed using the statistical program R and the level of significance adopted was 5%. The Android Studio program was used to develop the application, based on the Python 3.7 language, using the Kivy framework. It was found that despite all correlations between the independent variables (BLA - lateral body area, BL - body length and HG - chest circumference) with the dependent variable (Weight - weight) were significant (P <0.05) , the strongest correlation was with BLA (lateral body area), this variable being more suitable to better follow the animals' live weight. As a consequence of the weight measurements obtained to validate the application, we compared the weight gain between males and females in confinement. For this evaluation, we considered the variables average daily weight gain, feed conversion and feed efficiency, where we found that castrated females and males showed the same zootechnical performance for the evaluated parameters.
Lista de Figuras
Figura 1 Coleta das imagens dos animais... 15 Figura 2 Avaliação da circunferência torácica com a fita de pesagem... 16 Figura 3 Fotografia do bovino processada no programa ImageJ para determinar
a área corporal (linha amarela), comprimento do corpo (linha azul) e
circunferência torácica (linha vermelha) ... 17 Figura 4 Resultado da análise de correlação entre as variáveis avaliadas.
BLA: área lateral do corpo; BL: comprimento do corpo; HG:
circunferência torácica... 18 Figura 5 Relação entre a área corporal lateral e os pesos observados e
estimados pelos modelos de regressão Linear e SVM... 20 Figura 6 Telas do aplicativo... 22
Lista de Tabelas
Tabela 1 Resultado da análise de regressão pelo método stepwise... 19 Tabela 2 Desempenho dos algoritmos de regressão... 20 Tabela 3 Valores correspondentes a análise bromatológica dos alimentos da
dieta... 29 Tabela 4 Peso vivo (kg) e ganho de peso vivo (kg) de bovinos confinados com
dieta de alto grão... 30 Tabela 5 Ganho médio diário (kg/dia) de bovinos confinados com dieta de alto
Lista de Abreviaturas e Siglas
RS Rio Grande do Sul
ABIEC Associação Brasileira das Indústrias Exportadoras de Carne APEX-Brasil Agência Brasileira de Promoção de Exportações e Investimentos
PIB Produto Interno Bruto
AIC Critérios de Informação de Akaike
Mask-RCNN Mask Region-based Convolutional Neural Network
SVM Support vector machine
Kg Quilogramas
US$ United States dollar
R$ Reais
HG Circunferência Torácica
BLA Área Lateral do Corpo
BL Comprimento do Corpo
CONAB Companhia Nacional de Abastecimento
FIESP Federação das Indústrias do Estado de São Paulo
NRC Nuclear Regulatory Commission
MAE Erro Absoluto Médio
RMSE Raiz Quadrada do Erro Médio
GPV Ganho de Peso Vivo
PV Peso Vivo
EA Eficiência Alimentar
CA Conversão Alimentar
GMD Ganho Médio Diário
URI Universidade Regional Integrada do Alto Uruguai e das Missões
Lista de Símbolos < Menor > Maior Mais/ Menos % Porcento & e (comercial) Cm² Centímetro Quadrado
SUMÁRIO
1. CONTEXTUALIZAÇÃO DO PROBLEMA E ESTADO DA ARTE ... 1
1.1 ODESENVOLVIMENTODATECNOLOGIAEOMEIOAGROPECUÁRIO ... 1
1.2 APECUÁRIADECORTEEAECONOMIA ... 2
1.3 OCONFINAMENTODEBOVINOSDECORTENOBRASIL ... 3
1.4 PECUÁRIADEPRECISÃOEAAFERIÇÃODEPESOVIVOPORAPLICATIVO ... 4
REFERÊNCIAS ... 6
2. OBJETIVOS ... 10
2.1 GERAL ... 10
2.2 ESPECÍFICOS ... 10
3. AFERIÇÃO DO GANHO DE PESO VIVO DE BOVINOS CONFINADOS POR MEIO DE APLICATIVO DE PESAGEM ... 11 3.1 INTRODUÇÃO ... 11 3.2 MATERIALEMÉTODOS ... 14 3.3 RESULTADOSEDISCUSSÃO ... 18 3.4. CONCLUSÃO ... 22 REFERÊNCIAS ... 23
4. AVALIAÇÃO DO GANHO DE PESO DE BOVINOS DE CORTE CONFINADOS SUBMETIDOS A DIETA DE ALTO GRÃO ... 26
4.1 INTRODUÇÃO ... 26 4.2 MATERIALEMÉTODOS ... 28 4.3. RESULTADOSEDISCUSSÃO ... 30 4.4 CONCLUSÃO ... 33 REFERÊNCIAS ... 34 5. CONSIDERAÇÕES FINAIS ... 36
1
1. CONTEXTUALIZAÇÃO DO PROBLEMA E ESTADO DA ARTE
1.1 O DESENVOLVIMENTO DA TECNOLOGIA E O MEIO AGROPECUÁRIO
Os avanços tecnológicos influenciam diferentes mudanças na sociedade, de modo que essas informações e conhecimentos venham a ser nela reconhecidos como característicos (Tavarayama & Martins, 2012). Nesse contexto, a criatividade das pessoas passa a ser aguçada e utilizada de modo a proporcionar ganhos financeiros, influenciando a produção de bens e serviços. Considerando, também, a existência de profissionais com facilidade em tomar decisões, qualificados, experientes e com informações acessíveis, então esses componentes possibilitam que problemas complexos de diferentes áreas sejam resolvidos (Florida, 2011). No agronegócio, em especial na pecuária de corte, não tem sido diferente (Costa et al. 2014).
Para Nascimento et al. (2014), as práticas relacionadas à gestão de tecnologia utilizada na propriedade influenciam positivamente o uso desses elementos devido ao aperfeiçoamento das técnicas de produção e a utilização de métodos propícios ao contexto. Essas práticas são acompanhadas da inserção de novos conhecimentos na unidade, o que proporciona vantagens competitivas, benefícios na qualidade dos produtos e aumento na produção.
Na pecuária os sistemas informatizados armazenam e fornecem informações sobre o controle de matrizes, cruzamento de animais, inseminações artificiais, aspectos nutricionais e sanitários de cada animal. O gerenciamento dessas informações pode ser realizado por meio de softwares específicos (Machado & Nantes, 2011).
Segundo Costa et al. (2014), ao se considerar a disseminação das tecnologias na cadeia produtiva da bovinocultura de corte, torna-se pertinente verificar que inovações e mudanças estão ocorrendo nos processos dessa cadeia, mas ainda se apresentam deficitários em alguns aspectos. As alterações tecnológicas nem sempre se
2
refletem diretamente em aumentos de produtividade e competitividade. A baixa qualificação do homem do campo é um dos grandes empecilhos para o avanço do uso da tecnologia, por este motivo a capacitação destes profissionais é indispensável para um melhor aproveitamento destes artifícios. Os mesmos autores ainda enfatizam que as questões culturais como conservadorismo e tradicionalismo também são apontadas como barreiras para a difusão das tecnologias.
1.2 A PECUÁRIA DE CORTE E A ECONOMIA
A cada ano a pecuária brasileira ganha mais espaço e força tanto no mercado nacional como no exterior (ABIEC, 2015), entretanto, como qualquer atividade do setor pecuário, para a manutenção da competitividade esta atividade deve ser constantemente avaliada, principalmente no que tange aos aspectos econômicos. Sendo assim, os custos de produção da atividade, incluindo a receita líquida e a rentabilidade do capital investido são fatores importantes para o sucesso de qualquer sistema de produção (Silva et al. 2010).
De acordo com dados divulgados no Relatório Anual 2019 sobre o Perfil da Pecuária no Brasil, elaborado pela Associação Brasileira das Indústrias Exportadoras de Carne (ABIEC), em conjunto com a Agência Brasileira de Promoção de Exportações e Investimentos (APEX-Brasil, Brasília/DF) e a Brazilian Beef, o produto interno bruto (PIB) do agronegócio brasileiro representou uma elevação de 8,7% a sua participação no PIB total brasileiro. Somente a pecuária gerou riqueza de R$527,22 bilhões, representando um crescimento de 8,3% em relação ao valor registrado em 2017 (ABIEC, 2019). Já impulsionadas pela demanda chinesa, as exportações brasileiras de carne bovina terminaram 2019 com um recorde em volume e receita. Os volumes enviados atingem 1,847 milhões de toneladas e receita de US$ 7,59 bilhões. Os números representaram um crescimento de 12,4% e 15,5%, respectivamente, em
3
relação a 2018, superando as previsões feitas e consolidando o ritmo de crescimento das vendas brasileiras (ABIEC, 2020).
A atividade pecuária vem evoluindo nos últimos anos, com o emprego de tecnologia e gerando aumento de produtividade dentro das propriedades. A produção nacional sempre se caracterizou pelo sistema extensivo, mas nos últimos anos, com a incorporação de novas tecnologias, cresceram os sistemas intensivos de produção em algumas regiões, os chamados confinamentos ou semi-confinamentos (Carvalho & Zen, 2017).
1.3 O CONFINAMENTO DE BOVINOS DE CORTE NO BRASIL
Devido a importância do setor da pecuária no Brasil e no mundo, principalmente referente a produção de carne bovina, estudos caracterizando o sistema nacional de produção (Ferraz et al. 2010) e dos confinamentos brasileiros quanto aos seus aspectos nutricionais (Millen et al. 2009; Oliveira e Millen, 2014) e ambientais tem ganhado cada vez mais relevância (Costa Junior et al., 2013).
No Brasil são utilizados em confinamento uma grande proporção de bovinos de origem zebuína (Bos indicus), sendo em sua grande maioria machos inteiros. Além disso, estima-se que o período médio de engorda em confinamento no Brasil seja de aproximadamente 88 dias (Oliveira e Millen, 2014), variando entre 60 a 135 dias (Costa Junior et al. 2013).
Conforme relata Teixeira (2015), existe no Brasil um aumento crescente da necessidade de informações a respeito das questões nutricionais dos alimentos, sua digestibilidade e aproveitamento, tendo assim o intuito de elevar a produtividade por área e diminuir as perdas por distúrbios metabólicos.
Desta forma deve-se levar em conta o uso cada vez mais intenso de suplementação, o que favorece a padronização da carcaça, a redução da vida do animal pronto para o abate, o desmame de animais mais pesados e com melhores
4
acabamentos, isso ocorre devido a evolução genética das raças, zebuínas e europeias, somada ao crescente uso do cruzamento industrial. Todos esses fatores trazem ao produtor um boi de melhor qualidade, com um rendimento financeiro maior, preços mais altos e bonificações. Pelo lado da indústria, um produto mais homogêneo facilita o escoamento e a venda para clientes mais exigentes (Carvalho & Zen, 2017).
1.4 PECUÁRIA DE PRECISÃO E A AFERIÇÃO DE PESO VIVO POR APLICATIVO
O peso corporal dos animais é um fator importante, associado a várias práticas de manejo, incluindo seleção para abate ou melhoramento, determinação dos níveis de alimentação e um bom indicador da condição do animal (Ulutas et al. 2001).
Para Fioretti et al. (2015), o peso vivo é uma característica extremamente importante na pecuária de corte, e normalmente é registrado usando uma balança mecânica. Em sistemas extensivos de manejo de bovino de corte, é difícil ocorrer o acompanhamento periódico do peso vivo dos animais, tendo em vista que as balanças estão disponíveis apenas em algumas fazendas ou as balanças móveis são difíceis de transportar e instalar.
O uso de balanças mecânicas também pode acarretar em perdas no processo de pesagem, como: dificuldades em manter uma calibração periódica do equipamento para preservar a sua precisão; o estresse gerado ao animal devido ao manejo realizado, podendo ocasionar perda de peso (± 2%), a agitação provocada no animal pode interferir na leitura do valor real do peso vivo; e o manejo de pesagem demanda maior quantidade de pessoas, além de outros fatores como a possibilidade de ferimentos devido a condução dos animais na estrutura (Lasfeto et al. 2008).
Algumas pesquisas no campo da criação de animais, especialmente na criação de bovinos de corte, teorizaram que a determinação do peso corporal de bovinos de corte pode ser feita medindo a circunferência do peito e o comprimento do corpo do animal, sendo um dos pontos principais a ser alcançado no processamento de imagens
5
(Lasfeto & Daudletik, 2017). Entre o comprimento do corpo, a circunferência do peito e o peso corporal do bovino têm uma relação linear e positiva (Mc Nitt, 1983; Soenarjo, 1988).
A relação entre as medidas corporais e o peso corporal depende de vários fatores como: raça, idade, tipo, tamanho, condição e nível de engorda dos animais (Heinrichs et al. 1992, Yanar et al. 1995). Van Marle-Köster et al. (2000) descreveram as medidas corporais como critérios de seleção para o crescimento em bovinos.
Conforme relatado por Dickinson et al. (2013), estas características morfológicas atualmente são medidas manualmente. Além de ser trabalhoso, o processo de medição pode ser estressante para os animais. Para automatizar a medição das características morfológicas, novas técnicas, como a visão computacional, foram exploradas (Tasdemir et al. 2011; Marinello et al. 2015).
Sendo assim, com vistas em facilitar e difundir novos métodos de pesagem na pecuária, a computação, principalmente na área de análise e interpretação de imagens, tem sido usada como uma ferramenta, para através de fotos ou vídeos, extrair características que predizem o peso de bovinos (Tasdemir et al. 2011; Ozkaya, 2013; Song et al. 2018; Mortensen et al. 2016; Saberioon et al. 2017; Menesatti et al. 2014; Jun et al. 2018).
Recentemente vem sendo desenvolvidos novos sistemas e aplicativos de análise de imagem. Uma das oportunidades geradas por estas aplicações visuais é que as medições podem ser feitas a partir das imagens obtidas. As análises de objetos sem contato são preferidas e mais confiáveis que outros métodos, porque distorções e mudanças podem ocorrer no objeto que será medido, por ele estar em constante movimento como no caso dos bovinos de corte. Os métodos de processamento e análise de imagens digitais auxiliados por computador têm muitas áreas de aplicação, além de terem algumas vantagens, como maior agilidade na execução, precisão e economia (Tasdemir & Ozkan, 2019).
6
REFERÊNCIAS
ABIEC| Associação Brasileira das Indústrias Exportadoras de Carnes. Exportações brasileiras de carne bovina. 2015. 19p. Relatório Anual. Disponível em: <http://www.abiec.com.br/download/relatorio-anual-2015.pdf>. Acesso em: 21 jan. 2016.
ABIEC| Associação Brasileira das Indústrias Exportadoras de Carnes. Beef REPORT Perfil da Pecuária no Brasil. São Paulo, 2019.
ABIEC| Associação Brasileira das Indústrias Exportadoras de Carnes. Beef exports closed 2019 with records in volume and revenue. São Paulo, 2020.
CARVALHO, T.B.; ZEN S.D. A cadeia de Pecuária de Corte no Brasil: evolução e tendências, Revista iPecege 3(1):85-99, 2017 DOI: 10.22167/r.ipecege.2017. Piracicaba, SP, 2017.
COSTA, C., R. S.; GOULART, T. Z.; ALBERTINI, B. J.; FEIGL, C. E. P.; CERRI, J. T.; VASCONCELOS, M.; BERNOUX, D. P. D.; LANNA, E C. C.; CERRI. 2013. Brazilian beef cattle feedlot manure management: A country survey. Journal of Animal Science 91(4):1811-1818. doi: 10.2527/jas.2012-5603.
COSTA, E. G.; KLEIN, A. Z.; VIEIRA, L. M.; Análise da Utilização de Tecnologias da Informação Móveis e Sem Fio (Tims) Na Cadeia Bovina: Um Estudo de Caso no Estado de Goiás REAd | Porto Alegre – Edição 77 - N° 1 – janeiro/abril 2014 – p. 140-169. DICKINSON, R. A. J. M.; MORTON, D. S.; BEGGS, G. A.; ANDERSON, M. F. PYMAN, P. D.; MANSELL, AND C. B. BLACKWOOD. 2013. An automated walk-over weighing system as a tool for measuring liveweight change in lactating dairy cows. J. Dairy Sci. 96:4477– 4486. https:// doi .org/ 10 .3168/ jds .2012 -6522.
FERRAZ, J. B. S.; e P. E. de FELÍCIO. 2010. Production systems - An example from Brazil.
Meat Science 84(2):238-243. (Article; Proceedings Paper) doi:
10.1016/j.meatsci.2009.06.006
FIORETTI, M.; NEGRINI, R.; BIONDI, A. A new tool for beef performance recording in
Italy. Roma, 2015. Disponível em:
https://www.icar.org/wp-content/uploads/2015/09/Fioretti.pdf. Acessado em: 31 maio. 2019.
7
HEINRICHS, A.J.; ROGERS, G.W.; COOPER, J.B.; (1992) Predicting body weight and wither height in Holstein heifers using body measurements. J Dairy Sci 75, 3576-81.
JUN, K.; KIM, S. J. AND JI, H. W. 2018. Estimating pig weights from images without constraint on posture and illumination. Computers and Electronics in Agriculture 153:169-176. https://doi.org/10.1016/j.compag.2018.08.006.
LASFETO, D.B.; SUSANTO, A.; AGUS, A.; 2008. Aplikasi pengolahan citra untuk dimensi bobot badan ternak sapi. Buletin Peternakan 32(3): 167-176.
LASFETO, D. B.; DAUDLETIK, M., A Measuring Weight Model Of Timor's Beef Cattle Based On Image. International Journal of Engineering and Technology. DOI: 10.21817/ijet/2017/v9i2/170902089 Vol 9 No 2 Apr-May 2017.
MACHADO, J.G.C.F.; NANTES, J.F.D. Adoção da tecnologia da informação em
organizações rurais: o caso da pecuária de corte. Gest. Prod., São Carlos, v. 18, n. 3, p. 555-570, 2011.
MARINELLO, F. A.; PEZZUOLO, D.; CILLIS, F.; GASPARINI, AND L. SARTORI. 2015. Application of Kinect-Sensor for three-dimensional body measurements of cows. Pages 661–669 in 7th European Conference on Precision Livestock Farming, ECPLF 2015. European Conference on Precision Livestock Farming, Milan, Italy.
McNitt, J.I. (1983) Livestock Husbandry Tecniques. London.
MENESATTI, P.; COSTA, C.; ANTONUCCI, F.; STERI, R.; PALLOTTINO, F. AND CATILLO, G. 2014. A low-cost stereovision system to estimate size and weight of live sheep. Computers and Electronics in Agriculture 103:33-38. https://doi.org/10.1016/j. compag.2014.01.018.
MILLEN, D. D. R. D. L.; PACHECO, M. D. B.; ARRIGONI, M. L.; GALYEAN, e J. T. VASCONCELOS. 2009. A snapshot of management practices and nutritional recommendations used by feedlot nutritionists in Brazil. Journal of Animal Science 87:3427–3439.
MORTENSEN, A. K.; LISOUSKI, P. AND AHRENDT, P. 2016. Weight prediction of broiler chickens using 3D computer vision. Computers and Electronics in Agriculture 123:319-326. https://doi.org/10.1016/j.compag.2016.03.011.
NASCIMENTO, N.T.A.; MEDRADO, S.S.; TOGNI, F.; CASEMIRO, I.P. & SÃO PEDRO FILHO, F. (2014). Gestão de tecnologia no agrobusiness: um estudo de caso na produção de Abacaxi em Porto Velho, Brasil. Gestão, Inovação e Tecnologia, 4(3), 1076--‐1091.
8
OLIVEIRA, C. A.; E D. D. MILLEN. 2014. Survey of the nutritional recommendations and management practices adopted by feedlot cattle nutritionists in Brazil. Animal Feed Science and Technology 197:64-75. doi: 10.1016/j.anifeedsci.2014.08.010
OZKAYA, S. 2013. The prediction of live weight from body measurements on female Holstein calves by digital image analysis. The Journal of Agricultural Science 151:570-576. https://www.doi.org/10.1017/S002185961200086X.
SABERIOON, M.; GHOLIZADEH, A.; CISAR, P.; PAUTSINA, A. AND URBAN, J. 2017. Application of machine vision systems in aquaculture with emphasis on fish: state‐of‐the‐art and key issues. Reviews in Aquaculture 9:369-387. https://doi. org/10.1111/raq.12143.
SILVA, R. R.; PRADO, I. N.; CARVALHO, G. G. P.; SILVA, F. F.; ALMEIDA, V. V. S.; SANTANA JÚNIOR, H. A.; PAIXÃO, M. L. ABREU FILHO, G. Níveis de - 41 - suplementação na terminação de novilhos Nelore em pastagens: aspectos econômicos. Revista Brasileira de Zootecnia, v.39, n.9, p.2091-2097, 2010.
SOENARJO. 1988. Buku Pegangan Kuliah Ilmu Tilik Ternak. CV. Baru, Jakarta.
SONG, X.; BOKKERS, E. A. M.; VAN DER TOL, P. P. J.; GROOT KOERKAMP, P. W. G. AND VAN MOURIK, S. 2018. Automated body weight prediction of dairy cows using 3-dimensional vision. Journal of Dairy Science 101:4448-4459. https://doi. org/10.3168/jds.2017-13094.
TASDEMIR, S.; URKMEZ, A. AND INAL, S. 2011. Determination of body measurements on the Holstein cows using digital image analysis and estimation of live weight with regression analysis. Computers and Electronics in Agriculture 76:189-197. https://doi.org/10.1016/j.compag.2011.02.001.
TASDEMIR, S.; OZKAN, I. A. ANN APPROACH FOR ESTIMATION OF COW WEIGHT DEPENDING ON PHOTOGRAMMETRIC BODY DIMENSIONS. International Journal of Engineering and Geosciences (IJEG), Vol; 4, Issue;1, pp. 036-044, February, 2019, ISSN 2548-0960, Turkey, DOI: 10.26833/ijeg.427531.
TAVARAYAMA, R. & MARTINS, J. R. (2012). A sociedade da informação: possibilidades e desafios. Nucleos, 9(1), 267--‐276.
9
TEIXEIRA, R. B. Dieta de alto grão com milho em confinamento de bovinos. Universidade Federal de São João Del Rei Pró-Reitoria de Ensino Engenharia Agronômica, Sete Lagoas, 14 de dezembro, 2015.
ULUTAS, Z.; SAATCI, M.; OZLUTURK, A. (2001) Prediction of body weights from body measurements in East Anatolian Red Calves. J Agri Collage of Ataturk University 32, 61-5.
VAN MARLE-KÖSTER, ESTE; MOSTERT, Bernice E .; VAN DER WESTHUIZEN, JAPIE. Medidas corporais como critério de seleção para crescimento em bovinos da África do Sul Hereford. Arquivos Animal Breeding , v. 43, n. 1, p. 5-16, 2000.
YANAR, M.; TUZEMEN, N.; OZKAN, M.; AYDIN, R.; UGUR F (1995) Prediction of body weights from body measurements in Brown Swiss cattle. Turkish J Vet Anim Sci 19, 357-60.
10
2. OBJETIVOS
2.1 GERAL
Desenvolver um aplicativo para estimar o peso vivo de bovinos de corte por meio de uma imagem fotográfica.
2.2 ESPECÍFICOS
❖ Analisar imagens digitais do animal, utilizando um programa que proporcione a estimativa da área corporal correlacionando proporcionalmente com medidas do bovino obtidas em campo (comprimento e circunferência torácica);
❖ Comparar os pesos gerados pelo aplicativo através das imagens com o peso real coletado em campo;
❖ Avaliar o ganho de peso de bovinos confinados submetidos a dieta de alto grão na região norte do estado do Rio Grande do Sul.
11
3. AFERIÇÃO DO GANHO DE PESO VIVO DE BOVINOS CONFINADOS POR MEIO DE APLICATIVO DE PESAGEM
Autores
Francine Otilia Vogel Arthur Savtchen Osman Luiz Rocha Fritz
Filipe Barcelos Ramos Amito José Teixeira Elizabeth Schwegler Carlos Eduardo Nogueira Martins
3.1 INTRODUÇÃO
As primeiras indicações de tecnologia surgiram quando o homem passou a querer registrar suas ações, isso com o intuito de torná-las aparentes a comunidade, mas sem delas perder a propriedade. Assim, as linguagens verbais e não verbais criadas de modo a suprir essa necessidade humana de comunicação podem ser percebidas como uma tecnologia criada e que se destaca perante o contexto histórico (Felipe, 2012).
No setor rural, as tecnologias da informação permitem equilibrar algumas desvantagens econômicas, reduzindo as barreiras de tempo e de distância dos principais mercados. Por isso, a tecnologia da informação vem sendo considerada como um importante agente de reestruturação do ambiente e das funções dentro e fora das organizações, por interligar pessoas, processos e empresas (Machado & Nantes, 2011).
12
Segundo Costa et al. (2014), ao se considerar a disseminação das tecnologias na cadeia produtiva da bovinocultura de corte, torna-se pertinente verificar que inovações e mudanças estão ocorrendo nos processos dessa cadeia, mas ainda se apresentam deficitários em alguns aspectos. As alterações tecnológicas nem sempre se refletem diretamente em aumentos de produtividade e competitividade. A baixa qualificação do homem do campo é um dos grandes empecilhos para o avanço do uso da tecnologia, por este motivo a capacitação destes profissionais é indispensável para um melhor aproveitamento destes artifícios. Os mesmos autores ainda enfatizam que as questões culturais como conservadorismo e tradicionalismo também são apontadas como barreiras para a difusão das tecnologias.
As razões para se investir em tecnologias apresentam variação em função do perfil socioeconômico e geográfico do produtor. Entre as motivações que levam produtores a investir em tecnologias de precisão destacam-se a expectativa de redução do trabalho e maior facilidade no manejo diário do rebanho (Steeneveld & Hogeveen, 2015). A mensuração dos indicadores produtivos, comportamentais e fisiológicos em benefício da saúde, produtividade e bem-estar animal, também fazem parte dos benefícios gerados pela tecnologia na pecuária (Steeneveld et al. 2015).
A atividade pecuária vem evoluindo nos últimos anos, com o emprego de tecnologia e gerando aumento de produtividade dentro das propriedades. A produção nacional sempre se caracterizou pelo sistema extensivo, mas nos últimos anos, com a incorporação de novas tecnologias, cresceram os sistemas intensivos de produção em algumas regiões, os chamados confinamentos ou semi-confinamentos (Carvalho & Zen, 2017).
O peso corporal dos animais é um fator importante associado a várias práticas de manejo, incluindo seleção para abate ou melhoramento, determinação dos níveis de alimentação e é um bom indicador da condição do animal (Ulutas et al. 2001).
Algumas pesquisas no campo da criação de animais, especialmente na criação de bovinos de corte, teorizaram que a determinação do peso corporal de bovinos de
13
corte pode ser feita medindo a circunferência do peito e o comprimento do corpo do animal, sendo um dos pontos principais a ser alcançado no processamento de imagens (Lasfeto & Daudletik, 2017). Entre o comprimento do corpo, a circunferência do peito e o peso corporal do bovino têm uma relação linear e positiva (Mc Nitt, 1983; Soenarjo, 1988).
Sendo assim, com vistas em facilitar e difundir novos métodos de pesagem na pecuária, a computação, principalmente na área de análise e interpretação de imagens, tem sido usada como uma ferramenta, para através de fotos ou vídeos, extrair características que predizem o peso de bovinos (Tasdemir et al. 2011; Ozkaya, 2013; Song et al. 2018; Mortensen et al. 2016; Saberioon et al. 2017; Menesatti et al. 2014; Jun et al. 2018).
Recentemente vem sendo desenvolvidos novos sistemas e aplicativos de análise de imagem. Uma das oportunidades geradas por estas aplicações visuais é que as medições podem ser feitas a partir das imagens obtidas. As análises de objetos sem contato são preferidas e mais confiáveis que outros métodos, porque distorções e mudanças podem ocorrer no objeto que será medido, por ele estar em constante movimento como no caso dos bovinos de corte. Os métodos de processamento e análise de imagens digitais auxiliados por computador têm muitas áreas de aplicação, além de terem algumas vantagens, como maior agilidade na execução, precisão e economia (Tasdemir & Ozkan, 2019).
Portanto, a presente dissertação teve como objetivo desenvolver um aplicativo para estimar o peso vivo de bovinos de corte por meio de uma imagem fotográfica. O aplicativo foi idealizado para facilitar o processo de pesagem e proporcionar aos produtores uma ferramenta gratuita que promove a melhoria do controle de ganho de peso dos bovinos.
14
3.2 MATERIAL E MÉTODOS
O trabalho foi conduzido no município de Barão de Cotegipe, região norte do estado do Rio Grande do Sul, Brasil. Foram pesados quatorze animais das raças taurinas e suas cruzas mantidos em regime de confinamento por um período de 63 dias. O início do experimento ocorreu no dia primeiro de setembro de 2019, aonde as primeiras pesagens foram realizadas juntamente com manejo vacinal, identificação dos animais com a colocação de brincos numerados de dois a quinze. A segunda pesagem foi realizada 36 dias após o início e a pesagem pré-abate 29 dias após a realização da segunda. A balança utilizada possuía capacidade de um animal por vez, da marca Rinnert Balanças e Troncos, com capacidade de peso total de 2.000 quilogramas.
No momento de chegada dos animais a balança, estes foram pesados já no desembarque e destinados a uma baia, onde aguardavam para posterior coleta das imagens. A coleta das imagens foi realizada a uma distância aproximada de três metros do animal, em um local já pré-estabelecido para que houvesse as referências métricas da parede utilizada de fundo, como mais um atributo de confiabilidade (Figura 1). Os animais eram apartados um a um e manejados para que permanecessem parados na posição desejada, lateralmente a câmera para que a imagem fosse capturada, buscando - se sempre respeitar as diretrizes de bem-estar para gerar o mínimo estresse possível no animal.
Outros 77 animais foram avaliados, oriundos de dois confinamentos localizados em São João do Itaperiú e Schroeder, Santa Catarina. Todos os animais eram de raças taurinas e suas cruzas, com peso médio variando entre 255 e 506 kg. A pesagem dos animais foi realizada em balança eletrônica sem jejum prévio.
15
Figura 1. Coleta das imagens dos animais. Fonte. A autora
A medida do perímetro torácico foi realizada caudalmente à escapula passando pelo esterno e pelos processos espinhais das vértebras torácicas, através do uso da fita torácica de pesagem, conforme (Figura 2). A câmera utilizada foi uma Nikon Coolpix, S220 de 10 megapixels e um celular Samsung, modelo A5 (2017). Foram coletadas uma média de seis fotos por animal para que tivesse a garantia de que todos os animais apresentassem a quantidade necessária de fotos para a realização das avaliações.
No início do experimento os bovinos apresentavam uma média de peso vivo equivalente a 309,64 quilogramas. Os animais foram divididos em dois lotes (machos e fêmeas), mantidos em baias distintas, mas com as mesmas condições de ambiência e manejo, submetidos a uma dieta de alto grão, com um período de adaptação à dieta de 15 dias, somados a mais 48 dias de período experimental.
16
Figura 2. Avaliação da circunferência torácica
com a fita de pesagem.
Fonte. A autora
A dieta era fornecida duas vezes ao dia de forma coletiva, os animais tinham acesso a água fresca e limpa durante todo o período experimental e a limpeza dos bebedouros foi realizada diariamente. Os ingredientes da mistura da dieta eram pesados e misturados na própria propriedade contendo 15% de ração alto grão e 85% de milho em grão. O consumo dos animais foi controlado a fim de se verificar possíveis distinções de consumo. Os ingredientes utilizados na formulação da ração foram analisados bromatologicamente visando o adequado balanceamento das dietas. Ao final do confinamento os animais foram encaminhados para o abate, no Frigorífico Rodeio, localizado na cidade de Marau – RS.
Posteriormente as coletas, com o auxílio do programa ImageJ, mensurou-se a área corporal, comprimento do corpo tomada lateralmente entre a extremidade ventral da espádua e a ponta do ísquio e altura do dorso medida na linha do dorso até a curva do cilhadouro, atrás da pata dianteira (Figura 2).
Os dados foram submetidos ao teste de normalidade de Shapiro-Wilk, teste de correlação de Pearson e análise de regressão linear múltipla com o método stepwise para detecção do melhor modelo preditivo ajustado. A partir do modelo escolhido realizou-se a regressão por máquina de vetores de suporte - SVM (Smola and Scholkopf, 2004; Shevade et al. 2000), regressão por discretização (Frank and Bouckaert, 2009) com Random Forests (Breiman, 2001) e com Multilayer Perceptron –
17
MLP (ROSENBLATT, 1958). Do total de animais avaliados, 66% foram separados para treino e o restante para teste.
As análises estatísticas foram realizadas no programa estatístico R (R Core Team, 2020) e o nível de significância adotado foi de 5%.
O programa Android Studio, versão 3.4.2, foi utilizado para o desenvolvimento do aplicativo, que foi desenvolvido na linguagem Python 3.7, utilizando framework Kivy. Utilizou-se os frameworks Keras com Tensorflow para criar o modelo de identificação do bovino e o Mask R-CNN para a segmentação da imagem.
Figura 3. Fotografia do bovino processada no programa ImageJ para determinar a área corporal (linha
amarela), comprimento do corpo (linha azul) e circunferência torácica (linha vermelha).
18
3.3 RESULTADOS E DISCUSSÃO
Na figura 4, observa-se a correlação entre as variáveis estudadas. Apesar de todas as correlações das variáveis independentes (BLA – área lateral do corpo, BL – comprimento do corpo e HG – circunferência torácica) com a variável dependente (Weight - peso) terem sido significativas (P<0,05), a correlação mais forte foi com a BLA (0,83).
Confirmando em parte a teoria encontrada por Heinrichs et al. (1992) de que a circunferência torácica está fortemente correlacionada com o peso corporal, pois quando a circunferência torácica aumenta, o peso aumenta. Para Reis et al. (2008), a relação entre as duas variáveis, peso e circunferência torácica não é a mesma em categorias distintas. Dessa maneira, torna-se necessária a utilização de modelos de regressão específicos para a predição do peso em função da circunferência torácica em cada categoria.
Figura 4. Resultado da análise de correlação entre as variáveis avaliadas. BLA: área lateral do corpo;
19
Apesar da regressão linear pelo método stepwise ter selecionado o modelo de melhor coeficiente de determinação ajustado (r2 = 0,71) o que continha as variáveis
BLA, BL e HG, optou-se por apresentar (Tabela 1) o modelo sem a variável BL, pois esta apresentou alta colinearidade com HG e não foi significativa na análise de regressão linear (P=0,22). Além disso, após a retirada desta variável, o coeficiente de determinação ajustado passou a ser de 0,7.
No experimento de Weber et al. (2020) a análise dos resultados pelo método de regressão stepwise permitiu avaliar o comportamento de todas as variáveis extraídas das imagens de bovinos em um coeficiente de correlação de 0,7, corroborando com o resultado encontrado neste trabalho.
Tabela 1 - Resultado da análise de regressão pelo método stepwise.
Variável Parâmetro estimado Erro padrão P-valor
Intercepto 271,19 14,08 0,001
BLA 0,25 0,03 0,001
BL -0,44 0,17 0,01
HG 1,21 0,39 0,001
BLA: área lateral do corpo; BL: comprimento do corpo; HG: circunferência torácica.
Entretanto, para comparar os diferentes algoritmos de regressão (Tabela 2) optou-se por utilizar apenas a variável BLA para estimar o peso do bovino pois a proposta foi de desenvolver um aplicativo que estimasse o peso automaticamente, e a inclusão da variável HG exigiria a manipulação da imagem o que, potencialmente, aumentaria a margem de erro do modelo.
Observou-se que com exceção da regressão por SVM, os outros algoritmos de regressão apresentaram coeficientes de correlação bem próximos (Tabela 2). Por outro lado, o algoritmo SVM teve menor erro, 25,47 kg, na estimativa do peso dos bovinos a partir da área lateral do corpo do animal (Tabela 2).
20
Tabela 2 - Desempenho dos algoritmos de regressão. Regressão linear Regressão SVM
Regressão por discretização com Random Forest Regressão por discretização com MPL Coeficiente de correlação 0,72 0,52 0,71 0,74 MAE 32,68 25,47 31,78 30,83 RMSE 39,31 36,08 41,31 38,28
MAE: erro absoluto médio; RMSE: raiz quadrada do erro médio.
Figura 5. Relação entre a área corporal lateral e os pesos observados e estimados pelos modelos de
21
Corroborando com o encontrado por Weber et al. (2020) ao testar o desempenho dos algoritmos do programa Weka no conjunto de testes demonstrou que os algoritmos de regressão linear e SVM obtiveram os melhores resultados.
Ao representar graficamente a relação da área lateral do corpo com o peso vivo real do animal com os pesos estimados pela regressão linear e SVM, observou-se que este último algoritmo conseguiu acompanhar melhor o comportamento da evolução do peso dos animais (Figura 5). Percebe-se que a margem de erro é maior nos animais com BLA menor de 200 pixels/cm2 em virtude da amplitude dos pesos observados, fato
que pode estar associado ao frame do animal, ou seja, animais com padrões estruturais maior que o pré-estabelecido para o modelo estudado apresentam maior erro, inviabilizando a utilização do mesmo modelo preditivo para animais taurinos, zebuínos e suas cruzas.
Ainda no que diz respeito a coleta e processamento dos dados, constatou-se a necessidade de se melhorar a metodologia de captura das imagens, bem como, a importância de se realizar o tratamento prévio dos dados tendo em vista o tamanho elevado das imagens na execução e processamento das análises pelo aplicativo exigindo um espaço bastante considerável de memória disponível, limitando a obtenção do aplicativo por produtores menos qualificados.
As telas do aplicativo são apresentadas na figura 6. A tela inicial possui dois botões, um para acionar a câmera e outro para capturar a imagem. Neste momento o aplicativo envia a imagem para o modelo de classificação e segmentação da imagem. Ao final desse processo, abre-se uma nova janela que apresenta o bovino destacado. Ao fechar esta janela, uma nova janela apresenta a imagem original com o peso estimado do animal.
22
Figura 6. Telas do aplicativo.
3.4. CONCLUSÃO
A partir da imagem fotográfica de bovinos de corte foi possível desenvolver um aplicativo para estimar o peso vivo destes animais. O uso do parâmetro área lateral do corpo foi o que melhor se ajustou para estimar o peso vivo real dos animais por meio do aplicativo.
23
REFERÊNCIAS
BREIMAN, L. 2001. Random forests. Machine Learning 45:5-32. https://doi.org/10.1023/A:1010933404324.
CARVALHO, T.B.; ZEN, S.D. A cadeia de Pecuária de Corte no Brasil: evolução e tendências, Revista iPecege 3(1):85-99, 2017 DOI: 10.22167/r.ipecege.2017. Piracicaba, SP, 2017.
COSTA, E. G.; KLEIN, A. Z.; VIEIRA, L. M.; Análise da Utilização de Tecnologias da Informação Móveis e Sem Fio (Tims) Na Cadeia Bovina: Um Estudo de Caso no Estado de Goiás REAd | Porto Alegre – Edição 77 - N° 1 – janeiro/abril 2014 – p. 140-169. FELIPE, A. A. C. (2012). Reflexões sobre as mudanças sociais motivadas pelo desenvolvimento tecnológico: a necessidade de instituir uma reflexão ética na utilização das tecnologias da informação e comunicação (TIC). Biblionline, 8(2),
16-26.
FRANK, E. AND BOUCKAERT, R. R. 2009. Conditional density estimation with class probability estimators. p.65-81. In: Advances in machine learning. ACML 2009. Zhou, Z. H. and Washio, T., eds. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-05224-8_7.
HEINRICHS, A. J.; ROGERS, G.W.; COOPER, J.B. (1992) Predicting body weight and wither height in Holstein heifers using body measurements. J Dairy Sci 75, 3576-81.
JUN, K.; KIM, S. J. AND JI, H. W. 2018. Estimating pig weights from images without constraint on posture and illumination. Computers and Electronics in Agriculture 153:169-176. https://doi.org/10.1016/j.compag.2018.08.006.
LASFETO, D. B.; DAUDLETIK, M. A Measuring Weight Model Of Timor's Beef Cattle Based On Image. International Journal of Engineering and Technology. DOI: 10.21817/ijet/2017/v9i2/170902089 Vol 9 No 2 Apr-May 2017.
MACHADO, J.G.C.F.; NANTES, J.F.D. Adoção da tecnologia da informação em
organizações rurais: o caso da pecuária de corte. Gest. Prod., São Carlos, v. 18, n. 3, p. 555-570, 2011.
McNitt, J.I. (1983) Livestock Husbandry Tecniques. London.
MENESATTI, P.; COSTA, C.; ANTONUCCI, F.; STERI, R.; PALLOTTINO, F. AND CATILLO, G. 2014. A low-cost stereovision system to estimate size and weight of live sheep.
24
Computers and Electronics in Agriculture 103:33-38. https://doi.org/10.1016/j. compag.2014.01.018.
MORTENSEN, A. K.; LISOUSKI, P. AND AHRENDT, P. 2016. Weight prediction of broiler chickens using 3D computer vision. Computers and Electronics in Agriculture 123:319-326. https://doi.org/10.1016/j.compag.2016.03.011.
OZKAYA, S. 2013. The prediction of live weight from body measurements on female Holstein calves by digital image analysis. The Journal of Agricultural Science 151:570-576. https://www.doi.org/10.1017/S002185961200086X.
R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.
ROSENBLATT, F. The perceptron: a probabilistic model for information storage and organization in the brain. Psychological Review, 65(6):386, 1958.
REIS, G. L.; ALBUQUERQUE, F. H. M. A. R.; VALENTE, B. D.; MARTINS, G. A.; TEODORO, R. L.; FERREIRA, M. B. D.; MONTEIRO, J. B. N.; SILVA, M. A. AND MADALENA, F. E. 2008. Predição do peso vivo a partir de medidas corporais em animais mestiços
Holandês/Gir. Ciência Rural 38:778-783.
https://doi.org/10.1590/S0103-84782008000300029.
SABERIOON, M.; GHOLIZADEH, A.; CISAR, P.; PAUTSINA, A. AND URBAN, J. 2017. Application of machine vision systems in aquaculture with emphasis on fish: state‐of‐the‐art and key issues. Reviews in Aquaculture 9:369-387. https://doi. org/10.1111/raq.12143.
SHEVADE, S. K.; KEERTHI, S. S.; BHATTACHARYYA, C.; MURTHY, K. R. K. 2000. Improvements to the SMO algorithm for SVM regression. IEEE Transactions on Neural Networks 11:1188-1193. https://doi.org/10.1109/72.870050.
SMOLA, A. J. AND SCHOLKOPF, B. 2004. A tutorial on support vector regression.
Statistics and Computing 14:199-222.
https://doi.org/10.1023/B:STCO.0000035301.49549.88.
SOENARJO. 1988. Buku Pegangan Kuliah Ilmu Tilik Ternak. CV. Baru, Jakarta.
SONG, X.; BOKKERS, E. A. M.; VAN DER TOL, P. P. J.; GROOT KOERKAMP, P. W. G. AND VAN MOURIK, S. 2018. Automated body weight prediction of dairy cows using 3-dimensional vision. Journal of Dairy Science 101:4448-4459. https://doi. org/10.3168/jds.2017-13094.
25
STEENEVELD, W.; HOGEVEEN, H. Characterization of Dutch dairy farms using sensor systems for cow management. J. Dairy Sci., v.98, p.709–717, 2015.
STEENEVELD, W.; VERNOOIJ, J. C. M.; HOGEVEEN, H. Effect of sensor systems for cow management on milk production, somatic cell count, and reproduction. J.
Dairy Sci., v.98, p.3896–3905, 2015.
TASDEMIR, S.; URKMEZ, A. AND INAL, S. 2011. Determination of body measurements on the Holstein cows using digital image analysis and estimation of live weight with regression analysis. Computers and Electronics in Agriculture 76:189-197. https://doi.org/10.1016/j.compag.2011.02.001.
TASDEMIR, S.; OZKAN, I. A. ANN APPROACH FOR ESTIMATION OF COW WEIGHT DEPENDING ON PHOTOGRAMMETRIC BODY DIMENSIONS. International Journal of Engineering and Geosciences (IJEG), Vol; 4, Issue;1, pp. 036-044, February, 2019, ISSN 2548-0960, Turkey, DOI: 10.26833/ijeg.427531.
LUTAS, Z.; SAATCI, M.; OZLUTURK, A.; (2001) Prediction of body weights from body measurements in East Anatolian Red Calves. J Agri Collage of Ataturk University 32, 61-5.
WEBER, V. A. de M.; WEBER, F. de L.; GOMES, R. da C.; JUNIOR, A. da S. O.; MENEZES, G. V.; ABREU U. G. P. de.; BELETE, N. A. de S.; PISTORI, H. Prediction of Girolando cattle weight by means of body measurements extracted from images. R. Bras. Zootec., 49, 2020.
26
4. AVALIAÇÃO DO GANHO DE PESO DE BOVINOS DE CORTE CONFINADOS SUBMETIDOS A DIETA DE ALTO GRÃO
Autores Francine Otilia Vogel
Amito José Teixeira Elizabeth Schwegler Carlos Eduardo Nogueira Martins
4.1 INTRODUÇÃO
A produção de bovinos de corte é uma das atividades mais representativas no Brasil, gerando renda para diversos setores, como produtores, frigoríficos, comércio, até chegar ao consumidor final, sem falar nos benefícios indiretos que a cadeia pode trazer (Argenta, et al. 2019). O Brasil possui o maior rebanho comercial mundial de bovinos de corte e é considerado uma das únicas nações com condições de expansão de produção nessa atividade (Cruz et al. 2014).
A demanda mundial por proteínas está aumentando, resultando em uma necessidade crescente de melhorar a eficiência da produção pecuária (Carvalho & Zen, 2017), sendo assim, o uso de dietas a base de milho grão inteiro tem se difundido rapidamente pelo país, uma vez que se tornam uma importante ferramenta na gestão das fazendas, pois possibilitam a terminação de bovinos sem a necessidade de construção de grandes estruturas e aquisição de máquinas, além de aumentar o desempenho produtivo. Há fatores regionais de mercado que diferem e provocam percentuais diferentes de oscilação de preços no grão, sendo essa oscilação importante variável a ser considerada no planejamento do confinamento. A compra do grão na época de safra possibilita a aquisição da saca de milho com menor preço, sendo uma relevante estratégia a ser considerada. O milho é um dos principais cereais produzidos no Brasil, com uma produção de 101,0 milhões de toneladas (FIESP, 2020), o uso deste grão na alimentação animal tende a crescer de forma constante, visto que a demanda mundial por proteína animal também segue seu ritmo de alta, tendendo a
27
crescer, de 2014 a 2024, 119%, impulsionada pela China, Índia e Indonésia (CONAB, 2019).
A dieta de alto grão sem volumoso possibilita ao sistema do confinamento um máximo ganho de peso individual, proporciona a produção de animais precoces e permite uma padronização no lote. O que torna o sistema vantajoso e de fácil implantação é a ausência do fornecimento de volumoso, pois reduz o manejo pelos funcionários e os gastos que envolvem a produção e o armazenamento de um alimento volumoso em uma propriedade (Dias et al. 2016).
Uma das modalidades de dieta exclusiva de concentrado se caracteriza pelo fornecimento aos animais confinados do milho grão inteiro misturado a um concentrado em pellet, que contém em sua composição proteínas, vitaminas, minerais e aditivos alimentares, visando balancear a dieta de acordo com a categoria animal e o desempenho esperado. No balanceamento, a proporção utilizada contém 85% de milho grão inteiro e 15% de concentrado em pellet, tratando-se de uma dieta altamente energética (Mandarino et al. 2013).
No momento da digestão, mesmo que alguns grãos sejam deglutidos inteiros, durante a ruminação terão grande chance de sofrerem alteração física, permitindo que ocorra a digestão microbiana no rúmen. A presença de um determinado volume de grãos inteiros nas fezes é comum, visto que parte da dieta não é aproveitada por deficiência na mastigação, a qual é fundamental para a quebra do grão (Teixeira, 2015). Este trabalho teve como principal objetivo a avaliação do ganho de peso de bovinos confinados submetidos a dieta de alto grão na região norte do estado do Rio Grande do Sul.
28
4.2 MATERIAL E MÉTODOS
O trabalho foi conduzido no município de Barão de Cotegipe, região norte do estado do Rio Grande do Sul, Brasil. Foram pesados quatorze animais das raças taurinas e suas cruzas mantidos em regime de confinamento por um período de 63 dias. O início do experimento ocorreu no dia primeiro de setembro de 2019, aonde as primeiras pesagens foram realizadas juntamente com manejo vacinal, identificação dos animais com a colocação de brincos numerados de dois a quinze. A segunda pesagem foi realizada 36 dias após o início e a pesagem pré-abate 29 dias após a realização da segunda. A balança utilizada possuía capacidade de um animal por vez, da marca Rinnert Balanças e Troncos, com capacidade de peso total de 2.000 quilogramas.
No início do experimento os bovinos apresentavam idade média de 18 meses e 309,64 quilogramas de peso vivo médio. Os animais foram divididos em dois lotes (machos castrados e fêmeas), mantidos em baias distintas, mas com as mesmas condições de ambiência e manejo, submetidos a uma dieta de concentrado proteico, aonde implementou-se um período de adaptação, sendo incluído na dieta uma porcentagem de 10% de aveia em grão para ampliar os teores de fibra ingeridos, primando por uma melhor adequação ruminal dos animais a dieta, no decorrer de 15 dias, somados a mais 48 dias de período experimental.
A dieta era fornecida duas vezes ao dia de forma coletiva, com o fornecimento médio de 34 kg por fornecimento (métrica correspondente ao período de 63 dias), os animais tinham acesso a água fresca e limpa durante todo o período do experimento, sendo realizada a limpeza dos bebedouros diariamente. A dieta era pesada e misturada na própria propriedade, contendo 15% de concentrado proteico e 85% de milho em grão. O consumo de machos e fêmeas foi controlado a fim de se verificar possíveis distinções, este controle era realizado por meio da pesagem final da mistura, preparando-se sempre que necessário a quantidade equivalente a 100 kg para machos
29
e 100 kg para fêmeas, sendo estes valores anotados a cada remessa produzida. Os ingredientes utilizados na formulação da alimentação passaram por análise bromatológica para maior confiabilidade dos ingredientes utilizados (Tabela 3). No período final do confinamento os animais foram encaminhados para o abate, no Frigorifico Rodeio localizado na cidade de Marau – RS.
Tabela 3. Composição química dos ingredientes utilizados na dieta experimental. Análises Realizadas Milho Grão (%) Ração Alto Grão (%)
Matéria Seca 88,69 90,57
Extrato Etéreo 6,86 3,71
Proteína Bruta 8,11 23,16
Fibra em Detergente Ácido (FDA) 9,29 13,63
Matéria Mineral 1,00 13,48
Fósforo 0,31 0,73
Magnésio 0,11 0,9
Potássio 0,53 1,3
Cálcio 0,04 3,00
*Laboratório de Análises de Alimentos / URI - Universidade Regional Integrada do Alto Uruguai e das Missões
As variáveis de desempenho avaliadas foram: ganho em peso médio diário (GMD), conversão alimentar (CA) e eficiência alimentar (EA).
Os dados foram submetidos ao teste de normalidade de Shapiro-Wilk. Em seguida, adotou-se o modelo misto na análise de variância para as variáveis ganho médio diário e ganho de peso vivo, sendo que sexo, período e a interação entre estes fatores foram consideradas como efeitos fixos e os animais como efeito aleatório. O peso inicial foi considerado como covariável.
As análises estatísticas foram realizadas utilizando o programa R (Core Team, 2020), versão 3.6.3, pacotes nlme e lsmeans. O nível de significância adotado foi de 5%.
30
4.3. RESULTADOS E DISCUSSÃO
Inicialmente os animais machos apresentaram uma média de 325,57 kg, as fêmeas 293,71 kg de peso vivo. O consumo de ração para o período inicial foi de 2.400 kg para os machos e de 2.200 para as fêmeas, seguindo no segundo período por uma ingestão equivalente a 2.150 kg para os machos e de 1.850 kg para as fêmeas. De acordo com Vittori et al. (2007), o tamanho e o peso do animal influenciam diretamente na quantidade de alimentos consumida, sendo que os animais maiores e mais pesados tendem a consumir mais alimentos para suprir suas altas exigências de mantença.
Não houve interação entre sexo e período (P>0,05). Observou-se que na primeira pesagem os animais apresentam um ganho de peso vivo e ganho médio diário maior que no segundo período (<0,05) (Tabela 4), sobressaindo-se os machos com o equivalente total a 423 kg e as fêmeas com 365 kg. No período dois, ou seja, na última pesagem antes do abate os animais apresentaram um ganho médio de 278 kg para os machos e de 227 kg para as fêmeas, resultando assim em um ganho médio diário no período geral de 1,44 kg para os machos e 1,31 kg para as fêmeas (Tabela 5).
Tabela 4 – Peso vivo (kg), ganho de peso vivo (kg) de bovinos confinados com dieta de alto grão.
Categoria Peso Inicial 36 dias 29 dias Média
Kg PV GPV* Kg PV GPV Kg PV GPV
Fêmeas 293,71 ± 10,3 366 ± 6,9 54 ± 4,9 398 ± 6,9 34,3 ± 4,9 382 ± 6,6 44,2 ± 4,1 Machos 325,57 ± 10,3 366 ± 6,9 58,5 ± 4,9 406 ± 6,9 37,8 ± 4,9 386 ± 6,6 48,2 ± 4,1
Média 309,64 366 ± 4,5 b 56,3 ± 3,2 a 402 ± 4,5 a 36,1 ± 3,2 b 384 46,2
*GPV: ganho de peso vivo.
31
Tabela 5 – Ganho médio diário (kg/dia) de bovinos confinados com dieta de alto grão.
Categoria Ganho Médio Diário (kg/dia) Média
Período I Período II
Fêmeas 1,50 ± 0,147 1,13 ± 0,147 1,31 ± 0,124 Machos 1,62 ± 0,147 1,27 ± 0,147 1,44 ± 0,124
Média 1,56 ± 0,096 a 1,2 ± 0,096 b 1,375
Os resultados obtidos nesse estudo indicaram tendência de superioridade no ganho em peso médio diário e peso final médio para os machos em detrimento as fêmeas, a superioridade em ganho de peso está relacionada ao maior consumo de alimentos pelos machos quando comparados às fêmeas. De acordo com o NRC (1996), a qual diz que condição sexual tem efeito limitado sobre a ingestão de alimentos. Por outro lado, Cardoso (2000), afirmou que o sexo do animal influência de forma significativa não só no consumo de matéria seca e desempenho como também nas características de carcaça e o rendimento de cortes comerciais em bovinos. É comprovado que animais de sexo diferentes chegam ao ponto de abate, com mesmo grau de acabamento de carcaça, em pesos e idades diferentes.
Purchas et al. (2002), por sua vez, concluíram que machos têm maior capacidade em converter alimentos em tecidos da carcaça, quando comparados às fêmeas. As fêmeas, por sua vez, apresentam menor peso ao nascimento e maturidade mais precoce que os machos. Assim, para suprir as necessidades metabólicas de desenvolvimento mais acelerado, as fêmeas exigem mais alimento direcionado para a maturação reprodutiva em relação ao crescimento.
É de extrema importância que o produtor avalie o ganho de peso dos animais, por meio do ganho em peso médio diário, esperando-se que os animais mais eficientes ganhem mais peso num menor espaço de tempo (Prado, 2010). Apresentando-se como uma excelente medida de eficiência alimentar a conversão alimentar (CA) é a medida mais conhecida e tem sido utilizada como critério de seleção a décadas. Seu cálculo é realizado de forma semelhante ao da eficiência alimentar (EA), utilizando os
32
dados de ganho de peso e de ingestão de alimentos durante o teste, sendo, porém, o contrário da relação observada para aquela medida. A conversão alimentar bruta é definida pela divisão entre o consumo e o ganho de peso diário (GMD) (Gomes et al. 2012).
A conversão alimentar mostrou-se pior aos 29 dias finais, confirmando os machos com maior superioridade atingindo o equivalente a 7,73 kg de alimento/kg de PV e as fêmeas com eficiência de 8,15. O mesmo comportamento foi observado no decorrer dos 36 dias iniciais, onde machos e fêmeas apresentaram conversão alimentar de 5,67 e 6,03, respectivamente. O aumento da conversão alimentar tem extrema importância, pela diminuição da quantidade de alimento consumido para cada quilo de carne produzido (Basarab, 2003).
Segundo Di Marco (1994), o aumento do tempo de alimentação no confinamento, tende a reduzir a eficiência da conversão alimentar, devido a alterações na composição do ganho de peso, pois há maior deposição de gordura e aumento do gasto com manutenção, à medida que o peso de abate se aproxima do peso maduro da raça.
A semelhança de valores encontrados neste estudo entre machos e fêmeas para conversão alimentar pode ser explicada pela dinâmica da característica, que, por definição, seria independente do peso vivo e do ganho de peso dos animais (Koch et al. 1963). Assim, mesmo os machos apresentando maiores tamanhos corporais e ganhos de peso, não seriam mais eficientes que as fêmeas.
Em se tratando de eficiência alimentar ambos os períodos avaliados não apresentaram diferença significativa entre as categorias, sendo para os machos no período inicial (36 dias) de 0,18 e para as fêmeas de 0,17, seguindo no segundo período (29 dias) de 0,13 para os machos e 0,12 para as fêmeas destacando-se a maior conversão alimentar no período inicial, podendo esta estar relacionada a adaptação facilitada dos animais a dieta, devido ao fato destes já terem tido uma breve adaptação antes de chegarem a propriedade.
