Redução do tempo para estimativa do consumo alimentar residual e predição do consumo alimentar em ovinos

• Ano de defesa: 2022
• Autor(a) principal: Silveira, Fernando Amarilho
• Orientador(a): Cobuci, Jaime Araújo
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Produção animal; Consumo alimentar; Ovino
• Palavras-chave em Inglês: Average daily gain; Artificial intelligence; Feed efficiency; Genetic model
• Link de acesso: http://hdl.handle.net/10183/247618

A avaliação do consumo alimentar de ovinos em provas de eficiência alimentar é uma característica de difícil mensuração, associada ao alto custo de mão de obra, alimentação e instalações. Diminuir o período de teste e aplicar abordagens de aprendizado de máquina, considerando potenciais preditores, otimizaria os recursos e forneceria maior número de animais com informações de consumo, e isso reduziria o custo por animal e permitiria avaliar um maior número por ano. Assim, os objetivos desta tese foram explorar modelos de consumo alimentar residual (CAR) para diminuir a duração da prova e testar quatro abordagens para encontrar o melhor método de predição do consumo. Foram realizadas duas pesquisas com o período de teste composto por 56 dias. No primeiro artigo, foram utilizados dados de 286 ovinos Merino Australiano de três provas de consumo. Dois modelos foram usados para calcular o CAR, Modelo 1 (modelo linear) e Modelo 2 (modelo semanal ou de medidas repetidas por semana). O Modelo 1 incluiu o ganho médio diário (GMD) obtido por regressão linear e o consumo médio de todo o período de prova. O Modelo 2 incluiu o consumo médio semanal como medida repetida e o GMD semanal. No segundo estudo, foram utilizados dados de 613 ovinos Merino Australiano, 156 Corriedale e 237 Dohne Merino de dez provas de consumo. Para treinar os modelos, foram utilizados 477, 70 e 93 observações de ovinos Merino Australiano, Corriedale e Merino Dohne, respectivamente. E a validação direta foi realizada em conjuntos de dados de 97 Merino Australiano, 79 Corriedale e 125 Merino. Os modelos de predição foram regressão linear, regressão não linear, regressão de k-vizinhos mais próximos (kNN) e regressão de floresta aleatória (RF). No primeiro estudo, as correlações de Pearson e Spearman entre modelos lineares e semanais, com 42 dias, foram de 0,89 e 0,87, respectivamente, para GMD. As melhores correlações foram detectadas para consumo entre os modelos de 42 e 35 dias, apresentando correlações de Pearson e Spearman de 0,95 e 0,94 para o modelo linear e 0,96 e 0,95 para o modelo semanal. Ao considerar o CAR, as correlações entre os modelos linear e semanal com 42 dias foram de 0,93 e 0,92, respectivamente. Os modelos CAR com 35 dias (linear e semanal) apresentaram correlações de Pearson e Spearman superiores a 0,98 com os modelos de 42 dias. Portanto, os modelos CAR com 35 dias de duração permitiram diminuir sete dias de prova, explicando 75,3% do consumo no modelo linear e 63,6% no modelo semanal. No segundo estudo, o maior R2 foi encontrado no model não linear com valor de 0,76 na validação cruzada no conjunto de dados de treinamento, com correlação de Pearson e Spearman, respectivamente, de 0,87 e 0,85. Na validação direta nos conjuntos de dados do Merino Australiano, Corriedale e Dohne Merino, foram encontrados correlação de Pearson de 0,69 a 0,86 e Spearman de 0,63 a 0,86. A redução de sete dias de teste e o uso de abordagens para previsão de consumo proporcionará uma maior coleta de dados em um ano de avaliação fenotípica, pela otimização de recursos e pela maior quantidade de animais com informação de consumo alimentar.