Avaliação de um arraçoador inteligente capaz de avaliar o frenesi alimentar em peixes

• Ano de defesa: 2022
• Autor(a) principal: Estácio, Rogério Augusto de Caldas Ayres
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Cognitive Neural Network; Food frenzy; Frenesi alimentar; Piscicultura de precisão; Processamento de sinais; Signal processing
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/74/74134/tde-27012023-161558/

A piscicultura é um segmento da aquicultura no qual, o sistema de produção intensiva, busca melhorar o desempenho produtivo. Em tal prática os custos envolvidos na alimentação podem representar mais de 60% do custo da produção. Alimentação excessiva além de elevar diretamente o custo da produção, aumenta a ocorrência de mortalidade por conta de patologias, consequência da baixa qualidade da água e ao alto nível de matéria orgânica. Os métodos de controle e dimensionamento da oferta de ração baseiam-se na frequência alimentar, na densidade populacional e na biomassa. Porém, na alimentação manual o critério para evitar o desperdício depende da análise comportamental dos peixes. Por meio do frenesi alimentar, busca-se observar a saciedade aparente dos animais e se os mesmos estão de fato se alimentando ou até se demonstram falta de apetite. A prática depende de um método empírico, subjetivo e da atenção dos tratadores, o que pode variar a cada tratador. É de conhecimento que o frenesi alimentar dos peixes produz um sinal sonoro característico que reflete o comportamento durante o fornecimento de ração. Assim, esse sinal possui características que podem ser extraídas e utilizadas como descritoras do apetite para identificação do ponto de saciedade. Esse trabalho tem por objetivo avaliar se é possível extrair as características do sinal hidroacústico do frenesi alimentar e classifica-lo. Para isso, nesse trabalho foi utilizada a técnica de subtração espectral para atenuação do ruído e uma rede neural cognitiva para classificação. A Rede neural apresentou resultados de aproximadamente 80% de eficiência na classificação demonstrando ser possível extrair e classificar as informações acústicas sobre o frenesi alimentar.