Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DEG - Departamento de Engenharia >
DEG - Programa de Pós-graduação >
DEG - Engenharia Agrícola - Doutorado (Teses) >

Por favor, utilize esse identificador para citar este item ou usar como link: http://repositorio.ufla.br/jspui/handle/1/10621

Título: Inteligência artificial na avaliação de respostas produtivas e fisiológicas de frangos de corte submetidos a diferentes intensidades e durações de estresse térmico
Título Alternativo: Artificial intelligence in the assessment of production and physiological responses in broiler submitted to different intensities and duration of heat stress
Autor(es): Abreu, Lucas Henrique Pedrozo
Lattes: http://lattes.cnpq.br/7700019307258405
Orientador: Yanagi Junior, Tadayuki
Coorientador: Campos, Alessandro Torres
Coorientador: Lima, Renato Ribeiro
Membro da banca: Campos, Alessandro Torres
Membro da banca: Fassani, Édison José
Membro da banca: Damasceno, Flávio Alves
Membro da banca: Tinôco, Ilda de Fátima Ferreira
Assunto: Desempenho
Temperatura cloacal
Temperatura superficial
Lógica fuzzy
Redes neurais artificiais
Avicultura
Ambiência
Performance
Cloacal temperature
Surface temperature
Fuzzy logic
Artificial neural networks
Aviculture
Ambience
Data de Defesa: 6-Nov-2015
Data de publicação: 27-Nov-2015
Agência de Fomento: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
Referência: ABREU, L. H. P. Inteligência artificial na avaliação de respostas produtivas e fisiológicas de frangos de corte submetidos a diferentes intensidades e durações de estresse térmico. 2015. 163 p. Tese (Doutorado em Engenharia Agrícola)-Universidade Federal de Lavras, Lavras, 2015.
Resumo: Na avicultura, o ambiente térmico é responsável pelo processo homeotérmico das aves, sendo que, quando submetidas a algum tipo de estresse térmico seu conforto é afetado, comprometendo assim o desempenho produtivo. Desse modo, a presente pesquisa foi conduzida com o objetivo de analisar as respostas produtivas, a temperatura cloacal (tclo , °C) e temperatura superficial (tsup , °C) de frangos de corte, submetidos a diferentes intensidades e durações de temperatura de bulbo seco do ar (t bs, °C), na segunda semana de vida. Para isto, foi conduzido um experimento no Laboratório de Ambiência Animal da Universidade Federal de Lavras, equipado com quatro túneis de vento climatizados que possuem recirculação e renovação parcial do ar. Foram utilizados 240 frangos de corte, divididos em quatro etapas, sendo que, na segunda semana, para cada etapa foram utilizadas diferentes t bs (24, 27, 30 e 33 °C) e durações (1, 2, 3 e 4 dias). A umidade relativa do ar e a velocidade do ar foram fixadas em 60 % e 0,2 m s -1 , respectivamente. Na primeira e terceira semanas experimentais, as aves foram submetidas a condições de conforto térmico, caracterizados por valores de t bs de 33 °C e 27 °C, respectivamente. Para analisar o efeito das variações térmicas e suas durações, foi utilizada a análise de variância. Modelos matemáticos foram desenvolvidos utilizando lógica fuzzy e redes neurais artificiais (RNA), em que, foi possível predizer a tclo , conversão alimentar (CA, g) e o consumo de água (Cágua , ml) em função das intensidades e durações de t bs. Com os resultados obtidos por meio das respostas produtivas, verificou-se que, para a t bs de 24 °C (estresse por baixa temperatura) as aves consumiram mais ração, porém, obtiveram a pior CA. As aves que demonstraram a melhor CA foram submetidas a tbs de 30 °C. Verificou-se que para a t bs de 24 e 27 °C houve diminuição da t clo e t sup , sendo que a aclimatação das aves ao estresse térmico ocorreu a partir do segundo dia de estresse. Os valores de t clo simulados pelo modelo fuzzy apresentaram desvios padrão e erros percentuais menores que 0,02 e 0,08 %, respectivamente, quando comparados aos obtidos experimentalmente. Para a RNA desenvolvida, os coeficientes de determinação (R 2 ) para a tclo, CA e C água foram de 0,87; 0,79 e 0,97, respectivamente. Estes resultados indicam que os modelos possuem alta capacidade preditiva e podem ser utilizados como suporte à tomada de decisão em sistemas de controle do ambiente térmico.
Abstract: In aviculture, the thermal environment is responsible for homeothermic process of poultry, and, when subjected to some kind of heat stress their comfort is affected thus compromising the productive performance. Thus, this research aimed to analyze the productive responses, cloacal temperature (t clo, ° C) and surface temperature (t sup , ° C) of broilers submitted to different intensities and durations of air dry-bulb temperature (t db, ° C) throughout their second week of life. An experiment was conducted in the Animal Ambience Laboratory of the Federal University of Lavras, equipped with four air-conditioned wind tunnels that have recirculation and partial air renewal. It was used 240 broilers divided into four stages, where in the second week, for each step there was a different t bs (24, 27, 30 and 33 °C) with a different duration (1, 2, 3 and 4 days). The relative humidity and air velocity were fixed at 60% and 0.2 m s -1 , respectively. In the first and third experimental week, the birds were subjected to thermal comfort conditions, characterized in tdb values of 33 °C and 27 °C respectively. Variance analysis was used to analyze the effect of temperature fluctuations and its duration. Mathematical models have been developed using the fuzzy logic and artificial neural networks (ANN) in which it was possible to predict the t clo , feed conversion (FC, g) and water consumption (C water , ml) depending on the intensities and durations. The results obtained with productive responses showed that in a tdb of 24 ° C (low temperature stress) poultry had more feed intake but obtained a worst feed conversion. Best feed conversion was obtained in poultry submitted to a tdb of 30 °C. It was seen that with tdb of 24 and 27 °C there was a reduction in tclo and tsup , where poultry acclimatization to heat stress occurred from the second day of stress. The tclo values simulated by the fuzzy model had standard deviations and smaller percentage errors of 0.02 and 0.08%, respectively, than those obtained experimentally. For the ANN developed, the coefficients of determination (R 2 ) for tclo, FC and C water were 0.87; 0.79 and 0.97, respectively. These results demonstrated that the templates had high predictive power and could be used to support decision making in control of thermal environment systems.
URI: http://repositorio.ufla.br/jspui/handle/1/10621
Publicador: Universidade Federal de Lavras
Idioma: por
Aparece nas coleções: DEG - Engenharia Agrícola - Doutorado (Teses)

Arquivos neste Item:

Arquivo Descrição TamanhoFormato
TESE_Inteligência artificial na avaliação de respostas produtivas e fisiológicas de frangos de corte submetidos a diferentes intensidades e durações de estresse térmico.pdf1,52 MBAdobe PDFVer/abrir

Itens protegidos por copyright, com todos os direitos reservados, Salvo indicação em contrário.


Mostrar estatísticas

 


DSpace Software Copyright © 2002-2007 MIT and Hewlett-Packard - Feedback