Uso de redes neurais artificiais na identificação de vocalização de suínos The use of artificial neural network in identifying swine vocalization

O bem-estar dos animais tem sido importante tópico de pesquisa na produção animal, principalmente no tocante às formas de sua avaliação. Na avaliação do bem-estar animal, a vocalização mostra-se como ferramenta interessante, por fornecer dados de forma não-invasiva, podendo também ser facilmente automatizada. O presente trabalho teve o objetivo de implementar algoritmo baseado em redes neurais artificiais, capaz de reconhecer vocalizações relacionadas com padrões indicativos de bem-estar. A pesquisa teve duas partes, sendo a primeira o desenvolvimento do algoritmo, e a segunda, sua validação com dados de campo. Registros prévios permitiram o desenvolvimento do algoritmo, a partir de comportamentos observados em porcas alojadas em gaiolas de maternidade. O software Matlab® foi utilizado na implementação da rede. Foi selecionado um algoritmo de gradiente de retropropagação para treinar a rede com os seguintes critérios de parada: máximo de 5.000 iterações ou soma quadrática do erro menor que 0,1. A validação deu-se com porcas e leitões alojados em granja comercial. Dentre os comportamentos usuais, os que mereceram destaque foram: a disputa por alimento no momento das mamadas e o eventual risco de agressão involuntária entre os leitões ou entre esses e a porca. O algoritmo foi capaz de reconhecer, por meio da intensidade do ruído, a situação inerente ao risco de redução do bem-estar dos leitões.<br>Animal welfare has been an important research topic in animal production mainly in its ways of assessment. Vocalization is found to be an interesting tool for evaluating welfare as it provides data in a non-invasive way as well as it allows easy automation of process. The present research had as objective the implementation of an algorithm based on artificial neural network that had the potential of identifying vocalization related to welfare pattern indicatives. The research was done in two parts, the first was the development of the algorithm, and the second its validation with data from the field. Previous records allowed the development of the algorithm from behaviors observed in sows housed in farrowing cages. Matlab® software was used for implementing the network. It was selected a retropropagation gradient algorithm for training the network with the following stop criteria: maximum of 5,000 interactions or error quadratic addition smaller than 0.1. Validation was done with sows and piglets housed in commercial farm. Among the usual behaviors the ones that deserved enhancement were: the feed dispute at farrowing and the eventual risk of involuntary aggression between the piglets or between those and the sow. The algorithm was able to identify through the noise intensity the inherent risk situation of piglets’ welfare reduction.