Késia Oliveira da Silva Miranda.

Ao longo dos anos, a preocupação de consumidores com o tratamento e a criação deanimais que são abatidos para consumo humano vem aumentando, fazendo-se com que obem-estar animal seja valorizado. Para cada cadeia de produção animal há uma série detécnicas e ferramentas que levam em consideração o comportamento animal e o ambienteem que o animal se encontra a fim de otimizar os processos produtivos de forma nãoestressora. Deve-se ressaltar a importância de promover treinamentos, discussões,palestras e elaboração de materiais de forma inclusiva a fornecer informações sobre oBem-Estar animal e a Zootecnia de Precisão para que haja cada vez mais a capacitaçãode todos os profissionais que possam ter os conhecimentos e embasamentos técnicos eteóricos com o objetivo de desenvolver sistema mais eficiente e sustentável, respeitandoo bem-estar de animais de produção. Portanto, o presente projeto visa desenvolver umebook e um áudio book sobre as principais ferramentas e técnicas de zootecnia de precisãoe bem-estar animal nas principais cadeias produtivas (bovinocultura de corte e leite,suinocultura e avicultura de corte e postura), de forma acessível e inclusiva gratuitamentea comunidade em geral (produtores, alunos, consumidores e profissionais da área).

Esse projeto visa elaborar cursos de curta duração para capacitação e entendimento das principais ferramentas e técnicas de zootecnia de precisão e bem-estar animal nas principais cadeias produtivas, incluindo bovinocultura de corte e leite, suinocultura e avicultura de corte e postura. O público-alvo será a comunidade do Campus "Luiz de Queiroz" e indivíduos externos, como produtores,estudantes e profissionais da área que têm interesse no tema.

The growing global demand for animal-based products has driven the intensification of livestock production, addressing the urgent need for food but also raising significant concerns about the environment and animal welfare. In response to these challenges, this project proposes a transformation in Precision Livestock Farming (PLF), focusing on the individual care of animals to balance production pressures with social demands for improvements in animal welfare and the reduction of environmental impact. The project stands out for its use of emerging technologies, such as computer vision, to develop a robust and innovative system for the identification of pigs, cattle, and sheep. A total of 100 animals will be recorded daily, from birth to slaughter, including growing pigs (up to 26 weeks of age) and sows (up to the fourth parity). Portable and fixed camera systems will be used for video data collection. The developed models will include deep learning models for (a) animal instance segmentation and (b) camera view classification and animal ID. The models will be trained on single-day datasets and incrementally through time (incremental learning). This system is designed to adapt to animal growth and various environmental conditions, prioritizing non-invasive and highly accurate individual identification. Moreover, the developed technology will be introduced and applied in Brazilian livestock farming, aiming to foster innovations that address the specific characteristics of the sector in the country, increasing the competitiveness and sustainability of local production. By integrating these technologies, the project not only empowers producers but also lays the foundation for more efficient and sustainable PLF systems, promoting animal welfare and environmental sustainability, in alignment with the long-term goals of responsible livestock production.

A produção de carne desempenha um papel crucial na alimentação global, sendo autilização de tecnologias no sistema produtivo essencial. O uso de sensores, a coleta degrandes volumes de dados e a inteligência artificial podem auxiliar os criadores deanimais a aumentarem a eficiência e melhorarem o bem-estar animal. Nesse sentido, odesenvolvimento de tecnologias capazes de analisar o comportamento de animais deprodução é fundamental, pois mudanças no comportamento podem indicar problemas desaúde antes que os sintomas físicos se tornem aparentes, permitindo intervenções rápidase eficazes. Além disso, esse monitoramento pode ajudar a identificar e mitigar fatores deestresse no ambiente dos animais. Sendo assim, o objetivo deste trabalho é desenvolverdispositivos eletrônicos de monitoramento para a classificação de diferentescomportamentos em ovinos por meio de machine learning e de respostas obtidas poracelerômetro triaxial e giroscópio. O projeto será conduzido e estruturado na EscolaSuperior de Agricultura Luiz de Queiroz (Esalq). Os dispositivos eletrônicos serãoconfeccionados para funcionar no cabresto do animal, onde os principais componentesserão o módulo sensor GY521 MPU6050 e o microcontrolador wi-fi ESP8266 ESP-12F.Serão avaliados diferentes comportamentos em 25 ovinos, com o dispositivo coletandoos dados a uma frequência de amostragem de 10 Hz. Além disso, os animais serãofilmados para realizar a classificação dos comportamentos por visão computacional,utilizando o software Matlab. Para a etapa de validação dos dispositivos eletrônicosconfeccionados, será utilizado o software Orange Data Mining. Espera-se, ao final doprojeto, o desenvolvimento das habilidades e competências do estudante relacionadas àconfecção de dispositivos eletrônicos voltados para a pecuária, programação de sensores,montagem de circuitos elétricos, técnicas de processamento de imagens e uso desoftwares para modelagem e análise de dados. Além disso, busca-se o desenvolvimentode um dispositivo simples e de baixo custo que permita a classificação satisfatória doscomportamentos dos animais, a fim de verificar o bem-estar deles e melhorar a eficiênciaprodutiva e econômica das operações de manejo. Pretende-se publicar os resultados emeventos científicos e em formato de artigo em periódicos internacionais.

A capivara (Hydrochoerus hydrochaeris) e sua interação biológica com o carrapato-estrela (gênero Amblyomma) pode levar consigo o agente etiológico da Febre Maculosa Brasileira (FMB), a bactéria Rickettsia rickettsii. A região sudeste do Brasil é responsável por aproximadamente 75 dos casos confirmados de Febre Maculosa Brasileira (FMB) no país entre 2001 e 2017, sendo o Estado de São Paulo, responsável por 68 dos casos do Sudeste e 50 dos casos do país. Dentre os locais que apresentam a problemática de contágio de Febre Maculosa Brasileira (FMB) pelo carrapato-estrela (transportado pela capivara), está a Escola Superior de Agricultura "Luiz de Queiroz" (ESALQ) da Universidade de São Paulo (USP). Na ESALQ/USP, existem regiões consideradas com baixo risco e alto risco de contágio da FMB. Nesse contexto, objetiva-se com esta pesquisa, desenvolver uma passagem seletiva de capivaras em um duto presente na ESALQ/USP, na qual impeça a passagem desses animais entre uma zona de baixo risco e uma zona de alto risco de contágio de Febre Maculosa Brasileira (FMB). Para o alcance deste objetivo, a passagem seletiva será baseada no desenvolvimento de um algoritmo de visão computacional para reconhecimento de capivaras, acionando de forma automática um portão eletrônico que impeça a sua passagem. A metodologia do trabalho se dará em quatro etapas. A primeira etapa será responsável pelo processo de aquisição de imagens de capivaras, seguida da segunda etapa, na qual será feito o desenvolvimento do algoritmo. A terceira etapa será responsável pela validação do sistema construído. Por fim, na quarta e última etapa, será feita a implantação do sistema.

FAPESP - For decades, farmers have relied on behavioral observation to detect issues related to animal health and welfare. However, this approach is time-consuming and demands extensive knowledge of animal production systems. To enhance the efficiency and accuracy of animal monitoring, researchers have developed innovative methods that leverage digital imaging and acoustic data to automatically identify behaviors associated with management-related problems.This proposal aims to assess animal weight, activity levels, and the occurrence of lameness in livestock using time-of-flight (ToF) depth cameras, which capture precise distance measurements between objects and the camera at each pixel. These data will be integrated with digital image analysis and vocalization monitoring. Local, real-time processing will enable continuous surveillance and documentation of animal welfare conditions.The final system will allow producers to detect welfare concerns earlier, offering valuable insights into husbandry practices or environmental factors that may contribute to health issues. Ultimately, this will support more timely and informed management decisions, while also enabling the prediction and prevention of future challenges in animal production.

SPRINT/FAPESP - Projeto de Pesquisa - Mobilidade - Edição 2021/01 / University of Nebraska - Lincoln - There is increased pressure to improve the sustainability of animal production. New approaches should be considered to ensure sustainability. Two interlinked and pivotal components of sustainability are worker effectiveness and animal well-being. It is essential to maintain animal well-being and production at adequate standards. Therefore, it is critical to identify animal well-being concerns early. Traditional management involves a producer/animal caretaker manual collecting animal information daily. However, increased herd size has made it challenging to ensure the health and well-being of all animals within the facility. Therefore, there is a need to develop automated solutions to identify livestock's health, well-being, and growth parameters. Precision livestock farming (PLF) is a new field of research in which automated sensor systems automatically capture and process animal information to aid the animal caretaker. There is an increased effort worldwide to develop new PLF tools. However, there is a need to develop more professionals in this area. Therefore, we must share the knowledge between universities and provide opportunities for students. The project's overall goal is to further develop collaboration between UNL and ESALQ, by sharing lectures, exchange opportunities, and workshops. It is expected that students in this exchange will gain the skills to develop and test new PLF techniques. This proposal will foster closer international cooperation among institutions in alignment with the goal for internationalization by both USP and UNL. The collaboration involves research discussion, student exchange, and workshops. During exchanges, meetings will be held to discuss ongoing research projects, develop new proposals, and aid students in writing manuscripts (to be submitted to high-impact journals). Opportunities for student to present their research and to learn from other professionals will be provided a regional workshop held in Brazil.

Este projeto visa desenvolver uma metodologiainovadora para mensurar o impacto dos indicadores de bem-estar animal nasmétricas de desempenho balizadas na metodologia Balanced Scorecard (BSC), com opropósito de criar um dashboard customizável para a gestão de granjas suinícolas. Apesquisa abrangeu cinco anos (2019-2023) e incluiu indicadores financeiros, declientes, processos internos e aprendizado e crescimento, correlacionando-os com oindicador de bem-estar animal FAW Total. Os resultados demonstraram uma fortecorrelação (r = 0,998; p < 0,01) entre o FAW Total e o Índice Total do BSC,evidenciando que práticas voltadas ao bem-estar animal impactam positivamente odesempenho produtivo e estratégico das granjas. A análise revelou ganhos significativos nas perspectivas do BSC, incluindo maior faturamento líquido,satisfação dos clientes, eficiência nos processos internos e avanços em aprendizado ecrescimento. A metodologia desenvolvida foi validada em campo, comprovando suaaplicabilidade e contribuindo para a integração da zootecnia de precisão na gestãoestratégica das granjas. A pesquisa conclui que o bem-estar animal é um fator críticopara a eficiência e sustentabilidade da produção suinícola, sendo essencial para oplanejamento estratégico e para o fortalecimento da competitividade do setor.

A produção de suínos está sujeita a diversos fatores limitantes da eficiência produtiva, destacando-se entre eles o ambiente climático. A busca de alternativas para minimizar o desafio térmico dos animais é imprescindível, o que torna a atividade gerencial dos produtores de suínos altamente complexa. Nesse sentido, uma área que pode oferecer suporte expressivo na tomada de decisões dos produtores de suínos é a gestão de riscos. Na suinocultura, como em toda atividade agropecuária, os riscos são inerentes e envolvem todas as etapas do processo produtivo. As pesquisas direcionadas à gestão de riscos são abundantes, mas dirigidas a temas específicos, no entanto, pesquisas voltadas à gestão de riscos no conforto térmico de suínos, com uma abordagem integrativa, é um campo inexplorado. O propósito deste estudo foi desenvolver o aplicativo Gestão de Riscos Térmicos em Suínos GRT Suínos, para tanto, o estudo foi dividido em 3 etapas. A primeira foi a realização de uma revisão sistematizada, com o objetivo de encontrar o estado da arte da temática gestão de riscos em suínos. A segunda consistiu em criar uma ferramenta que oriente os produtores na identificação dos riscos no conforto térmico dos suínos, adotando-se uma abordagem construtivista com a criação de um novo modelo, baseado numa extensa revisão bibliográfica e em dados empíricos, tendo como resultado um mapa de riscos no conforto térmico de suínos. A terceira etapa teve por objetivo criar, desenvolver e validar o aplicativo GRT Suínos, desenvolvido no sistema operacional Android, tendo sua construção baseada no método Scrum. Os resultados demonstraram que o GRT Suínos é um recurso inovador, que permite ao usuário gerenciar riscos térmicos em suínos, tendo sua aceitabilidade comprovada pelo alto índice de satisfação dos usuários e boa usabilidade. O GRT Suínos é uma inovação importante na inserção da Gestão de riscos na área da suinocultura, abrindo um grande campo para pesquisas futuras.

As mudanças do clima observadas no planeta nas últimas décadas, vêm gerando impactos diretos e indiretos nos seres humanos e nos sistemas de produção agropecuário, principalmente a partir das variações de pluviosidade e temperatura. No contexto das mudanças climáticas estão presentes os eventos extremos climáticos, responsáveis por gerarem impactos catastróficos nos locais em que ocorrem. Sistemas de alerta de eventos extremos climáticos têm surgido nos últimos anos como medida para neutralizar ou minimizar os possíveis impactos. Dentre esses eventos extremos, estão as ondas de calor e as ondas de frio. Em especial, as ondas de calor têm gerado fortes impactos nos sistemas de produção animal nos últimos anos, justificado pelo fato dos animais serem suscetíveis a variações bruscas de temperatura. Em outra vertente, o desenvolvimento de sistemas utilizando o conceito de Internet das Coisas (IoT Internet of Things) tem sido apresentado como uma alternativa de baixo custo para a mensuração de variáveis ambientais como a temperatura. Diante do contexto apresentado, o objetivo deste trabalho foi desenvolver um sistema de baixo custo para alerta de eventos extremos de temperatura (ondas de calor e ondas de frio) destinado aos sistemas de produção animal de maior relevância econômica (aves, bovinos e suínos) utilizando o conceito de Internet das Coisas. A presente tese foi desenvolvida em quatro etapas. Em um primeiro momento, situou-se o contexto e a justificativa para a realização do estudo. Em seguida, apresentou-se uma revisão sistemática, a qual mapeou os estudos envolvendo ondas de calor e ondas de frio na produção animal. O foco desta revisão foi identificar os parâmetros numéricos utilizados para se caracterizar os eventos. Os resultados da revisão mostraram uma grande dispersão nos parâmetros utilizados pela literatura. Considerando os resultados encontrados na segunda etapa, na terceira etapa foi elaborado um estudo para o desenvolvimento de uma nova proposta de caracterização e classificação de ondas de calor e de frio para animais de produção. O estudo foi realizado com base na literatura de ambiência animal. Os resultados apresentaram uma proposta para aves (corte e postura), bovinos (corte e leite) e suínos. Na última etapa deste trabalho, foi apresentado um sistema de baixo custo de alerta de eventos extremos de temperatura (ondas de calor e de frio) para aves, bovinos e suínos. Os parâmetros utilizados para o desenvolvimento (programação) do sistema foram advindos dos resultados definidos na etapa anterior. O sistema possui diferentes fases de processamento e fontes de entrada. Dentre as entradas, estão bases de dados climáticas, as quais fornecem dados históricos de previsão de temperatura em função de uma coordenada geográfica informada. Outra fonte do sistema é um dispositivo construído baseado no conceito de Internet das Coisas (IoT), o qual tem como finalidade mensurar a temperatura local da propriedade rural. O sistema pode ser utilizado por pequenos e grandes produtores, em função do seu baixo custo. Por fim, tem-se que o sistema proposto neste trabalho, poderá auxiliar na tomada de decisão do produtor, na mitigação dos impactos de ondas de calor e de frio em seu rebanho animal.

A carne de frango é uma das proteínas mais consumidas no mundo, o que tornou o sistema produtivo intensivo. A intensificação do sistema de criação pode ser fonte de estresse aos animais, fazendo-se necessária a busca por alternativas de manejo e monitoramento das condições físicas dos animais de forma menos invasiva e que promova a um ambiente que possibilite a otimização genética para ganho de peso e deposição de musculatura na carcaça e que haja a livre expressão dos comportamentos naturais pertencentes a espécie. A utilização de ferramentas de monitoramento a distância e que haja menor contato com animais, surge como alternativa para eliminar possíveis fatores estressantes ao animal, o que promove uma melhor forma de manuseio e manejo e promoverá uma carne de melhor qualidade, além de respeitar os princípios de bem-estar animal. Tais medidas permite a adesão e aceitação do produto, pelos consumidores que se preocupam com a forma como os animais são tratados durante o sistema de produção. Dessa forma, a utilização de análise de imagem pode ser uma alternativa para o monitoramento do desenvolvimento corporal de animais durante todo o ciclo produtivo. O presente trabalho visa obter massa corporal e dimensões de frango de corte automaticamente por meio de imagem em profundidade. O sensor Kinect Azure será utilizado para coleta das imagens, a análise dos dados e posterior predição das dimensões corpóreas será realizada por meio de um algoritmo desenvolvido no software matemático MATLAB (R2018a), para que em seguida seja desenvolvido um método de pesagem de frangos de corte automatizado. Espera-se desenvolver um programa de acompanhamento de massa corpórea de frangos à distância durante o sistema de produção, de forma eficaz e prática. Espera-se, também, desenvolver um método de obtenção das dimensões de aves comerciais, o que auxiliará em novos designs de instalações e equipamentos para a avicultura.

The proposal will be submitted by the Graduate Program in Animal Science of FZEA-USP&#10;, but will also include researches of other programs, as Materials Science and Engineering of&#10;FZEA-USP, Experimental Epidemiology of Zoonoses (FMVZ/USP) and the Engineering of&#10;Agricultural Systems (ESALQ/USP).&#10;The researcher Dr. Richard Gates, is a professor at the University of Illinois, Department of&#10;Agricultural and Biological Engineering where he has worked since August 2008. He is author or&#10;co-author of 149 refereed journal articles and more than 265 other publications and presentations.&#10;He has taught courses on instrumentation, environment control, structures and environment&#10;design, data acquisition and control, probability and statistics, and nonlinear optimization. His &#10;recent research and extension work involve post-harvest loss assessment, agricultural air quality&#10;baseline measurement and assessment of mitigation techniques including diet manipulation and&#10;biofiltration, and development of bioinstrumentation for measuring animal welfare. He is coinventor of environment control technologies including economic optimization, vapor pressure&#10;deficit control, and time integrated variable control and the use of fuzzy logic for staged&#10;ventilation and heating systems, some of which are widely used. He was lead investigator on a&#10;USDA project to quantify ammonia emissions from US broiler and layer operations. His&#10;extension activities have been focused on agricultural environment control, livestock and poultry&#10;facilities, and agricultural air quality.