Análise comparativa de modelos de machine learning na identificação de anomalias comportamentais em vacas utilizando dados simulados e reais.

Abstract

Este trabalho de conclusão de curso explora a aplicação de um simulador para gerar dados sobre o comportamento de vacas leiteiras, com o objetivo de prever a probabilidade de uma vaca estar ou não doente. O simulador já foi desenvolvido em um trabalho anterior e será utilizado para criar uma base de dados abrangente que inclui tanto vacas saudáveis quanto vacas doentes. A metodologia envolve a aplicação de modelos de machine learning, tais como Regressão Logística, Random Forest, LSTM e SVM para classificar as vacas em duas categorias: "saudável"e "doente", com base em variáveis comportamentais como alimentação, descanso e movimentação. A simulação é realizada a partir de dados reais coletados em uma fazenda na França, os quais são processados para ajustar o modelo preditivo. Os modelos serão testados utilizando tanto os dados simulados quanto os dados reais, em ambos os casos, esses dados serão usados para treinar e testar o modelo. A eficácia do modelo será avaliada por meio de métricas de desempenho como acurácia e precisão. O uso do simulador permite expandir a base de dados, podendo assim testar vários tamanhos de dados para avaliar qual o melhor para a identificação do estado de saúde de uma vaca.