Decodificando o Comportamento Bovina: Uma Análise de Aprendizado de Máquina para Detecção de Doenças e Eventos

A indústria de laticínios no mundo serve milhões, cria oportunidades de emprego e contribui para o PIB e os meios de subsistência, apoiando inúmeros agricultores e processadores de leite, e contribuindo para o PIB de muitos países. Mesmo com o alto número de vacas, uma variedade de doenças como claudicação, mastite, metrite, e doenças da boca e pés têm um impacto significativo na produção de leite. Isso demanda o crescimento de métodos inteligentes para auxiliar os produtores de laticínios a monitorarem a saúde, nutrição e bem-estar geral de suas vacas. Para identificar ocorrências e doenças bovinas significativas, esta pesquisa utiliza métodos de Aprendizado de Máquina (ML) como Extreme Gradient Boost (XGB), Naive Bayes (NB), e Perceptron. Com o objetivo de descobrir relações complexas e desenterrar informações não descobertas sobre as características e ocorrências de doenças bovinas como Acidose, Parto, Estro, Claudicação e Mastite. Analisamos de perto quatro conjuntos de dados distintos. Métricas como Área sob a Curva (AUC), F1 score, precisão, recall, e a curva Receiver Operating Characteristic (ROC) são usadas para avaliar o desempenho. No que diz respeito à identificação de eventos de estro, o XGB possui a melhor pontuação de precisão de detecção de 92,59%, enquanto o XGB pode detectar uma variedade de eventos e doenças com o maior recall de 100% e a maior precisão de 95% e AUC de 0,962 quando se trata de identificar parto, mastite e claudicação.