Sistema de classificação automática de DEP bovina (SICADEB)

Abstract

A pecuária de corte, uma das principais atividades econômicas do Brasil, é responsável pela posição de destaque do país entre os grandes produtores mundiais de carne bovina. Considerando a magnitude de sua participação no mercado é crucial que tecnologias que auxiliem o rebanho brasileiro estejam cada vez mais ao alcance do criador, fornecendo diagnósticos antecipados da qualidade do produto que será ofertado, levando em consideração fatores como competitividade, demanda do consumidor, e a relação com o meio ambiente. Há muitas décadas, o melhoramento genético animal vem contribuindo com tecnologias, como Diferença Esperada na Progênie (DEP), para o incremento da produção de carne, assegurando uma seleção de animais alicerçada em critérios. Este trabalho pretende unir resultados de avaliações genéticas entregues a criadores do Programa GENEPLUS e técnicas de aprendizado de máquina que resultem em melhor classificação de animais para seleção. Tal classificação trata-se de categorizar a DEP de uma característica em elite, superior, regular e inferior. Estas classes, nesta sequência, revelam a ordem dos melhores animais para os piores. Como as avaliações genéticas ocorrem semestralmente, o objetivo deste trabalho é tentar aliviar o tempo de espera deste produtor pelos novos resultados, utilizando técnicas de aprendizado de máquina. Mais especificamente será realizada a indução por árvores de decisão em um banco de dados de programa de melhoramento genético animal para gerar predições confiáveis de classes para a DEP do peso `a desmama. Vários experimentos foram feitos, alternando-se entre o pacote de software WEKA (Waikato Environment for Knowledge Analysis) e implementações da biblioteca SKLEARN. Os resultados dos experimentos mostraram que o uso do classificador traz vantagem para informar as quatro classes conseguindo boas métricas. Baseado nisto, o SIstema de Classificação Automática de DEP Bovina (SICADEB) foi proposto para aplicação do classificador no software de retorno de resultados de avaliação¸ genética, os chamados sumários.

ABSTRACT - Livestock is one of the most important economic activity in Brazil, it is responsible for the highlighting position of the country among the world biggest bovine meat producers. Considering the significance of Brazil’s market participation it is crucial to have technologies increasingly present in everyday activities of Brazilian cattle, facilitating the farmer’s decision taking provided with predictions of the product quality that will be offered for trading, taking in account factors like competitiveness, end user demand, and environment relationship. For decades, animal breeding has been contributing with technologies, such as Expected Progeny Difference (EPD), for the meat production growth, assuring an animal selection based on criteria. This work intends to join genetic evaluation results, that are already delivered to farmers by GENEPLUS Program, with learning machine techniques, in order that improvement succeed on animals’ classification performance. This classification is based on categorizing the EPD in elite class, superior class, regular class and inferior class. Following this sequence, these classes mean ordering for the best to the worst animals. As genetic evaluations take place one by semester, the objective of this work is to try to soften the waiting time of the farmer for the next new results, by applying machine learning techniques, specifically decision trees induction, in an animal breeding program data base, so as to generate reliable predictions for EPD classes for weaning weight trait. Several experiments were executed, interchanging WEKA (Waikato Environment for Knowledge Analysis) and SKLEARN library. The results proved that using the classifier is useful to inform the four classes and that the metrics are good also. Based on this fact, a system was proposed, the Automatic Classification System of Bovine EPD (SICADEB) and is to apply the classifier as a new module in the software that the farmers consult the genetic evaluation results, the summaries.