Por favor, use este identificador para citar o enlazar este ítem: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1185404
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.authorSOUZA, R. D.
dc.contributor.authorBARBOSA, R. S.
dc.contributor.authorCOSTA, I. S.
dc.contributor.authorFERNANDES, S. A. de A.
dc.date.accessioned2026-03-13T19:52:48Z-
dc.date.available2026-03-13T19:52:48Z-
dc.date.created2026-03-13
dc.date.issued2025
dc.identifier.citationIn: CONGRESSO BRASILEIRO DE CLÍNICA MÉDICA VETERINÁRIA, 4., 2025. Online. Anais... Nova Olinda: Sociedade Brasileira de Eventos Científicos, 2025. Revista Multidisciplinar em Saúde, v. 6, n. 4, 2025.
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1185404-
dc.descriptionA mastite bovina subclínica é a principal causa de perdas econômicas na pecuária leiteira, sendo a Contagem de Células Somáticas (CCS) o indicador chave de inflamação e qualidade do leite. Métodos rápidos e de baixo custo são necessários para o monitoramento eficiente, e a Espectroscopia de Infravermelho por Transformada de Fourier (FTIR), que detecta alterações bioquímicas correlacionadas à CCS, desponta como alternativa promissora. Assim, o objetivo deste trabalho foi avaliar o desempenho de um modelo de regressão baseado no algoritmo Random Forest para a predição da CCS em amostras de leite de vacas da raça Jersey. Amostras de leite foram coletadas na Estação Experimental Terras Baixas da Embrapa Clima Temperado, provenientes de vacas com diferentes graus de mastite, e a coleta seguiu rigorosos procedimentos de higiene. A modelagem preditiva envolveu a seleção de variáveis espectrais utilizando o algoritmo Boruta e uma etapa posterior de filtragem por correlação para reduzir a redundância. O conjunto de dados foi dividido em 80% para treinamento e 20% para teste. A aplicação do Boruta inicialmente identificou 87 números de onda relevantes, mas após a filtragem por correlação, apenas cinco foram retidos: 2681, 1875, 1142, 1130 e 1018 cm−1 . O modelo de regressão por Random Forest, treinado com essas cinco variáveis, apresentou desempenho restrito no conjunto de teste, com um coeficiente de determinação de R 2 = 0,246 e um RMSE de 728.477 células/mL. O R2 indica que o modelo explicou apenas cerca de 24,6% da variabilidade da CCS, e o alto RMSE demonstra um erro médio considerável, tornando o modelo inviável para quantificações regulatórias. Além disso, os limites de detecção e quantificação revelaram que o modelo não é sensível o suficiente para níveis típicos de produção leiteira. Conclui-se que, apesar da identificação de bandas espectrais relacionadas à mastite, a redução extrema de variáveis, embora favorecendo a interpretação, comprometeu a capacidade preditiva do modelo. Dessa forma, estudos futuros devem considerar o uso de todo o espectro FTIR ou algoritmos híbridos para aprimorar a acurácia do método.
dc.language.isopor
dc.rightsopenAccess
dc.subjectMastite bovina
dc.subjectContagem de Células Somáticas
dc.titleMétodo preditivo baseado em Random Forest para estimar a contagem de células somáticas de vacas Jersey em lactação.
dc.typeArtigo em anais e proceedings
dc.subject.thesagroGado Jersey
dc.subject.thesagroGado Leiteiro
dc.subject.thesagroLactação
riaa.ainfo.id1185404
riaa.ainfo.lastupdate2026-03-13
dc.contributor.institutionROMICY DERMONDES SOUZA, UNIVERSIDADE ESTADUAL DO SUDOESTE DA BAHIA; ROSANGELA SILVEIRA BARBOSA, CPACT; ISABELA SILVA COSTA; SÉRGIO AUGUSTO DE ALBUQUERQUE FERNANDES, UNIVERSIDADE ESTADUAL DO SUDOESTE DA BAHIA.
Aparece en las colecciones:Artigo em anais de congresso (CPACT)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
METODO-PREDITIVO-BASEADO-EM-RANDOM-FOREST-PARA-ESTIMAR-A-CONTAGEM-DE-CELULAS.pdf209,51 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace