Sustainable Computational Solution for Optimized Livestock Management in Precision Farming Systems

• Matheus C. Correia UNIPAMPA
• Bianca O. Durgante UNIPAMPA
• Davi L. Lemos UNIPAMPA
• Naylor B. Perez Embrapa Pecuária Sul
• Teresa C. Genro Embrapa Pecuária Sul
• Leonardo B. Pinho UNIPAMPA

DOI: https://doi.org/10.5753/eradrs.2025.6804

Abstract

Este trabalho apresenta uma proposta de solução computacional que integra Redes Neurais Recorrentes para prever a taxa de acúmulo de forragem e um algoritmo heurístico de alocação dinâmica de animais, que prioriza a oferta de forragem ideal, para uma determinada carga animal por potreiro. Resultados preliminares com a ferramenta Perf ilustram o potencial da solução.

References

Correia, M. C., Lemos, D. L., Durgante, B. O., Perez, N. B., Genro, T. C. M., and Pinho, L. B. (2024). Análise do efeito de índices climáticos e pluviométricos em modelos de RNN LSTM para pecuária de precisão. In Anais da 10ª Conferência Sul em Modelagem Computacional (10º MCSul), Rio Grande, RS.

Schulte, L. G. (2019). Suporte à Decisão em Pastagens: Análise Espaço-temporal e Aprendizado de Máquina para Predição da Disponibilidade de Forragem no Contexto de Smart Farming. Master’s thesis, UNIPAMPA – PPGCAP.

Soares, A. F. (2021). TouceiraTech: um Farm Management Information System para pecuária de precisão baseado em predição com redes neurais recorrentes. Master’s thesis, UNIPAMPA – PPGCAP.