Modelagem e persistência de dados sensoriais para a pecuária de precisão
Sensor data for precision livestock: modeling and persistence
DOI:
https://doi.org/10.34188/bjaerv6n1-035Palavras-chave:
Modelagem de Dados, NoSQL, Pecuária de Precisão, IntegraçãoResumo
Para manter-se competitivo na cadeia de produção bovina, é importante inovar na produção e gestão do agronegócio. Desse modo, surgem alguns desafios, como o aumento da demanda relacionada ao bem-estar animal, a segurança alimentar, a rastreabilidade bovina, a sustentabilidade, entre outros. A pecuária de precisão pode contribuir para atingir esses objetivos. Diversos estudos para a pecuária de precisão são desenvolvidos em parceria entre a Embrapa Gado de Corte e a Faculdade de Computação (FACOM), da Universidade Federal do Mato Grosso do Sul (UFMS). Esses são projetos que possuem uma heterogeneidade de sensores e geram um grande volume de dados provenientes de diferentes fontes e padrões. Este trabalho tem como finalidade definir um modelo de dados semântico, bem como um modelo físico para persistência dos dados oriundos dos diversos sensores e sistemas utilizados na pecuária de precisão, visando à integração e ao compartilhamento padronizado dessas informações.
Referências
AJALA, N. et al. Microclima e conforto térmico em sistemas em integração no cerrado. In: Jornada Científica EMBRAPA Gado de Corte, 9. 2013, Campo Grande, MS. [Anais...]. Campo Grande, MS: EMBRAPA Gado de Corte, 2013. Embrapa Gado de Corte – Resumo em anais de congresso (ALICE). [S. l.]. 2013.
BERCKMANS, D. Automatic on-line monitoring of animals by precision livestock farming. Livestock Production and Society. Wageningen Academic Publishers, Wageningen, p. 287-295, 2006.
BRESSAN, P. O. Algoritmos para obtenção de frequência cardíaca e respiratória em bovinos. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-graduação da Faculdade de Computação, Universidade Federal de Mato Grosso do Sul, Campo Grande, 2016.
CÁCERES, E. N. et al. Computational precision livestock–position paper. In: II Workshop of the Brazilian Institute for Web Science Research. [S. l.: s. n.], 2011, p. 9, 2011.
DEBAUCHE, O. et al. Web-based cattle behavior service for researchers based on the smartphone inertial central. Procedia Computer Science, Elsevier, v. 110, p. 110-116, 2017.
DYBA, T.; DINGSOYR, T.; HANSSEN, G. K. Applying systematic reviews to diverse study types: An experience report. In: IEEE. Empirical Software Engineering and Measurement. ESEM 2007. First International Symposium on. [S. l.], 2007, p. 225-234, 2007.
HAN, L. et al. Microenvironment information acquisition and processing in farmland water potential soft-sensing. In: IEEE. Intelligent Control and Automation (WCICA), 8th World Congress on. [S. l.], 2010, p. 6943-6948, 2010.
HONG, Z.; KALBARCZYK, Z.; IYER, R. K. A data-driven approach to soil moisture collection and prediction. In: IEEE. Smart Computing (SMARTCOMP), IEEE International Conference on. [S. l.], 2016, p. 1-6, 2016.
HUHTANEN, P. et al. Comparison of methods to determine methane emissions from dairy cows in farm conditions. Journal of dairy science, Elsevier, v. 98, n. 5, p. 3394-3409, 2015.
JESUS, L. de. Identificação do comportamento bovino por meio do monitoramento animal. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-graduação da Faculdade de Computação, Universidade Federal de Mato Grosso do Sul, Campo Grande, 2014.
JIAYU, Z. et al. Application of intelligence information fusion technology in agriculture monitoring and early-warning research. In: IEEE. Control, Automation and Robotics (ICCAR), International Conference on. [S. l.], 2015, p. 114-117, 2015.
KANEDA, Y. et al. Greenhouse environmental control system based on sw-svr. Procedia Computer Science, Elsevier, v. 60, p. 860-869, 2015.
KIM, H.; CHO, Y.; YOE, H. Intelligent livestock farm management for context data model design. Green and Smart Technology with Sensor Applications, Springer, p. 291-296, 2012.
KITCHENHAM, B. Procedures for performing systematic reviews. Keele, UK, Keele University, v. 33, n. 2004, p. 1-26, 2004.
KIYOSHI, H. et al. Fieldtouch: an innovative agriculture decision support service based on multi-scale sensor platform. In: IEEE. Global Conference (SRII), Annual SRII. [S.l.], 2014, p. 228-229, 2014.
LIN, H. et al. Global positioning of off-road vehicles by sensor fusion for precision agriculture. In: IEEE. Intelligent Control and Automation, 2008. WCICA. 7th World Congress on. [S. l.], 2008, p. 7005-7010, 2008.
LOMBA, L. F. D. Identificação do comportamento bovino a partir dos dados de movimentacão e do posicionamento do animal. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação da Faculdade de Computação, Universidade Federal de Mato Grosso do Sul, Campo Grande, 2015.
MARIÑO, P. et al. Networked biological system by wireless sensors. In: IEEE. Control, Automation, Robotics and Vision, 2008. ICARC, 10th International Conference on. [S. l.], 2008, p. 218-222, 2008.
OLIVEIRA, M. T. P. d. Análise comportamental de bovinos baseada em trajetórias semânticas aplicada à pecuária de precisão. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-graduação da Faculdade de Computação, Universidade Federal de Mato Grosso do Sul, Campo Grande, 2013.
SANTOS NETO, Q. I. dos. Termus uma plataforma para aferição remota de temperatura de bovinos da raça brangus. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-graduação da Faculdade de Computação, Universidade Federal de Mato Grosso do Sul, Campo Grande, 2010.
STEFANI, F. D. et al. Renvdb, a restful database for pervasive environmental wireless sensor networks. In: IEEE. Distributed Computing Systems Workshops (ICDCSW), IEEE 30th International Conference on. [S. l.], 2010, p. 206-212, 2010.
TAN, L.; HOU, H.; ZHANG, Q. An extensible software platform for cloud-based decision support and automation in precision agriculture. In: IEEE. Information Reuse and Integration (IRI), IEEE 17th International Conference on. [S. l.], 2016, p. 218-225, 2016.
TAYLOR, K. et al. Farming the web of things. IEEE Intelligent Systems, IEEE, v. 28, n. 6, p. 12-19, 2013.
UCHINUNO, T. et al. Development of knowledge sharing system for agriculture application. In: IEEE. Advanced Applied Informatics (IIAIAAI), IIAI International Conference on. [S. l.], 2013, p. 108-111, 2013.
WANG, J.; DAMEVSKI, K.; CHEN, H. Sensor data modeling and validating for wireless soil sensor network. Computers and Electronics in Agriculture, Elsevier, v. 112, p. 75–82, 2015.
ZACEPINS, A. et al. Temperature sensor network for prediction of possible start of brood rearing by indoor wintered honey bees. In: IEEE. Carpathian Control Conference (ICCC), 12th International. [S. l.], 2011, p. 465-468, 2011.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
- O conteúdo dos artigos é de responsabilidade exclusiva dos autores.
- É permitida a reprodução total ou parcial do conteúdo dos artigos, desde que citada a fonte.
- Artigos com plágio serão recusados, e o autor do plágio perderá o direito de publicar nesta revista.
- Os nomes e endereços informados nesta revista serão utilizados exclusivamente para os serviços prestados por esta publicação e não estão disponíveis para outros fins ou a terceiros.
- Depois de enviar os artigos, os autores cedem os direitos autorais de seus artigos ao BJAER. Se você se arrepender da submissão, o autor tem o direito de solicitar ao BJAER que não publique seu artigo. Porém, essa solicitação deve ocorrer até dois meses antes da divulgação do número que o artigo será publicado.
- O BJAER usa a licença Creative Commons CC BY. Informações sobre esta licença podem ser encontradas em: https://creativecommons.org/licenses/by/3.0/br/
Brazilian Journal of Animal and Environmental Research (BJAER) se reserva o direito de efetuar nos originais alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores. Os trabalhos finais não serão enviadas aos autores.
