MONITORAMENTO DOS NÍVEIS DE ATIVIDADE CANINA COM SENSORES: COLETA E ANÁLISE DE DADOS

Introdução: Em meio ao crescimento da população de cães no Brasil, com mais de 67 milhões de indivíduos e aproximadamente 46% dos lares com pelo menos um cão, a tecnologia surge como uma aliada para o monitoramento e bem-estar animal. Objetivos: O presente projeto teve como objetivo o desenvolvimento e avaliação de um equipamento tecnológico voltado ao monitoramento da atividade e à classificação de comportamentos caninos por meio da união de variados sensores e modelos de aprendizado de máquina. Materiais e método: A associação desses sensores a ferramentas de aprendizado de máquina, como Support Vector Machines (SVM), Random Forest (RF) e k-Nearest Neighbors (KNN), permite a interpretação de padrões de movimento com elevado desempenho preditivo. A metodologia contemplou a criação do hardware, coleta experimental com cães, rotulagem manual dos dados com auxílio de registros em vídeo e uso complementar de uma base pública descrita por Vehkaoja et al. (2022) para treinamento inicial da inteligência artificial. A coleta de dados foi realizada em ambientes controlados e domiciliares com dois animais, em sessões de durações específicas para atividades sedentárias, lentas, moderadas e intensas. Resultados: Devido ao baixo número de coletas, a base de dados publica foi utilizada para realizar o aprendizado de máquina. Foram testados diferentes modelos de classificação, destacando-se o Random Forest, que apresentou métricas de acurácia superiores a 90% na base externa, seguido por SVM e KNN. Considerações finais: Apesar de um número pequeno de cães participantes, os resultados preliminares confirmam o potencial promissor do DogDac como ferramenta de apoio à medicina veterinária preventiva e bem-estar animal, indicando a necessidade de etapas futuras para otimização do hardware, ampliação da base amostral e validação em cenários reais de uso.

Palavras-chave: Monitoramento canino; Aprendizado de máquina; Sensores; Acelerômetro; Saúde animal.