Predição em tempo real de eventos de arroto em animais de criação usando vibrações da cabeça e aprendizado de máquina em um dispositivo vestível IoT

Por que os arrotos das vacas importam para o clima

A maioria das pessoas não pensa duas vezes sobre o arroto de uma vaca, mas essas pequenas borbulhas de gás se acumulam discretamente e viram um grande problema climático. Vacas e outros animais pastadores liberam grandes quantidades de metano, um gás de efeito estufa que aprisiona calor muito mais eficientemente que o dióxido de carbono no curto prazo. Ainda assim, as melhores ferramentas atuais para medir esse metano são caras, volumosas e muitas vezes exigem remover os animais de seus pastos habituais. Este estudo apresenta uma nova forma de monitorar arrotos ligados ao metano em tempo real usando uma cabeçada leve e algoritmos inteligentes, apontando para um monitoramento climático nas fazendas mais barato e mais humano.

Uma cabeçada inteligente para vacas em pasto

Os pesquisadores desenharam uma cabeçada especial que a vaca pode usar enquanto caminha e se alimenta normalmente. Integrados às tiras sobre o focinho, o pescoço e a nuca estão pequenos sensores de movimento que captam vibrações sutis na cabeça do animal. Um pequeno sensor de gás pode ser colocado à frente do nariz para detectar metano, e toda a eletrônica fica em uma placa compacta alimentada por uma pequena bateria. O sistema envia os dados sem fio para um celular ou tablet, onde um aplicativo personalizado mostra os sinais recebidos e os armazena para análise posterior. Todo o conjunto pesa aproximadamente como uma coleira leve, de modo que as vacas podem se mover e pastar naturalmente.

Transformando arrotos em dados

Para ensinar ao sistema como é um arroto em forma de dado, a equipe primeiro precisou de exemplos confiáveis. Eles usaram o sensor de metano para sinalizar momentos em que os níveis de gás no nariz da vaca aumentaram acentuadamente acima dos valores de fundo. Cada um desses picos marcou um provável episódio de arroto. Ao mesmo tempo, os sensores de movimento registraram como a cabeça da vaca se movia e vibrava. Os cientistas então dividiram esses registros de movimento em janelas de tempo curtas em torno de cada pico de metano e calcularam resumos simples dos movimentos — como quão intensas, quão variáveis e por quanto tempo as vibrações ocorreram em cada direção. Esses resumos viraram os ingredientes alimentados em modelos computacionais para separar janelas de “arroto” de comportamentos normais.

Ensinando máquinas a identificar arrotos

Com esses dados rotulados em mãos, a equipe testou um conjunto de métodos de aprendizado de máquina, incluindo árvores de decisão, florestas aleatórias, métodos de boosting e redes neurais. Na primeira rodada de testes em duas vacas e três locais de sensores, os modelos que usaram dados dos três sensores na cabeça tiveram melhor desempenho, identificando corretamente janelas associadas a arrotos em cerca de três quartos dos casos. Mais tarde, os pesquisadores ampliaram os testes para sete vacas e se concentraram em um único sensor bem posicionado, o que tornou o problema mais difícil porque os animais diferem na forma como se movimentam. Mesmo assim, um modelo compacto de rede neural ainda teve desempenho superior ao acaso e detectou corretamente muitos eventos em dados novos. Importante, os modelos finais foram comprimidos o suficiente para rodar diretamente em chips pequenos e de baixo consumo, permitindo que a cabeçada fizesse predições no local sem acesso constante à internet.

Desafios do mundo real no campo

Detectar arrotos em um pasto é mais complicado do que parece. Arrotar é relativamente raro em comparação com todos os momentos em que a vaca está simplesmente em pé, deitada, andando ou mastigando. Isso significa que os dados são altamente desbalanceados: para cada arroto verdadeiro, há muitos não‑eventos. A equipe tratou isso selecionando cuidadosamente e sobrepondo janelas de tempo durante o treinamento para que os modelos vissem exemplos positivos suficientes. Eles também verificaram como o sistema funcionava em condições naturais, nas quais os não‑eventos superam em muito os arrotos. Nesse cenário mais difícil, seu melhor modelo ainda destacou muito mais eventos verdadeiros do que um palpite aleatório, ao custo de alguns falsos alarmes. Testes entre vacas individuais mostraram que alguns animais foram mais fáceis de classificar do que outros, ressaltando a necessidade de conjuntos de dados maiores e mais variados em trabalhos futuros.

O que isso significa para uma agricultura mais limpa

Em termos simples, este estudo mostra que é possível escutar os movimentos da cabeça de uma vaca em vez de medir o gás diretamente o tempo todo e ainda assim obter um retrato útil de quando ocorrem arrotos ricos em metano. O sistema atual ainda não substitui instrumentos de referência e detecta eventos definidos por picos de metano em vez de provar diretamente a quantidade exata de gás liberada. Mas oferece uma via promissora e de baixo custo para despertar sensores de metano mais consumidores de energia somente durante arrotos prováveis, estender a vida útil da bateria e monitorar os animais sem confiná‑los em câmaras. Com mais animais, ensaios mais longos e vínculos mais estreitos com métodos de medição estabelecidos, esse tipo de cabeçada inteligente pode tornar‑se parte de ferramentas práticas e amigáveis aos animais que ajudem fazendeiros e cientistas a rastrear e, em última instância, reduzir o metano da pecuária.

Citação: Moncayo, J., Velasquez, M.L., Riveros, P.E. et al. Real-time eructation event prediction in livestock using head vibrations and machine-learning in an IoT wearable device. Sci Rep 16, 9099 (2026). https://doi.org/10.1038/s41598-026-42728-0

Palavras-chave: metano de animais, sensores vestíveis, aprendizado de máquina, agricultura de precisão, gases de efeito estufa