O estudo foi feito através de séries históricas de dados de um incubatório pertencente a uma integração avícola do Rio Grande do Sul, durante os anos de 1999 a 2003, com os quais foram feitas análises do tipo observacional analítico e transversal. Primeiramente usou-se os registros de 5 linhagens de frangos utilizadas pela empresa no transcorrer do período de 23 de fevereiro de 1995 a 25 de janeiro de 2002. As linhagens foram identificadas da seguinte forma: COBB, HIGH YIELD, MPK, ROSS308, e X. Esses 81 lotes analisados foram estudados através dos seus respectivos registros que continham: o número inicial de fêmeas, número inicial de machos, ração total/cabeça, ração/cabeça/inicial/recria, ração/cabeça/inicial/postura, ovos postos, ração p/ovo posto, pintos nascidos, percentagem viabilidade postura fêmea, percentagem viabilidade postura machos. O método aqui proposto provou ser capaz de classificar as linhagens a partir das entradas escolhidas. Na linhagem que apresentava uma grande quantidade de amostras a classificação foi muito precisa. Nas demais, com menor número de dados, a classificação foi efetuada, e, como era de se esperar, os resultados foram menos consistentes. Com o mesmo banco de dados dos lotes fechados, realizou-se a segunda etapa da dissertação. Nela, procedeu-se o treinamento das redes neurais artificiais onde foram utilizadas as seguintes variáveis de saída: ovos incubáveis, percentagem de ovos incubáveis, ovos incubados, percentagem de ovos incubados, pintos nascidos e pintos aproveitáveis. Os resultados apresentaram R2 oscilando entre 0,93 e 0,99 e o erro médio e o quadrado médio do erro ajustados, demonstrando a utilidade das redes para explicar as variáveis de saída. Na terceira e última etapa da dissertação, destinada à validação dos modelos, foram usados quatro arquivos distintos denominados da seguinte forma: INPESO (3.110 linhas de registros de pesos dos reprodutores), ININFO (56.018 linhas de registros com as informações diárias do ocorrido nas granjas de reprodução até o incubatório), INOVOS (35.000 linhas de registros com informações sobre os ovos processados), INNASC: 43.828 linhas de registros com informações sobre os nascimentos. O modelo gerado para o ano de 1999 foi capaz de predizer corretamente os resultados deste mesmo ano e dos anos de 2000, 2001, 2002 e 2003. O mesmo procedimento foi repetido criando modelo com os registros do ano em questão e validando-o com os registros dos anos subseqüentes. Em todas as ocasiões foram obtidos bons resultados traduzidos por um alto valor no R2. Concluindo, os fenômenos próprios do incubatório puderam ser explicados através das redes neurais artificiais. A técnica, seguindo a mesma tendência das dissertações que anteriormente já haviam demonstrado que esta metodologia pode ser utilizada para o gerenciamento de reprodutoras pesadas e de frangos de corte, pode realizar simulações, predições e medir a contribuição de cada variável no fenômeno observado, tornando-se uma poderosa ferramenta para o gerenciamento do incubatório e num suporte cientificamente alicerçado para a tomada de decisão.

Este estudo objetivou demonstrar que é possível explicar os fenômenos que ocorrem na criação de frangos de corte através de redes neurais artificiais. A estatística descritiva e a diferença entre as médias das variáveis dos dados iniciais foram calculadas com o programa computacional SigmaStat® Statistical Software para Windows 2.03. Foi utilizada uma série histórica de dados de produção de frangos de corte, obtidos nos anos de 2001 e 2002, fornecidos por uma Integração Avícola do Rio Grande do Sul, contendo informações de 1.516 criadores com lotes alojados em 2001 e 889 criadores com lotes alojados em 2002. Nos arquivos estavam registrados, para cada lote, suas variáveis de produção, tais como número do lote, data do alojamento, data do abate, idade ao abate, número de pintos alojados, quilogramas de ração consumidos, quilogramas de frangos produzidos, número de aves abatidas, custo do frango produzido, mortalidade, peso médio, ganho de peso diário, índice de conversão alimentar, índice de eficiência, quilogramas líquido de frangos, quilogramas de ração inicial, quilogramas de ração crescimento, quilogramas de ração abate, além de outros. Para a construção das redes neurais artificiais foi utilizado o programa computacional NeuroShell®Predictor, desenvolvido pela Ward Systems Group. Ao programa foi identificado as variáveis escolhidas como “entradas” para o cálculo do modelo preditivo e a variável de “saída” aquela a ser predita. Para o treinamento das redes foram usados 1.000 criadores do banco de dados do alojamento de frangos de corte de 2001. Os restantes 516 criadores de 2001 e todos os 889 criadores de 2002 serviram para a validação das predições, os quais não participaram da etapa de aprendizagem, sendo totalmente desconhecidos pelo programa. Foram gerados 20 modelos na fase de treinamento das redes neurais artificiais, com distintos parâmetros de produção ou variáveis (saídas). Em todos estes modelos, as redes neurais artificiais geradas foram bem ajustadas apresentando sempre, um Coeficiente de Determinação Múltipla (R²) elevado e o menor Quadrado Médio do Erro (QME). Ressalta-se que o R² perfeito é 1 e um coeficiente muito bom deve estar próximo de 1. Todos os 20 modelos, quando validados com os 516 lotes de 2001 e com 889 de 2002, apresentaram também Coeficientes de Determinação Múltipla (R²) elevados e muito próximos de 1, além de apresentarem o Quadrado Médio do Erro (QME) e Erro Médio reduzidos. Foi comprovado não haver diferenças significativas entre as médias dos valores preditos e as médias dos valores reais, em todas as validações efetuadas nos lotes abatidos em 2001 e em 2002, quando aplicados os 20 modelos de redes neurais gerados. Como conclusão, as redes neurais artificiais foram capazes de explicar os fenômenos envolvidos com a produção industrial de frangos de corte. A técnica oferece critérios objetivos, gerados cientificamente, que embasarão as decisões dos responsáveis pela produção industrial de frangos de corte.Também permite realizar simulações e medir a contribuição de cada variável no fenômeno em estudo.

Neste trabalho, derivamos equações de recorrência que descrevem a dinâmica exata de uma rede neural não-monótona, em camadas, através de uma análise sinal ruído. Para poder avaliar o seu estado dinâmico, definimos a semelhança do estado da rede com alguma configuração específica desta como medida de interesse. Vamos nos referir a estas configurações por "padrões" e a esta medida de interesse por "overlap". Obtivemos as equações dinâmicas na recuperação de um padrão e na recuperação simultânea de dois padrões. Esta arquitetura apresenta conexões apenas entre camadas adjacentes no sentido entrada-saída e padrões descorrelacionados entre as camadas. Assim, a propagação de um sinal nesta rede se dá ao passar por uma seqüência de padrões pré-definidos, de camada para camada. Nesta dinâmica, os pontos fixos correspondem a um valor estacionário do overlap desta seqüência de padrões e não do overlap estacionário de um padrão específico. Nós constatamos, na recuperação de um padrão à temperatura zero, que o modelo não-monótono é capaz de armazenar um conjunto maior de informação que o modelo monótono. Encontramos, além da presença das soluções de ponto fixo, a de atratores cíclicos e caóticos, que foram identificados e expostos graficamente.

Este trabalho teve por objetivo utilizar redes neurais artificiais para explicar fenômenos que ocorrem em matadouros- frigoríficos avícolas. A estatística descritiva e a diferença entre as variáveis foram calculadas através do programa computacional SPSS for Windows 10.0 e para a construção das redes neurais artificiais foi utilizado o programa Neuroshell Predictor desenvolvido pela Ward Systems Group. Foram utilizados dados de 2004 a 2006 de dois matadouros- frigoríficos de aves e ocasionalmente um matadouro- frigorífico de suínos. Nos arquivos oferecidos pelas empresas, haviam dados de gerenciamento de matadouros-frigoríficos, como por exemplo, planilhas de condenação da inspeção, dados sobre chiller, teste de absorção das carcaças, dados sobre peso de carcaças, entre outros. Para a construção dos modelos foram escolhidas as “entradas”, para o cálculo do modelo preditivo, e a variável de “saída” a ser predita. Foram gerados oito (8) modelos com diferentes bancos de dados. Todos esses modelos apresentaram redes neurais artificiais bem ajustadas, com valores altos para Correlação e Coeficiente de Determinação Múltipla (R²) e valores baixos para o Erro Médio e o Quadrado médio do Erro (QME). Não houve diferenças significativas entre os valores reais e os valores preditos em todas as validações dos oito (8) modelos. As redes neurais artificiais, com o software utilizado, foram capazes de explicar os fenômenos que envolvem o gerenciamento de matadouros-frigoríficos de aves, e ocasionalmente de suínos. A técnica utilizada oferece critérios objetivos, cientificamente desenvolvida, que será de grande valia no auxílio do técnico responsável pela tomada de decisões. A técnica permite também realizar simulações e mensurar a contribuição de diferentes variáveis que influenciam no fenômeno. É importante ressaltar que a utilização das redes neurais artificiais é uma ferramenta de auxílio à tomada de decisões, e não um programa que substitua o conhecimento científico e técnico. / This work aimed to use artificial neural networks to explain the occurred phenomena in the poultry slaughterhouse. The descriptive statistics and the difference among the variable averages from the initial data were calculated with SPSS software, and the software used to build the artificial neural networks was Neruoshell Predictor, developed by Ward Systems Group. Data from three poultry and one swine slaughterhouses, gathered from 2004 until 2006, were used in this study. In these data there were information about carcasses condemnation, chillers, absorption tests, carcasses weights, medications and others. To build the neural networks,the chosen variables were identified as “input” and “output”. The “input” variables were selected for the predictive model calculation and the “output” variable for the one to be predicted. It was made 8 models with different databases. In all these models, the generated artifical neural networks were well adjusted always presenting a high Multiple Deteminant Coefficient (R²) and correlation and the lowest Mean Squared Error (QME) and mean error. Also the differences between the real value and the predicted value in the 8 models studied were not statistically significant.This study concludes that artifical neural network, with the used software, were capable to explain the phenomena involved in the poultry slaughterhouse and that the modeling can also be extended to swine slaughterhouse. This powerfull technique offers objective criteria, scientifically generated, which can be used to assist in the decisions analysis process for this industry. It also allows to make simulations and to measure the contribution of each variable in the phenomena studied. It’s important to point out that artificial neural networks are intruments to assist the technician in decision making. Thus, it is not a program able to replace the cientific and technical knowledge.

A colibacilose é a denominação comum a diferentes lesões locais ou sistêmicas causadas pela bactéria E.coli com propriedades patogênicas . Essas lesões são conhecidas como a principal causa infecciosa de condenação de carcaças. No Brasil, entre 2001 e 2005, essa condenação gerou um prejuízo estimado em US 58 milhões à avicultura . Deste total, 19 milhões podem ser creditados à presença de lesões cutâneas de celulite e 39 milhões a lesões sistêmicas. A E.coli é o principal habitante do trato gastrintestinal de mamíferos e de aves. Nos aviários, é possível encontrar 106 UFC/grama de fezes, tornando praticamente impossível a eliminação deste agente no ambiente. A dificuldade que envolve a E.coli está na classificação desta como patogênica, haja vista que a diferenciação entre cepas virulentas e avirulentas continua sendo um problema após o diagnóstico bacteriológico. A biologia molecular vem auxiliando no maior entendimento dos mecanismos de patogenicidade das E. coli e cada vez mais, é demonstrada a grande importância da interação dos diversos fatores de virulência na determinação da patogenicidade. Este trabalho tem como objetivo gerar novos elementos para o maior entendimento da patogenicidade da E.coli, traçando uma nova metodologia de classificação, através de um índice no qual, além do número de animais mortos, também se consideraram o tempo de morte e a capacidade da cepa causar lesão compatível à colibacilose em pintos de 1 dia. Observou-se diferença significativa entre amostras oriundas de celulite e quadro respiratório em relação a amostras oriundas de cama no método proposto, além do fato de também existir a mesma relação entre o tipo e a quantidade de lesões formadas, conforme a origem do isolado. Obteve-se, ainda, um banco de dados gerado a partir desse primeiro experimento, que permitiu o uso de Redes Neurais Artificiais na construção de modelos que simulavam esse mesmo teste de patogenicidade, sem o uso de animais, adotando como informações de entrada alguns dos principais fatores de virulência associados a amostras patogênicas, origem das amostras e o índice de patogenicidade obtidos. Os resultados quanto às predições corretas foram em torno de 80,00%, permitindo concluir que as redes podem ser uma alternativa para substituir testes de patogenicidade in vivo na classificação de amostras de E.coli de origem aviária. / The colibacillosis is the common denomination for different local or systemic lesions caused by E. coli bacteria with pathogenic properties. These lesions are known as the leading infectious cause of condemnation of carcasses. In Brazil, between 2001 and 2005, that disease led to a loss estimated at 58 million for poultry. Of this total, 19 million can be credited to the presence of cutaneous lesions of cellulitis and 39 million to other organs. E. coli is the main habitant of the gastrointestinal tract of mammals and birds. In the aviaries, you can find 106 CFU / gram of feces, making it virtually impossible to eliminate this agent in the environment. The difficulty surrounding the E. coli in this classification as pathogenic, given that the differentiation between virulent and avirulent strains remains a problem after the bacteriological diagnosis. Molecular biology has helped in better understanding the mechanisms of pathogenicity of E. coli and, increasingly, it demonstrated the great importance of the interaction of different virulence factors in determining the pathogenicity. This work aims to generate new elements for better understanding the pathogenicity of E. coli, marking a new classification methodology, through an index in which, besides the number of dead animals are often considered the time of death and the capacity of strains cause lesions compatible with colibacillosis in chicks of 1 day old. There was significant difference between samples from cellulitis and respiratory symptoms compared to samples from litter in the proposed method, besides the fact that there is also the same relationship between the type and number of lesions formed depending on the origin of the isolate. We obtained also a database generated from this first experiment, which allowed the use of Artificial Neural Networks in the construction of models that simulated the same pathogenicity test, without the use of animals, taking as input information some main virulence factors associated with pathogenic samples, origin of samples and pathogenicity index obtained. The results regarding the predictions have been around 80.00%. These results show that neural networks can be an alternative to replace pathogenicity tests in vivo in the classification of samples of E. coli of avian origin.

Tese (doutorado)—Universidade de Brasília, Instituto de Ciências Humanas, Departamento de Geografia, Programa de Pós-Graduação em Geografia, 2018. / Submitted by Raquel Viana (raquelviana@bce.unb.br) on 2018-10-04T20:17:18Z No. of bitstreams: 1 2018_MiriamRodriguesdaSilva.pdf: 2922256 bytes, checksum: be3ef8bc4a01aad93ab8f954ad6dfd46 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2018-10-18T22:21:23Z (GMT) No. of bitstreams: 1 2018_MiriamRodriguesdaSilva.pdf: 2922256 bytes, checksum: be3ef8bc4a01aad93ab8f954ad6dfd46 (MD5) / Made available in DSpace on 2018-10-18T22:21:23Z (GMT). No. of bitstreams: 1 2018_MiriamRodriguesdaSilva.pdf: 2922256 bytes, checksum: be3ef8bc4a01aad93ab8f954ad6dfd46 (MD5) Previous issue date: 2018-10-04 / A presente pesquisa objetiva identificar culturas de grãos a partir de séries temporais NDVI MODIS. As culturas agrícolas e regiões analisadas foram: (a) soja, milho e algodão no Estado do Mato Grosso na safra de 2013/2014; (b) trigo no Estado do Rio Grande do Sul; (c) e cultura do arroz no Estado de Santa Catarina. A tese está estruturada em 5 (cinco) capítulos, onde os capítulos de desenvolvimento (2, 3 e 4) foram escritos no formato de artigos científicos. No processamento digital de imagem todas as análises consideraram as seguintes etapas: (a) aquisição das imagens MODIS; (b) tratamento dos ruídos usando o filtro Savitzky- Golay; (c) classificação; e (d) análise de acurácia. A principal diferença metodológica foi a etapa de classificação que utilizou duas abordagens: (a) classificação contínua do terreno considerando as diferentes produções agrícolas (soja, milho e algodão) e os tipos de vegetação a partir de dois métodos de aprendizagem de máquina (Support Vector Machines e Redes Neurais de retro-propagação); e (b) detecção de uma única cultura de pequenos agricultores (arroz em Santa Catarina e trigo no Rio Grande do Sul) usando o método do vizinho mais próximo (caso específico do método K-NN). A primeira abordagem usando classificação contínua do terreno considerou as seguintes assinaturas temporais NDVI: formação florestal, cerrado, pastagem, sistema único de cultivo anual (soja, milho e algodão), sistema duplo de cultivo (soja/milho e soja/algodão) e pivô central (sistema triplo de cultivo). Na classificação foram testados 378 modelos de redes neurais com variações dos parâmetros de entrada e 8 modelos SVM usando diferentes funções Kernel. O índice Kappa mostrou que os melhores modelos da Rede Neural (0,77) e SVM (0,75) foram estatisticamente equivalentes pelo teste McNemar. A classificação baseada no vizinho mais próximo foi constituida de duas fases: (a) geração de imagens métricas (distância Euclidiana e similaridade do cosseno); e (b) definição do melhor valor de corte para caracterizar a máscara da cultura agrícola. Os resultados mostraram diferentes perfis temporais tanto no trigo como no arroz devido às variações do calendário agrícola da região. Nas duas classificações (trigo e arroz), os resultados usando as duas métricas foram estatisticamente equivalentes pelo teste McNemar. Na análise do trigo, a distância Euclidiana obteve um índice Kappa de 0,75 e a semelhança do cosseno um índice Kappa de 0,74. Na análise do arroz a distância Euclidiana obteve um índice Kappa de 0,73 e a semelhança do cosseno um índice Kappa de 0,72. As metodologias descritas demonstram uma grande potencial para o cálculo das áreas de produção agrícola, podendo auxiliar os órgãos federais para o planejamento regional e segurança alimentar. / The present research aims to identify grain crops from NDVI MODIS time series. The agricultural crops and the analyzed regions were: (a) soybean, corn and cotton in Mato Grosso State at 2013/14 growing season; (b) wheat in the State of Rio Grande do Sul; (c) and rice in the State of Santa Catarina. The thesis is structured in 5 (five) chapters, where the development chapters (2, 3 and 4) were written in the format of scientific articles. In digital image processing, all analyzes considered the following steps: (a) acquisition of MODIS images; (b) noise treatment using the Savitzky-Golay filter; (c) classification; and (d) accuracy analysis. The main methodological difference was the classification stage that used two approaches: (a) continuous land classification considering the different agricultural production (soybean, corn and cotton) and vegetation types from two methods of machine learning ( Support Vector Machines and Retro-propagation Neural Networks); and (b) detection of a single crop of small farmers (rice in the Santa Catarina and wheat in the Rio Grande do Sul) using the nearest neighbor method (specific case of the K-NN method). The first approach using continuous land classification considered the following NDVI temporal signatures: forest formation, cerrado, pasture, single annual cropping system (soybean, corn and cotton), double cropping system (soybean / corn and soybean / cotton) and pivot (triple cropping system). In the classification were tested 378 models of neural networks with different variations in input parameters and 8 SVM models using different Kernel functions. The Kappa index showed that the best models of the Neural Network (0.77) and SVM (0.75) were statistically equivalent by the McNemar test. The classification based on the nearest neighbor was constituted of two phases: (a) elaboration of metric images (Euclidean distance and similarity of the cosine); and (b) definition of the best threshold value to characterize the agricultural crop mask. The results showed different temporal profiles in both wheat and rice due to variations in the region's agricultural calendar. In both classifications (wheat and rice), the results using the two metrics were statistically equivalent by the McNemar test. In wheat analysis, the Euclidean distance obtained a Kappa index of 0.75 and the cosine similarity a Kappa index of 0.74. In rice analysis, the Euclidian distance obtained a Kappa index of 0.73 and the cosine similarity a Kappa index of 0.72. The methodologies showed a promising potential to determine the areas of crop production and could be very useful for federal agencies for regional planning and food security programs.

O presente trabalho implementa um método computacional semi-automático para obter medidas de estruturas cardíacas de fetos humanos através do processamento de imagens de ultra-som. Essas imagens são utilizadas na avaliação cardíaca pré-natal, permitindo que os médicos diagnostiquem problemas antes mesmo do nascimento. A dissertação é parte de um projeto desenvolvido no Instituto de Informática da Universidade Federal do Rio Grande do Sul, denominado SEGIME (Segmentação de Imagens Médicas). Neste projeto, está sendo desenvolvida uma ferramenta computacional para auxiliar na análise de exames ecocardiográficos fetais com o apoio da equipe de Cardiologia Fetal do Instituto de Cardiologia do Rio Grande do Sul. O processamento de cada imagem é realizado por etapas, divididas em: aquisição, pré-processamento, segmentação e obtenção das medidas. A aquisição das imagens é realizada por especialistas do Instituto de Cardiologia. No pré-processamento, é extraída a região de interesse para a obtenção das medidas e a imagem é filtrada para a extração do ruído característico das imagens de ultra-som. A segmentação das imagens é realizada através de redes neurais artificiais, sendo que a rede neural utilizada é conhecida como Mapa Auto-organizável de Kohonen. Ao final do processo de segmentação, a imagem está pronta para a obtenção das medidas. A técnica desenvolvida nesta dissertação para obtenção das medidas foi baseada nos exames realizados pelos especialistas na extração manual de medidas. Essa técnica consiste na análise da linha referente à estrutura de interesse onde serão detectadas as bordas. Para o início das medidas, é necessário que o usuário indique o ponto inicial sobre uma borda da estrutura. Depois de encontradas as bordas, através da análise da linha, a medida é definida pela soma dos pixels entre os dois pontos de bordas. Foram realizados testes com quatro estruturas cardíacas fetais: a espessura do septo interventricular, o diâmetro do ventrículo esquerdo, a excursão do septum primum para o interior do átrio esquerdo e o diâmetro do átrio esquerdo. Os resultados obtidos pelo método foram avaliados através da comparação com resultados de referência obtidos por especialistas. Nessa avaliação observou-se que a variação foi regular e dentro dos limites aceitáveis, normalmente obtida como variação entre especialistas. Desta forma, um médico não especializado em cardiologia fetal poderia usar esses resultados em um diagnóstico preliminar.

Uma atividade com a magnitude da avicultura, que usa equipamentos de última geração e serviços atualizados, é levada, na maioria dos casos, a tomar decisões que envolvem todos aspectos de produção, apoiada em critérios subjetivos. A presente tese objetivou estudar a utilização das redes neurais artificiais na estimação dos parâmetros de desempenho de matrizes pesadas, pertencentes a uma integração avícola sul-brasileira. Foram utilizados os registros de 11 lotes em recria, do período compreendido entre 09/11/97 a 10/01/99 e de 21 lotes em produção, do período compreendido entre 26/04/98 a 19/12/99, para a análise por redes neurais artificiais. Os dados utilizados corresponderam a 273 linhas de registros semanais, do período de recria e 689 linhas de registros semanais, do período de produção. Os modelos de redes neurais foram comparados e selecionados como melhores, baseados no coeficiente de determinação múltipla (R2), Quadrado Médio do Erro (QME), bem como pela análise de gráficos, plotando a predição da rede versus a predição menos o real (resíduo). Com esta tese foi possível explicar os parâmetros de desempenho de matrizes pesadas, através da utilização de redes neurais artificiais. A técnica permite a tomada de decisões por parte do corpo técnico, baseadas em critérios objetivos obtidos cientificamente. Além disso, este método permite simulações das conseqüências de tais decisões e fornece a percentagem de contribuição de cada variável no fenômeno em estudo.

A Escherichia coli (E. coli), que foi por muito tempo esquecida como potencial patógeno, começa a ser vista sob nova ótica devido aos prejuízos econômicos que gera. No Brasil, entre 2001 e 2005, somente a condenação de carcaças, gerou um prejuízo estimado em 58 milhões de dólares à avicultura (Brasil/Ministério da Agricultura, Pecuária e Abastecimento, 2006). Deste total, 19 milhões foram devido à presença de lesões cutâneas de celulite e 39 milhões ocorreram por lesões sistêmicas. Os avanços nas pesquisas e nas ferramentas utilizadas vêm resultando no maior entendimento dos mecanismos de patogenicidade das E. coli e cada vez mais é demonstrada a grande importância da interação dos diversos fatores de virulência na determinação da patogenicidade. Entretanto, a diferenciação de cepas virulentas e avirulentas continua sendo um problema no diagnóstico e, por conseqüência, na tomada de decisão pelos veterinários de campo. Nesta tese constam quatro Artigos científicos. O Artigo 1 trata dos fatores de virulência de 63 amostras de E. coli isoladas de frangos de corte com problemas respiratórios. Estas cepas foram examinadas para a presença de fatores de virulência, tendo sido analisadas as propriedades de resistência aos antimicrobianos, produção de hemolisinas, motilidade, capacidade de hemaglutinação, presença do operon pap, produção de colicinas e resistência sérica. A capacidade de hemaglutinar hemácias de cobaio foi verificada em 84,1% das amostras. Em 76,4% das amostras, foi detectada a presença o operon pap. A produção de colicinas foi observada em 87,3% e em 88,9% foi verificada a expressão da resistência sérica. No Artigo 2, 238 amostras de E. coli, isoladas de cama de aviário e lesões de celulite, foram testadas através da Reação em Cadeia da Polimerase (PCR), para detecção de sete genes de virulência responsáveis pela capacidade de adesão, fimbria P (papC) e fimbria F11 (felA), produção de colicinas (cvaC), presença de aerobactina (iutA), resistência sérica (iss), hemaglutinina temperatura sensível (tsh) e presença de dois antígenos capsulares K1 e K5 (kpsII). O gene cvaC foi detectado em 31,3% das amostras de celulite e em 11,5% das isoladas de fezes. Nos dados obtidos neste estudo 80,6% das amostras de celulite e 53,8% das de fezes apresentaram o gene iss. Para o kps a positividade foi evidenciada em 27% das cepas de celulite e em 7% das isoladas de fezes. O gene iutA, foi detectado em 51,3% das amostras de celulite e em apenas 19,2% nas isoladas de fezes. O gene papC ocorreu em 46,9% das amostras de celulite e em 30,8% das de fezes. Nas amostras de celulite estudadas, 3,8% apresentaram positividade para gene felA, enquanto nas amostras de fezes este percentual foi de 1,3%. O gene tsh foi detectado em 83% dos isolados de lesão em 14% nos de fezes%. Em seis genes, cvaC, iss, iutA, kpsII, papC e tsh foi detectada diferença estatística significativa entre os isolados de lesões de celulite e cama. No Artigo 3 um total de 61 amostras de E. coli, isoladas de frangos de corte com problemas respiratórios foram testadas através da PCR, para a presença dos genes responsáveis pela capacidade de adesão, fimbria P (papC) e fimbria F11 (felA), produção de colicinas (cvaC), presença de aerobactina (iutA), resistência sérica (iss), hemaglutinina temperatura sensível (tsh) e presença dos antígenos capsulares K1 e K5 (kpsII). O gene iss foi detectado em 73,8%, tsh em 55,7%, iutA em 45,9%, felA em 39,3%, papC em 24,3%, cvaC em 23% e kpsII em 18%. No Artigo 4 são apresentadas três redes neurais artificiais que foram desenvolvidas através da análise dos genes papC, felA, cvaC, iutA, iss, tsh e kpsII, da motilidade e do índice de patogenicidade (IP) para realizarmos a predição ou classificação de patogenicidade de cepas de E. coli sem a necessidade da utilização de animais. Na Rede 1, utilizando 11 categorias de IP obtivemos 54,27% de acerto. No intuito de melhorar o desempenho do modelo foi criada uma segunda rede, utilizando 3 categorias de IP obtendo-se a classificação correta em 80,55%. Na tentativa de melhorar ainda mais seu desempenho, passamos a trabalhar com apenas duas categorias construindo, desta forma, a Rede 3. Com esta nova configuração a classificação correta do IP foi de 83,96%. / Escherichia coli (E. coli), which has been forgotten as a potential pathogen for a long time, is now being seriously considered due to the economical losses it generates. In Brazil from 2001 to 2005 the condemnation of carcasses represented a loss of about 58 million dollars to the poultry industry (Brasil/ Ministerio da Agricultura, Pecuária e Abastecimento, 2006). From this total 19 million dollars were due to skin lesions and 39 million dollars to systemic lesions. There have been improvements in the comprehension of the mechanisms of pathogenicity. However, the differentiation of virulent from non-virulent samples is still a problem for veterinarians to come to a diagnosis and, as a consequence, to make decisions. Article 1 is about factors of virulence in E. coli isolates from chicken flocks presenting respiratory problems. The samples from litter were probed for the presence of factors of virulence and antimicrobial resistance. The following properties were analyzed: hemolisin production, motility, operon pap presence, colicin production and serum resistance. The capacity of hemagglutination was verified in 84.1% of the samples. In 76.4% of the samples operon pap presence was detected. Colicin production was observed in 87.3% and in 88.9% serum resistance was verified. In article 2, 238 E. coli samples were probed by Polimerase Chain Reaction (PCR) for the presence of seven virulence genes responsible for adhesion capacity, P fimbriae (papC) and F11 fimbriae (felA), colicin production (cavC), aerobactin presence (iutA), serun resistence (iss) temperature-sensitive hemmaglutinin (tsh) and presence of K1 and K5 capsular antigens (kpsll). The CvaC gene was detected in 31.3% of the cellulitis samples and in 11.5% of feces samples. In the present study 80.6% of the cellulitis samples and 53.8% of feces samples presented the iss gen. The kps was positive in 27% of the cellulitis and in 7% of the feces samples. The papC gene occurred in 46.9% of cellulitis and in 30.8% in feces samples. In cellulitis samples 3.8% were positive for the felA gene whereas in feces samples were 1.3%. The tsh gene was positive in 83% of the isolates from lesions and in 14% of feces samples.For cmvaC, iss, iutA, kpsll ,papc and tsh genes significant statistical differences were detected for isolates from lesions and litter. In article 3 an amount of 61 Escherichia coli isolates from chicken flocks with respiratory problems were probed by the Polimerase chain Reaction PCR) for the presence of the genes which are responsible for the adhesion capacity, P fimbria (papC) and F11 fimbria (felA), colicin production (cvaC), aerobactin presence (iutA), serum resistance (iss), temperature-sensitive hemmaglutin (tsh) and presence of K1 and K5 capsular antigens (kpsII). The iss gene was detected in 73.8%, the tsh in 55.7%, the iutA in 45.9%, the felA in 39.3%, the papC in 24.3%, the cvaC in 23% and kpsII in 18%. Article 4 presents three neural nets of artificial intelligence which were developed through the analysis of papC, felA, cvaC, iutA, iss, tsh and kpsII genes, motility and pathogenicity index (PI) in order to establish predictions and classifications of the pathogenicty of E. coli litter without using animals. Net 1 obtained 54.27% of correctness using 11 categories of IP. In order to improve the performance of the model, a second net was created using 3 categories of IP the correct classification of 80.55%. Trying to get an even better performance, we worked with only two categories, building this way the third net. With this new configuration the correct classification was 83.96%.

Submitted by Marcio Filho (marcio.kleber@ufba.br) on 2017-06-09T12:09:03Z No. of bitstreams: 1 Dissertação(Nilmar_de_Souza).pdf: 5913699 bytes, checksum: 6cf8b98ccf18c8274e595050aff45af7 (MD5) / Approved for entry into archive by Vanessa Reis (vanessa.jamile@ufba.br) on 2017-06-12T15:25:52Z (GMT) No. of bitstreams: 1 Dissertação(Nilmar_de_Souza).pdf: 5913699 bytes, checksum: 6cf8b98ccf18c8274e595050aff45af7 (MD5) / Made available in DSpace on 2017-06-12T15:25:52Z (GMT). No. of bitstreams: 1 Dissertação(Nilmar_de_Souza).pdf: 5913699 bytes, checksum: 6cf8b98ccf18c8274e595050aff45af7 (MD5) / O Airsoft é um esporte no qual duas equipes simulam uma situação de combate. Os participantes utilizam réplicas de armas de fogo em escala 1:1. Os jogadores disparam projéteis plásticos que atingem o oponente sem deixar nenhum tipo de marcação, não sendo visível para os demais participantes quando um determinado jogador sofreu um tiro. Dessa forma, para sair da partida o participante atingido deve se declarar. Entretanto nem todos os jogadores tem essa postura e alguns deles, mesmo sendo atingidos, não se pronunciam e continuam jogando. Esse problema criou em alguns clubes de Airsoft a necessidade de desenvolver um instrumento que acuse quando um jogador for atingido. O projeto surgiu a partir dessa necessidade, tendo como principal objetivo desenvolver um colete instrumentado que identifique quando um usuário sofreu um impacto proveniente de arma de Airsoft. Para que isso fosse possível fez-se necessário identificar os melhores materiais para confecção do colete, desenvolver um equipamento de aquisição, identificar uma característica a partir da qual o reconhecimento fosse viável e por fim implementar essa estratégia. Como ferramenta básica para identificação de impacto foi utilizado um filtro de mediana que atende bem para os eventos convencionais em uma partida. Contudo, para alguns eventos simulados em laboratórios a estratégia não foi eficiente, e para esses casos optou-se por conectar o colete a um servidor e aplicar uma rede neural artificial que classificou corretamente aproximadamente 83% dos impactos analisados. O produto desenvolvido contempla com sucesso a necessidade para a qual foi proposto havendo demanda para o desenvolvimento de novos equipamentos que objetivam um maior monitoramento do jogador durante a partida, como capacete e calça.