Space dependence of the variation of the temperature of surface of udder of healthful cows of milk and with mastitis

Essa pesquisa foi conduzida com o objetivo de avaliar a utilização da termografia por infravermelho como ferramenta de diagnóstico para detecção de mastite subclínica em bovinos de leite. Além de caracterizar a variabilidade espacial da temperatura de superfície do úbere dos animais e desenvolver metodologia computacional para classificação de quadros de mastite, como ferramenta de suporte à tomada de decisão. O levantamento de dados foi realizado em uma unidade de produção de leite, Fazenda Roçadinho, localizada no município de Capoeiras, Mesorregião Agreste, Microrregião do Vale do Ipojuca, Estado de Pernambuco. A quantidade de amostras foi determinada de acordo com os critérios de seleção e totalizaram 24 animais, em condições clínicas distintas (saudáveis, com mastite clínica e subclínica). Foram registrados os dados fisiológicos temperatura de superfície do úbere (TS, oC); temperatura do globo ocular (TO, oC); temperatura retal (TR, oC); frequência respiratória (FR, mov. min-1) e as variáveis do ambiente, temperatura do ar (Tar, oC) e umidade relativa do ar (UR, %). As imagens térmicas do úbere dos animais foram obtidas a partir de uma câmera termográfica, no enquadramento anterolateral esquerdo, anterolateral direito, posterior e inferior, quatro imagens por animal, totalizando 96 imagens para análise de seus respectivos quartos mamários. A termografia permitiu identificar diferença de temperatura da superfície dos quartos mamários. Os animais com classificação positiva para mastite subclínica apresentaram valores entre 33,2 ± 0,67ºC e 34,64± 1,07ºC; para os quartos negativos, valores entre 29,3 ± 1,78ºC e 32,24 ± 0,62ºC. Os indivíduos com mastite clínica apresentaram temperatura entre 34,0 e 37,5°C. As análises geoestatísticas identificaram com sucesso a dependência espacial e a técnica de componentes principais permitiu verificar a correlação das variáveis TO, TR, FR, Tar e UR com o quadro clínico dos animais e o grau de dependência entre as variáveis estudadas. O software desenvolvido mostrou-se eficiente em classificar imagens térmicas para a detecção de quadros clínicos de mastite, com acurácia de 90,9%, especificidade de 57,14% e sensibilidade de 85,71% do algoritmo implementado para as análises.This research was conducted with the objective of evaluating the use of infrared thermography as a diagnostic tool for detecting subclinical mastitis in dairy cattle. Besides characterizing the spatial variability of the surface temperature of the udder of the animals and developing computational methodology for classification of mastitis tables, as a tool to support decision making. Data collection was carried out in a milk production unit, Fazenda Roçadinho, located in the municipality of Capoeiras, Mesoregion Agreste, Microregion of Vale do Ipojuca, State of Pernambuco. The quantity of samples was determined according to the selection criteria and totalled 24 animals, under different clinical conditions (healthy, with clinical and subclinical mastitis). The physiological data of the udder surface temperature (TS, °C) Were recorded; Eyeball temperature (TO, °C); Rectal temperature (TR, °C); Respiratory rate (RR, mov. min-1) and environment variables, air temperature (Tar, °C) and relative air humidity (RH, %). The thermal images of the udder of the animals were obtained from a thermographic camera, in the left anterolateral, anterolateral right, posterior and inferior, four images per animal, totaling 96 images for analysis of their respective Mamary rooms. Thermography allowed To Identify the temperature difference of the surface of the mamary rooms. The animals with positive classification for subclinical mastitis had values between 33.2 ± 0.67 ºC and 34.64 ± 1.07 ºC; For the negative rooms, values between 29.3 ± 1.78 ºC and 32.24 ± 0.62 ºC. The individuals with clinical mastitis had a temperature between 34.0 and 37.5 ºC. The geostatistical analyses successfully identified the spatial dependence and the main component technique allowed to verify the correlation of the variables TO, TR, FR, Tar and RH with the clinical picture of the animals and the degree of dependence between the variables Studied. The software developed proved to be efficient in classifying thermal images for the detection of clinical conditions of mastitis, with accuracy of 90.9%, specificity of 57.14% and sensitivity of 85.71% of the algorithm implemented for the analyses