Resumo: A amônia é um importante poluente emitido pela cama de frango que pode se acumular no interior das granjas, prejudicando a saúde e o bem-estar dos animais e a produtividade. O primeiro estudo foi planejado para avaliar as práticas de criação de precisão, como o efeito da ventilação, densidade animal e taxa de crescimento, como opções de manejo para reduzir os efeitos adversos da exposição à amônia nos parâmetros produtivos dos aviários. Duas salas experimentais idênticas foram usadas neste estudo. Elas foram programadas para diferir na concentração de amônia a partir do dia 32 do período de crescimento (10 e 20 ppm na Sala 1 e na Sala 2, respectivamente). Três tratamentos foram testados em cada sala: crescimento lento em alta densidade (CLAD), crescimento rápido em baixa densidade (CRBD) e crescimento rápido em alta densidade (CRAD). O peso dos animais, o consumo de ração e a conversão alimentar foram determinados semanalmente. Além disso, o estado imunológico dos animais foi avaliado pesando os órgãos relacionados à resposta imune como indicadores de estresse. O aumento da ventilação foi eficaz para controlar as concentrações de amônia. A exposição à amônia não causou efeito significativo nos parâmetros produtivos. No entanto, a redução da densidade de alojamento melhorou a resposta a concentrações mais altas de amônia, diminuindo a taxa de conversão alimentar. Nenhum outro efeito relevante da exposição diferencial à amônia foi encontrado em animais de crescimento rápido, seja em alta ou baixa densidade de criação. O uso de linhagens de crescimento lento não afetou os parâmetros de produção. Apesar de terem uma taxa de crescimento mais lenta, sua taxa de conversão alimentar não era diferente daquela das linhagens de crescimento rápido. O desempenho produtivo de animais de crescimento lento não foi afetado pela exposição diferencial à amônia, mas o tamanho reduzido do baço sugere um comprometimento do sistema imunológico. O objetivo do segundo estudo foi predizer o risco de exposição à concentração de amônia na produção de frangos de linhagem de crescimento lento e rápido, com densidade de produção baixa e alta e correlacionar com a incidência de lesões à saúde dos frangos de corte usando abordagem de aprendizado de máquina. Foram utilizadas duas linhagens comerciais de frango de corte, uma de crescimento rápido (Ross®, idade de abate 42 dias) e outra de crescimento lento (Hubbard®, idade de abate 63 dias). Todas as aves de crescimento lento foram alojadas a densidade de 32 kg/m2. Já as aves de crescimento rápido foram alojadas em duas densidades de alojamento diferentes: baixa densidade de alojamento com alojamento final de 16 kg/m2 e alta densidade, com uma densidade de alojamento final de 32 kg/m2. Foram utilizadas neste experimento um total de 1250 aves, sendo 450 de crescimento rápido e 800 da linhagem de crescimento lento. Em cada sala, 306 aves foram distribuídas aleatoriamente em 18 boxes (6 boxes para cada tratamento, e 17 aves por box), cada uma com 3 bebedouros tipo nipple e um comedouro manual. As dimensões dos boxes de alta densidade eram de 1 x 1,3 m2, enquanto os boxes de baixa densidade. tiveram o mesmo número de animais alojados em uma maior área, com dimensões de 2 x 1,3 m2. As 319 aves restantes foram alojadas aleatoriamente por toda a sala e fora dos boxes para simular uma condição de sistema de produção comercial. Todas as aves foram alimentadas com ração comercial inicial do dia 1 ao dia 18 do experimento e do dia 18 até o final, cada linhagem foi alimentada com diferentes raçoes de acordo com suas demandas nutricionais. As seguintes etapas de análise de dados foram realizadas: seleção de dados, pré-processamento, transformação, mineração, análise e interpretação de resultados. Os algoritmos de classificação, decision tree (J48), SMO (Sequential Minimal Optimization), Naive Bayes e Multilayer Perceptron foram aplicados ao conjunto de dados de treino e teste para construção de um modelo de regras para a predição dos níveis de risco de amônia na criação dos frangos de corte. A técnica de validação cruzada (cross-validation) foi usada na parametrização da análise em todos os modelos. A partir do banco de dados da primeira fase de análise, com o classificador para predizer a condição de risco de concentração de amônia, o coeficiente de correlação de Spearman (?, rho), considerando a presença pododermatite, visão/afetada e lesão de mucosa que incluem avaliações de traqueia, brônquios, pulmões, olhos, lesão de patas, outras lesões. uma medida de correlação não-paramétrica foi aplicada aos dados de incidência de lesões em função do nível de risco da amônia (1 e 10 ppm) com objetivo de correlacionar a incidência de lesões e o nível de amônia nas condições estudadas. O melhor modelo preditivo capaz de avaliar e obter melhor desempenho é o Multilayer Perceptron quando consideramos maior acerto por nível de risco de exposição à amônia no processo de produção de frangos de corte, incluindo crescimento rápido e lento. Aves expostas à maiores níveis de concentração de amônia apresentam coeficiente de correlação maior quando forte é a relação entre as variáveis. O coeficiente de correlação de Spearman mostra uma associação mais forte entre maiores riscos de exposição à amônia e a incidência de lesões nos frangos Ver menos

Abstract: Ammonia is an important pollutant emitted by broiler litter that can accumulate inside farms, impairing animal health and welfare productivity. The first study was designed to evaluate of precision husbandry practices such as the effect of ventilation, animal density and growth rate as management options to reduce the adverse effects of ammonia exposure on productive parameters in broiler houses. Two identical experimental rooms were used in this study. They were programmed to differ in ammonia concentration from day 32 of the growing period (10 and 20 ppm in Room 1 and Room 2, respectively). Three treatments were tested in each room: slow growth in high stocking density (SHD), fast growth in low density (FLD) and fast growth in high density (FHD). Animal weight, feed intake and feed conversion ratio were determined weekly. In addition, the imune status of animals was assessed by weighing the organs related to immune response as stress indicators. Increasing ventilation was effective to control ammonia concentrations. Exposure to ammonia caused no significant effect on productive parameters. However, lowering stocking density improved response to higher ammonia concentrations by lowering the feed conversion ratio. No other relevant effects of differential exposure to ammonia were found in fast-growing animals, either at high or low stocking density. The use of slow-growing breeds had no effect on production parameters. Despite having a slower growth rate, their feed conversion ratio was not different from that of fast-growing breeds. The productive performance of slow-growing animals was not affected by the differential exposure to ammonia, but the reduced spleen size would suggest an impairment of the immune system. The objective of the second study was to predict the risk of exposure to ammonia concentration in the production of slow- and fast-growing strains of chickens with low and high production density and to correlate it with the incidence of injuries to the health of broilers using a learning approach machine. Two commercial broiler chicken strains were used, one fast-growing (Ross®, slaughter age 42 days) and the other slow growing (Hubbard®, slaughter age 63 days). All slow-growing birds were stocked at a density of 32 kg/m2. Fast growing birds were stocked at two different stocking densities: low stocking density with a final stocking of 16 kg/m2 and high stocking density with a final stocking density of 32 kg/m2. A total of 1250 birds were used in this experiment, 450 of which were fast-growing and 800 were slow growing. In each room, 306 birds were randomly distributed in 18 boxes (6 boxes for each treatment and 17 birds per box), each with 3 nipple drinkers and a manual feeder. The dimensions of the high-density boxes were 1 x 1.3 m2, while the low density boxes. had the same number of animals stocked in a larger area, with dimensions of 2 x 1.3 m2. The remaining 319 birds were randomly stocked throughout the room and outside the pens to simulate a commercial production system condition. All birds were fed initial commercial feed from day 1 to day 18 of the experiment, and from day 18 to the end, each strain was fed different feeds according to their nutritional demands. The following steps of data analysis were performed: data selection, pre-processing, transformation, mining, analysis, and interpretation of results. The classification algorithms, decision tree (J48), SMO (Sequential minimal Optimization), Naive Bayes and Multilayer Perceptron were applied to the training and test datasets to build a model of rules for predicting risk levels of ammonia in broiler rearing. The cross - validation technique was used to parameterize the analysis in all models. From the database of the first phase of analysis, with the classifier to predict the condition of risk of ammonia concentration, the Spearman correlation coefficient (?, rho), considering the presence of pododermatitis , vision/affected, and mucosal lesion, which include assessments of the trachea, bronchi, lungs, eyes, paw injuries, and other injuries, a non-parametric correlation measure was applied to the injury incidence data as a function of the risk level of ammonia (1 and 10 ppm ) with the aim of correlating the incidence of injuries and the level of ammonia in the studied conditions. The results showed that there is a significant correlation between ammonia concentration and injury incidence, with an increase in ammonia concentration leading to an increase in injury incidence. The best predictive model capable of evaluating and obtaining better performance is the Multilayer Perceptron when we consider greater accuracy by risk level of exposure to ammonia in the broiler production process, including fast and slow growth. Birds exposed to higher levels of ammonia concentration have a higher correlation coefficient when the relationship between the variables is strong. Spearman 's correlation coefficient shows a stronger association between higher risks of exposure to ammonia and the incidence of lesions in chickens Ver menos