Introdução: como a IoT se tornou uma arma de alerta precoce contra a peste suína africana

Nas doenças animais, quanto antes se souber, melhor. A peste suína africana (African Swine Fever, ASF), uma das doenças infecciosas de suínos mais devastadoras do mundo: o Vietnã aprovou desde 2022 vacinas vivas atenuadas de produção nacional, mas internacionalmente ainda há dúvidas sobre sua segurança e Taiwan não aprovou seu uso, de modo que a prevenção só pode se basear na biossegurança. A internet das coisas (Internet of Things, IoT) aplicada às granjas, ou seja, a “pecuária de precisão” (Precision Livestock Farming, PLF), pode ajudar a detectar surtos com antecedência.
A pecuária de precisão usa sensores, câmeras e algoritmos para construir para os porcos um sistema de observação da saúde 24 horas por dia. Segundo a revisão sistemática de Gómez et al. (2021) publicada na “Frontiers in Veterinary Science”, as tecnologias de internet das coisas podem coletar continuamente dados de comportamento, fisiológicos e ambientais, e têm grande potencial para melhorar o bem-estar dos porcos e o manejo de doenças. Estas são as três áreas de aplicação dessa tecnologia no alerta antecipado da peste suína africana:

1. Detecção de comportamento anormal: os padrões de atividade como primeira linha de alerta precoce

O comportamento diário dos porcos permite ver seu estado de saúde. Segundo uma pesquisa de Huang et al. (2024) publicada na “Computers and Electronics in Agriculture”, os porcos sadios apresentam picos claros de atividade aproximadamente das 5 às 10 da manhã e das 2 às 6 da tarde, e as anomalias de atividade (por exemplo, quietude excessiva ou menor atividade) costumam ser sinais das primeiras fases de uma doença.
A peste suína africana provoca desde as fases iniciais mudanças de comportamento nos porcos, como letargia e menor movimentação. Com câmeras e acelerômetros (muitas vezes embutidos nos brincos), é possível acompanhar em tempo real o padrão de movimento e a postura de cada porco e, por algoritmos que comparam com o “ritmo diário normal”, identificar rapidamente os indivíduos com possíveis anomalias.
Além disso, segundo Arulmozhi et al. (2021) na revista “Animals”, esse tipo de monitoramento de comportamento baseado em imagens tem custo baixo e é especialmente adequado para granjas de suínos pequenas e médias.

2. Monitoramento da temperatura corporal: brincos digitais como a "pele sensível à temperatura" do suíno

O aumento da temperatura corporal é o indicador mais direto de inflamação e infecção. Gómez et al. (2021) apontam que dispositivos IoT, como câmeras termográficas, termômetros infravermelhos e sensores embutidos, já permitem monitorar de forma contínua e sem contato a temperatura da superfície corporal, melhorando significativamente a eficácia da detecção precoce.
Huang et al. (2024) também descobriram que, embora os dados de temperatura dos brincos sejam afetados pelo ambiente e pelo comportamento, é possível encontrar anomalias ocultas comparando-os com a "tendência geral do rebanho". Por exemplo, se um suíno apresenta repetidamente uma tendência de "queda da temperatura corporal" durante o dia, isso pode resultar de o animal procurar áreas mais frescas para descansar depois de uma febre; essa variação inversa é considerada um sintoma latente da doença.

3. Integração de dados: da detecção pontual ao alerta precoce abrangente

Um único sensor pode detectar anomalias, mas se forem integrados e comparados dados de comportamento, fisiológicos, de alimentação e de consumo de água, o alerta antecipado é mais preciso.
Segundo a revisão de literatura de Trabachini et al. (2025) na revista “Animals”, incorporar dados de vários sensores a modelos de IA, como Random Forest e sistemas de aprendizado profundo, permite distinguir de forma eficaz porcos normais e anormais e convertê-los em um critério de decisão que o responsável pode aplicar.
Além disso, combinando a tecnologia RFID com sensores de carga também é possível monitorar o comportamento de alimentação e de bebida de cada porco. Pequenas mudanças no padrão de consumo costumam ser uma das primeiras anomalias que aparecem antes da doença.

Conclusão: fazer os dados do galpão darem o alerta com antecedência

A pecuária de precisão forma um sistema de detecção com “olhos digitais” (câmeras) e “pele digital” (sensores), que compara em tempo real uma grande quantidade de dados e emite alertas de forma ativa antes que o surto estoure.

O Sistema de gestão de suínos da YenProtek pode começar pela integração de registros: o número do brinco liga os registros de reprodução, medicação, ambiente e biosseguridade, e o ambiente do galpão é medido pelo FarmerPack, que avisa quando o limite de cada galpão é ultrapassado.

Referências: