Avaliação Experimental do Desempenho de um Sistema RFID UHF Integrado a Plataforma Computacional para Rastreabilidade Bovina

Conteúdo do artigo principal

Fernando Caiado Fleury Araujo
Clarimar José Coelho
Antônio Marcos de Melo Medeiros

Resumo

A identificação eletrônica de bovinos por meio da tecnologia RFID é fundamental para a rastreabilidade e para a pecuária de precisão. Embora sistemas de baixa frequência (LF) sejam tradicionalmente empregados na identificação animal, a tecnologia UHF apresenta potencial para maior alcance e flexibilidade operacional, demandando avaliações experimentais específicas. Este estudo teve como objetivo avaliar o desempenho de um sistema RFID UHF (~900 MHz) desenvolvido para identificação bovina, integrado a uma plataforma computacional implementada em Python, com interface gráfica e banco de dados SQLite para armazenamento e gerenciamento dos dados em tempo real. A metodologia adotada consistiu na realização de ensaios experimentais em ambiente controlado, com 1000 interrogativas por condição e três repetições independentes, permitindo o cálculo da taxa de leitura, taxa de falha e variabilidade experimental por meio da média e do desvio padrão. Foram testadas distâncias de até 200 cm e ângulos de inclinação de 30°, 45° e 60°, mantendo constantes as demais configurações do sistema. Os resultados demonstraram taxas de leitura superiores a 95% em curtas distâncias e desempenho estável até aproximadamente 1 m, com redução progressiva da eficiência à medida que aumentaram a distância e o ângulo, observando-se queda acentuada a partir de 45°, evidenciando a influência do alinhamento entre a antena leitora e a TAG. Conclui-se que o sistema UHF, associado ao software de gerenciamento desenvolvido, apresenta potencial para aplicação em rastreabilidade bovina.

Detalhes do artigo

Seção
Artigos
Biografia do Autor

Fernando Caiado Fleury Araujo, PUC Goiás

Bacharel em Engenharia de Controle e Automação pela PUC Goiás (2017), Mestrando em Engenharia de Produção e Sistemas pela PUC Goiás e Especialista em Controle da Qualidade e Engenharia de Produção pelo IPOG (2020).

Clarimar José Coelho, PUC Goiás

Pós-doutorado pelo Instituto de Ciências Matemáticas e Computação da Universidade São Paulo, campus São Carlos (2014), Pós-doutorado pelo Instituto Tecnológico de Aeronáutica (2011), Doutorado em Engenharia Eletrônica e Computação pelo Instituto Tecnológico de Aeronáutica (2002).

Antônio Marcos de Melo Medeiros, PUC Goiás

Possui graduação em engenharia eletrica pela Universidade Federal de Goiás (2001), mestrado em Engenharia Elétrica e de Computação pela Universidade Federal de Goiás (2005) e doutorado em Agronomia pela Universidade Federal de Goiás (2010). 

Referências

Linaza MT, et al. Data-Driven Artificial Intelligence Applications for Sustainable Precision Agriculture. Agronomy, v. 11, n. 6, p. 1–25, 2021. Disponível em: https://doi.org/10.3390/agronomy11061227

Ben Ayed R; Hanana M. Artificial intelligence to improve the food and agriculture sector. Journal of Food Quality. Hindawi, 2021. Disponível em: https://doi.org/10.1155/2021/5584754

Elbasi E, et al. Artificial Intelligence Technology in the Agricultural Sector: A Systematic Literature Review. IEEE Access, vol. 11, pp. 171-202, 2023. Disponível em: https://doi.org/10.1109/ACCESS.2022.3232485

Yu Z, et al. Smart traceability for food safety. Critical Reviews in Food Science and Nutrition. Taylor & Francis, 2022. Disponível em: https://doi.org/10.1080/10408398.2020.1830262

Neethirajan S, Kemp B. Digital Twins in Livestock Farming. Animals. 2021; 11(4):1008. Disponível em: https://doi.org/10.3390/ani11041008

Matzembacher DE; et al. An integration of traceability elements and their impact in consumer’s trust. Food Control, v. 92, p. 420–429, 1 out. 2018. Disponível em: https://doi.org/10.1016/j.foodcont.2018.05.014

Akhigbe I, et al. IoT technologies for livestock management: a review of present status, opportunities, and future trends. Big Data and Cognitive Computing, v. 5, n. 1, 2021. Disponível em: https://doi.org/10.3390/bdcc5010010

Alonso RS, et al. An intelligent Edge-IoT platform for monitoring livestock and crops in a dairy farming scenario. Ad Hoc Networks, v. 98, 1 mar. 2020a. Disponível em: https://doi.org/10.1016/j.adhoc.2019.102047

Torky M, Hassanein AE. Integrating blockchain and the internet of things in precision agriculture: analysis, opportunities, and challenges. Computers and Electronics in Agriculture. Elsevier, 1 nov. 2020. Disponível em: https://doi.org/10.1016/j.compag.2020.105476

Pedroso MC, Zwicker R, Souza CA. Adoção de RFID no Brasil: um estudo exploratório. Revista de Administração Mackenzie, São Paulo, v. 10, n. 1, p. 12-36, jan./fev. 2009. Disponível em: https://doi.org/10.1590/S1678-69712009000100002

Yang L, Liu XY, Kim JS. Cloud-based livestock monitoring system using RFID and blockchain technology. In: IEEE, 1 ago. 2020. Disponível em: https://doi.org/10.1109/CSCloud-EdgeCom49738.2020.00049

Landaluce H, et al. A review of IoT sensing applications and challenges using RFID and wireless sensor networks. Sensors (Switzerland). MDPI, 1 maio 2020. Disponível em: https://doi.org/10.3390/s20092495

Brasil. Ministério da Agricultura, Pecuária e Abastecimento. Instrução Normativa nº 51, de 1º de outubro de 2018. Institui o Sistema Brasileiro de Identificação Individual de Bovinos e Bubalinos (SISBOV). Diário Oficial da União. 2018 Oct 2; Seção 1. Português.

Vijaya C, Paramita G, Giovanni P, Sunita M. An overview of smart agriculture using internet of things (IoT) and web services, Environmental and Sustainability Indicators, Volume 26, 2025. Disponível em: https://doi.org/10.1016/j.indic.2025.100607

Boonsong W. Animal identification and performance analysis based on RFID-IoT smart farming applications. Przeglad Elektrotechniczny, v. 98, n. 2, p. 6–9, 2022. Disponível em: https://doi.org/10.15199/48.2022.02.02

Rathod LM, Shivaputra A, Umadevi H, Nagamani K, Periyasamy S. Cloud Computing and Networking for SmartFarm AgriTech, Journal of Nanomaterials, 2022, 6491747, 7 pages, 2022. Disponível em: https://doi.org/10.1155/2022/6491747

Gupta Z, Bindal A, Chopra I. Smart agriculture: a comprehensive and analytical survey. In: IEEE, 2023.Disponível em: https://doi.org/10.1109/IC3I59117.2023.10397737

Montgomery DC. Design and Analysis of Experiments. 8th ed. New York: John Wiley & Sons; 2013.

Adrion F, Kapun A, Holland EM, Staiger M, Löb P, Gallmann E. Novel approach to determine the influence of pig and cattle ears on the performance of passive UHF-RFID ear tags, Computers and Electronics in Agriculture, Volume 140, 2017. Disponível em: https://doi.org/10.1016/j.compag.2017.06.004