Reconocimiento del comportamiento en ganado caprino semiextensivo con acelerometría y geoposicionamiento mediante técnicas de aprendizaje automático

Abstract

El uso de la tecnología de sensores, junto con técnicas avanzadas de aprendizaje automático (ML), puede aumentar la eficiencia de la producción ganadera. Dado el impacto de las prácticas de gestión animal en los elementos productivos y las nuevas exigencias de la normativa de bienestar animal, los ganaderos exigen nuevos enfoques en el control de la actividad de sus efectivos. Sin embargo, a medida que las explotaciones ganaderas crecen se hace más difícil incluso registrar adecuadamente a cada animal en los cuadernos de explotación. En este contexto, el apoyo a los ganaderos mediante técnicas de precisión es un gran paso para mejorar la eficiencia económica y establecer ámbitos de trabajo sostenibles y con una menor huella ambiental. Los modelos matemáticos se han utilizado desde hace casi un siglo aplicando este tipo de técnicas en la producción animal para la optimización del crecimiento, la selección y la alimentación de los animales. Sin embargo, los grandes volúmenes de datos involucrados requieren enfoques de ML. Los modelos de evaluación del bienestar y la actividad reproductiva utilizados en este trabajo requieren cantidades masivas de registros de sensores y de video. Como fase preliminar, se pondrá a punto una plataforma de integración de registros mediante la grabación de vídeo y recogida de parámetros ambientales con unos sensores de desarrollo propio. La elección del ganado caprino se debe a la riqueza de su comportamiento, que roza la hiperactividad, en comparación con otras especies más pasivas como bovino y ovino. La intervención sobre los animales es totalmente inocua, limitándose a colocar un collar muy ligero. Las sesiones de trabajo han tenido una duración de una hora, con los animales deambulando libremente en un patio en el marco de su rutina habitual.