Machine Learning una herramienta para mejorar la gestión y aprendizaje en las granjas de cerdos
MV MSc. Eugenio Valette
Cómo utilizar el Machine Learning para beneficio productivo
Esta nueva tecnología vino para quedarse y su mayor aporte (por ahora) es disminuir tiempos en los análisis productivos, lo que permite también predecir el comportamiento.
Si bien en la agricultura ha adoptado rápidamente a esta herramienta, aún en la producción animal no se ha extendido masivamente. Es por eso que debemos trabajar para lograr una Ganadería de Precisión, desarrollando sistemas de monitoreo y control que permitan tomar decisiones, en tiempo real, basadas en evidencias. (Berckmans and Guarino, 2017). Y enlazado con este concepto seguramente el ML va a determinar el crecimiento de las organizaciones.
Hoy a diferencia de lo que ocurría antiguamente, las barreras para utilizar herramientas de machine learning son inferiores, puesto que son de fácil acceso las plataformas en la nube, que ofrecen empresas como: Google, Microsoft, Amazon, IBM, etc.
Pensando en nuestra realidad
Dentro de los costos más importantes en la producción porcina están: la alimentación y los costos asociados a enfermedades más el capital humano. Este último es el encargado de evaluar las tasas de alimentación, identificar y tratar enfermedades y además se encarga de la producción.
Por eso se cree que el cuello de botella, en una granja, está dado por la capacidad de gestionar que tienen las personas que claramente al utilizar estas herramientas se amplían de manera incalculable, sus capacidades.
La innovación del ML
Esta herramienta es el final de un sistema articulado que va desde la recolección de la información, el almacenamiento, el análisis, la programación en las máquinas y luego como resultado se obtienen los algoritmos que son los que van a advertirnos.
La recolección de datos puede estar dada por un sensor que registra, el segundo paso es almacenarlo en grandes bases de datos de diferentes orígenes (Big Data), se procesa en máquinas que aprenden (Machine Learning) y luego se aplican los diferentes algoritmos que son los que predecirán el comportamiento. (Fig. 1).
Por lo tanto, en la producción porcina, los sensores, los macrodatos y los algoritmos avanzados de inteligencia artificial y aprendizaje automático van de la mano para brindar un recurso de gestión completo.
Si nos enfocamos según los factores de producción podemos ver que los rubros que han tomado la delantera en ML, son: la nutrición, el bienestar animal, la sanidad y la genética.
Respecto a la nutrición desde hace más de una década que se utilizan sensores, mediciones y análisis de patrones de consumo, que luego planifican la alimentación de cerdas en gestación, mediante las ESF (Electronic Sow Feeder). Hace menos años se incorporaron estos sistemas en la maternidad y actualmente se están probando sistemas para el engorde.
En cuanto a la genética con el avance del aprendizaje automático, las casas de genética están utilizando la tomografía computarizada para seleccionar reproductores por el valor de la carne, enseñando a las computadoras, como una suerte de Carnicero Virtual.
Sobre Sanidad ya están en funcionamiento modelos que predicen el comportamiento de las enfermedades en base a los análisis combinados en granja como así también epidemiológicos y a la faena. Todo esto conectado mediante aplicaciones que toman en tiempo real los signos clínicos, las vacunaciones, los tratamientos y los porcentajes de mortalidad según ubicación y edad. A su vez trackean los tiempos y operarios que realizan las tareas, junto con las condiciones edilicias y medioambientales de producción.
Un aspecto muy importante que ya se está trabajando en nuestro país, es el bienestar.
En Argentina se trabaja fuertemente concientizando al sector productivo para avanzar hacia el futuro y también poder acceder a mercados exigentes.
Es por esto por lo que la Universidad Nacional de La Plata, realizó en el año 2020 un trabajo de investigación sobre comportamiento animal y bienestar.
El objetivo de este trabajo fue evaluar el comportamiento de lechones en etapa de recría, a través de la interpretación de los registros obtenidos con imágenes digitales, y relacionarla con parámetros productivos.
Lo que se demostró mediante el análisis, fue que aquellos animales que ocupaban más tiempo en peleas sufrían un desmedro en su Ganancia Diaria de Peso, sin tener una relación estadísticamente significativa, ni el tiempo dedicado a comer ni el tiempo dedicado a otras actividades sociales.
En conclusión, es fundamental que se valoren y se implementen estas herramientas de “gestión y aprendizaje” para mejorar la toma de decisiones. Pero también debemos enfrentarnos al desafío de capacitar cada vez más a los operarios y trabajadores del sector, para que estén preparados puedan maximizar estas herramientas y así mejorar los resultados.
Referencias
- Koketsu and Iida. Farm data analysis for lifetime performance components of sows and their predictors in breeding herds. Porcine Health Management (2020) 6:24
- Morota G et al. Presentación en The Big Data Analytics and Precision Animal Agriculture Symposium entitled “Applications of data mining and prediction methods to animal sciences”. 2017, Baltimore, MD
- Suresh Neethirajan. The role of sensors, big data and machine learning in modern animal farming. Science Direct. 2020.
- Williams, S.I., Vera Medrano, M., Fages, S., Compagnoni, M., Valette, E. y Bonaura, C. Interpretación del Comportamiento del lechones a través del registro por imágenes. 2020. Facultad de Ciencias Veterinarias, Universidad Nacional de la Plata (UNLP), La Plata, Buenos Aires, Argentina.
