La inteligencia artificial resuelve los retos de la cría porcina

La inteligencia artificial ha ganado una enorme atención para conseguir la eficiencia de la industria porcina mediante la recopilación de datos en tiempo real sobre el comportamiento alimentario y la ingesta de pienso.

Una estimación precisa del peso corporal de los cerdos es esencial para determinar los cerdos listos para el mercado y para reducir las pérdidas asociadas al proceso de clasificación. Pesar a los cerdos pasándolos por la báscula proporciona la medición más precisa del peso corporal. Sin embargo, esto lleva mucho tiempo y puede causar lesiones y estrés en los cerdos. La inteligencia artificial ha ganado una enorme atención para resolver los retos de la cría intensiva de cerdos y para mejorar la productividad y la eficiencia de la industria porcina mediante la recopilación de datos en tiempo real sobre el comportamiento alimentario y la ingesta de pienso.

El aprendizaje automático es uno de los modelos de inteligencia artificial más utilizados para la modelización, predicción y gestión de la ganadería porcina. Los modelos de aprendizaje automático incluyen principalmente algoritmos de árbol de decisión, agrupación, máquina de vectores de apoyo y el modelo de cadena de Markov, centrados en la detección de enfermedades, el reconocimiento de comportamientos para la clasificación postural y la detección de sonidos de los animales. Los investigadores de la Universidad Estatal de Carolina del Norte y de Smithfield Premium Genetics demostraron la aplicación de algoritmos de aprendizaje automático para estimar el peso corporal de cerdos en crecimiento a partir de datos sobre el comportamiento alimentario y la ingesta de pienso.

Recogida de datos

Se recogió información sobre la ingesta de alimento, el tiempo de ocupación del comedero y el peso corporal de 655 cerdos de 3 razas (Duroc, Landrace y Large White) de 75 a 166 días de edad. Se seleccionaron 2 algoritmos de aprendizaje automático (red de memoria a corto plazo y bosque aleatorio) para predecir el peso corporal de los cerdos utilizando 4 escenarios.

Se utilizó la memoria a corto plazo para predecir con precisión los datos de las series temporales debido a su capacidad de aprendizaje y almacenamiento de patrones a largo plazo en un orden dependiente de la secuencia y se utilizó el enfoque de bosque aleatorio como algoritmo representativo en el espacio del aprendizaje automático.

Los escenarios incluían un escenario de predicción informado individualmente, un escenario de predicción informado individualmente y en grupo, un escenario de predicción informado individualmente y en grupo específico para cada raza, y un escenario de predicción informado en grupo. Se construyeron 4 modelos, cada uno de ellos implementado con 3 algoritmos, y se entrenaron con diferentes subconjuntos de datos recogidos a lo largo del periodo de crecimiento y finalización para predecir el peso corporal de individuos o grupos de cerdos.

Predicción del peso corporal a partir de los datos de comportamiento

En general, a medida que los cerdos maduraban y ganaban peso, la ingesta diaria de alimento aumentaba, mientras que el número de visitas diarias y el tiempo de ocupación diario disminuían. En general, el escenario de predicción con información individual logró mejores resultados de predicción que los escenarios de predicción con información individual y grupal en términos de correlación, precisión, sensibilidad y especificidad. La mayor correlación fue de 0,87 y la mayor precisión fue de 0,89 para la predicción informada individualmente, mientras que fueron de 0,84 y 0,85 para las predicciones informadas individualmente y en grupo, respectivamente. El efecto de la adición de datos sobre el comportamiento alimentario y la ingesta de pienso varió entre los algoritmos y los escenarios, desde una pequeña a una moderada mejora en el rendimiento predictivo.

TE PUEDE GUSTAR

EVENTOS

RECIBE NUESTRA NEWSLETTER

*Email:

*Nombre:

*Empresa:

Cargo:

Sector:
     

Please don't insert text in the box below!

ESCUCHA NUESTRO PODCAST

SÍGUENOS EN RRSS

MÁS COMENTADOS

Scroll al inicio
Resumen de privacidad

Las cookies y otras tecnologías similares son una parte esencial de cómo funciona nuestra web. El objetivo principal de las cookies es que tu experiencia de navegación sea más cómoda y eficiente y poder mejorar nuestros servicios y la propia web. Aquí podrás obtener toda la información sobre las cookies que utilizamos y podrás activar y/o desactivar las mismas de acuerdo con tus preferencias, salvo aquellas Cookies que son estrictamente necesarias para el funcionamiento de la web de BigDataMagazine. Ten en cuenta que el bloqueo de algunas cookies puede afectar tu experiencia en la web y el funcionamiento de la misma. Al pulsar “Guardar cambios”, se guardará la selección de cookies que has realizado. Si no has seleccionado ninguna opción, pulsar este botón equivaldrá a rechazar todas las cookies. Para más información puedes visitar nuestra Políticas de Cookies. Podrás cambiar en cualquier momento tus preferencias de cookies pinchando en el enlace “Preferencias de cookies” situado en la parte inferior de nuestra web.