Ganadería de precisión en porcinos

La producción ganadera ha evolucionado rápidamente en las últimas décadas. ganadería

Las exigencias sociales en ámbitos como la Seguridad Alimentaria, la protección del medioambiente y del Bienestar Animal han obligado a modificar la genética, alimentación, instalaciones y estrategias de manejo.

Estamos ante sistemas de producción de alta especialización en los que es fundamental tener un control de los animales de la forma más precisa posible que permita anticiparse a los problemas productivos, de bienestar o estrés.

 

En este sentido, las nuevas tecnologías pueden jugar un papel muy significativo.

Estos sistemas han permitido modernizar las explotaciones ganaderas a través de la Ganadería de Precisión que se basa en la utilización de tecnologías avanzadas para optimizar el funcionamiento de las explotaciones a través de la monitorización individual de los animales (Banhazi et al., 2010).

La Ganadería de Precisión tiene el gran potencial de:

Ayudar a los ganaderos a criar a los animales en las mejores condiciones posibles (Berckmans y Guarino, 2017).

Apoyar en la toma de decisiones a través de la optimización de la información (Bahlo et al., 2019; Lindblom et al., 2017).

En los últimos años se ha producido un importante avance en el desarrollo de sensores que permiten evaluar la actividad, comportamiento, bienestar animal, salud y producción de los animales de granja.

 

USOS PRÁCTICOS DE LA GANADERÍA DE PRECISIÓN EN PORCINO

La ganadería de precisión se basa en la recogida de información (de forma lo más individualizada posible) para la toma de decisiones en granja.

Esta información puede generarse en base al propio animal o a su entorno.

PARA SEGUIR LEYENDO REGISTRESE ES TOTALMENTE GRATUITO Acceso a los artículos en PDF
Mantente al día con nuestros boletines
Reciba gratuitamente la revista en versión digital REGISTRO ACCEDA A
SU CUENTA ACCEDER ¿Ha perdido la contraseña?

Información basada en el animal Si la información se recoge directamente sobre el animal, se pueden considerar varios tipos de información: La propia identificación individual Información sobre el consumo de alimento y agua Información sobre el desarrollo y crecimiento Información sobre parámetros de comportamiento y fisiológicos Información basada en el entorno Cuando la información se recoge en el entorno, fundamentalmente, se pueden monitorizar las condiciones ambientales.

Toda esta información se puede utilizar con diferentes objetivos, desde el control de la producción a la mejora de la salud y bienestar de los animales, con la consecuente reducción en el uso de antibióticos e incluso mejoras en la eficiencia ambiental del proceso productivo.

A continuación, se repasan las tecnologías que se encuentran desarrolladas o en proceso de desarrollo en el sector porcino y que persiguen alcanzar estos objetivos.

 

Identificación electrónica 

La identificación individual de los animales, pese a no ser obligatoria en la actualidad en el caso del ganado porcino, es la base de la recogida individualizada de información de los animales.

Este tipo de sistemas, basados normalmente en tecnología RFID (identificación por radiofrecuencia), se utilizan frecuentemente en cerdas reproductoras con sistemas de alimentación en grupo y comienzan a extenderse a otros animales de abasto con el fin de mejorar la trazabilidad (Caja et al., 2005).

Los sistemas de identificación electrónica permiten que otras herramientas tecnológicas (ej.: estaciones de alimentación) reconozcan de forma inequívoca a los animales, generándose así una valiosa información individualizada.

 

Pesaje de animales y detección de problemas de bienestar por imagen ganadería

  ESTIMACIÓN DE PESO   

Es necesario conocer el peso de los animales en diferentes momentos de su desarrollo para la toma de decisiones y se ha demostrado que determinadas características morfológicas pueden utilizarse para estimar el peso de los cerdos de forma bastante ajustada (Banik et al., 2012), existiendo un gran potencial para obtener estas mediciones de forma automática en base a imágenes captadas por cámaras.

Actualmente, existen en el mercado diversas soluciones que permiten estimar el peso de los cerdos a través de imágenes con un error relativamente bajo (Bohj et al., 2022).

Estos sistemas han evolucionado de forma muy rápida, combinando la potencia de hardware (cámaras 2D y 3D) y software que permiten procesar las imágenes (Imagen 1).

Actualmente, es posible estimar el peso de los cerdos, aunque se encuentren en movimiento, sin necesidad de trabarlos, con la ventaja que presenta esto también desde el punto de vista del Bienestar Animal.

  MONITORIZACIÓN DEL COMPORTAMIENTO  

La tecnología por imagen también puede utilizarse para evaluar el comportamiento de los animales (Lao et al., 2016; Leonard et al., 2019), permitiendo identificar problemas de comportamiento y Bienestar Animal (Chen et al., 2019; Li et al., 2020) o incluso analizar parámetros de interés para la producción como el consumo de agua y alimento (Zhu et al., 2017). ganadería

 

Micrófonos para detectar problemas de salud y comportamiento 

Las vocalizaciones de los cerdos pueden ser indicadores de un problema de estrés en la explotación. Asimismo, la tos es un indicador de problemas respiratorios.

Estos sonidos se pueden monitorizar en las explotaciones a través de micrófonos y existen algoritmos que son capaces de discernir cuándo se está produciendo un problema (Silva et al., 2008; Vandermeulen et al., 2015).

Monitorización de la alimentación 

La monitorización de la alimentación es, quizá, uno de los aspectos que más ha evolucionado en el caso del porcino.

Existen diversos tipos de tecnologías disponibles para la monitorización del consumo de alimento y agua (Gómez et al., 2021), desde la propia identificación electrónica de los animales en comederos y bebederos (acompañada de básculas para control de consumo, por ejemplo), hasta sistemas más complejos basados en el movimiento del animal o incluso a través de cámaras que detectan la posición de los animales.

La monitorización del consumo basada en la identificación electrónica de los animales ya se encuentra extendida en muchas explotaciones, no solo para cerdas gestantes sino también en otras fases productivas, siendo el error de medida bastante reducido (Faltys et al., 2014).

La información obtenida de estos sistemas puede resultar muy interesante si se combina con datos productivos de los animales, permitiendo la toma de decisiones a nivel individual para alcanzar los objetivos productivos o incluso desde el punto de vista de la selección genética de animales con mayor eficiencia.

Monitorización de actividad y posición 

Identificar el tipo de actividad que está realizando el animal es clave desde el punto de vista de la salud y Bienestar Animal.

Los acelerómetros permiten detectar los movimientos que realiza el animal (normalmente con una componente tridimensional) y, a través de complejos algoritmos matemáticos, se puede estimar el tipo de actividad que está desarrollando en cada momento.

En el caso del ganado porcino, esta información puede emplearse para detectar problemas locomotores o comportamentales en base a las pautas de comportamiento normales de los animales (Rodríguez-Baena et al., 2020). Este tipo de sensores se han desarrollado fundamentalmente para cerdas reproductoras.

El uso de sistemas de posicionamiento GPS en porcino extensivo se encuentra aún en desarrollo pese a que su uso es frecuente en especies como el vacuno (Ungar et al., 2005).

La necesidad de sistemas compactos en el caso del porcino hace que la limitación de la duración de la batería se convierta en un reto a solucionar a nivel tecnológico.

Monitorización de temperatura  ganadería

La temperatura corporal es un indicador de salud de los animales. Uno de los mejores indicadores de la temperatura corporal es la temperatura rectal, pero no se trata de una variable fácil de recoger en condiciones comerciales de forma rutinaria.

Las cámaras termográficas son una herramienta prometedora que permite medir la temperatura superficial de los animales de forma rápida y automática (Imagen 2), habiéndose encontrado una correlación satisfactoria entre la temperatura interna del animal y las mediciones con este sistema (Petry et al., 2017).

Esta información se ha empleado con éxito para:

La identificación de animales enfermos (Loughmiller et al., 2001)
La detección de animales con cojeras (Amezcua et al., 2014)
La detección de celos (Sykes et al., 2012)
La detección de episodios de estrés (da Fonseca et al., 2020) ganadería

Condiciones ambientales  ganadería

Finalmente, como parte esencial de la ganadería de precisión, quedan las herramientas destinadas a controlar las condiciones de cría.

Es bien conocido el efecto que tienen las condiciones ambientales sobre la salud y productividad de los animales y, desde hace décadas, se utilizan sensores en las granjas para conocer estas condiciones y optimizar su manejo (Fournel et al., 2017).

No obstante, el desarrollo de nuevos sistemas de sensorización es incipiente (Hwang and Youe, 2010), no en lo que respecta a la tecnología de medición, sino también desde el punto de vista del análisis de los datos observados y la toma de decisiones en remoto (Ryu et al., 2015).

CONCLUSIONES Y RETOS 

La transformación digital del sector ganadero es una realidad, quedando patente que la ganadería de precisión ya está introducida en las granjas y se extenderá en los próximos años aún más.

El desarrollo de herramientas es cada vez mayor, pero no se debe olvidar que estas herramientas son un apoyo para el productor y en ningún caso deben reemplazar el criterio de actuación del personal técnico.

Más allá de los retos tecnológicos del desarrollo de nuevos sensores, actualmente ya se han detectado varios ejes estratégicos que deben afrontarse dentro de este ámbito.

En primer lugar, es necesario desarrollar algoritmos más precisos, puesto que actualmente, siguiendo el principio de prudencia, los sistemas generan un exceso de alertas/alarmas automáticas con un elevado número de falsos positivos que pueden llevar al técnico a ignorar las señales generadas.

Por otro lado, la gran magnitud de datos que se generan en las explotaciones es difícil de manejar. Las aproximaciones relacionadas con el trabajo en la nube, Big Data y el Internet de las cosas (IoT) cada vez resuenan más, pero aún se necesita desarrollo.

Otro de los retos que surgen a raíz de la generación de la información es la propiedad y uso de los datos, ya que, dependiendo del caso, puede pertenecer a la empresa propietaria de la tecnología y los algoritmos, al ganadero o ser compartida.

Finalmente, pese a que la tecnología avanza constantemente y los costes se van reduciendo, muchos de estos sistemas aún están lejos de poder implementarse de forma masiva. En cualquier caso, la mayor parte de estas tecnologías tienen un retorno suficiente como para que su implementación resulte económicamente viable a medio plazo. ganadería

BIBLIOGRAFIA
Amezcua R, Walsh S, Luimes PH, Friendship RM. (2014) Infrared thermography to evaluate lameness in pregnant sows. Can Vet J. 55:268–72.

Bahlo, C., Dahlhaus, P., Thompson, H., Trotter, M. (2019). The role of interoperable data standards in precision livestock farming in extensive livestock systems: a review. Comput. Electron. Agric. 156, 459-466.

Banhazi, T.M., Lehr, H., Black, J.L., Crabtee, H., Schofield, C.P., Tscharke, M. and Berckmans, D. (2012). Precision Livestock Farming: An international review of scientific and commercial aspects. International Journal of Agricultural and Biological Engineering 5:1-9

Banik, S. ; Naskar, S. ; Pankaj, P. K. ; Sahoo, N. R. ; Tamuli, M. K. ; Das, A. (2012). Effect of different body measurements on body weight in Ghungroo pigs. Indian Journal of Animal Sciences 2012 Vol.82 No.9 pp.1094-1097

Berckmans, D., Guarino, M. (2017). From the Editors: precision livestock farming for the global livestock sector. Anim. Front. 7 (1), 4-5.

Bishop, J.C., Falzon, G., Trotter, M., Kwan, P., Meek, P.D., 2019. Livestock vocalisation classification in farm soundscapes. Comput. Electron. Agric. 162, 531-542.

Bhoj, H., Tarafdar, A., Chauhan, A., Singh, M., Gaur, G.K. (2022). Image processing strategies for pig liveweight measurement: Updates and challenges. Computers and Electronics in Agriculture, Volume 193, 106693.

Brown-Brandl, T.M., Eigenberg, R.A., Purswell, J.L. (2013). Using thermal imaging as a method of investigating thermal thresholds in finishing pigs. Biosystems Engineering, 114 (3): 327-333.

Caja, G., Hernández-Jover, M., Conill, C., Garín, D., Alabern, X., Farriol, B., Ghirardi, J. (2005). Use of ear tags and injectable transponders for the identification and traceability of pigs from birth to the end of the slaughter line. Journal of Animal Science, Volume 83, Issue 9, Pages 2215–2224,

Chen C, Zhu W, Liu D, Steibel J, Siegford J, Wurtz K, et al. (2019). Detection of aggressive behaviours in pigs using a RealSence depth sensor. Comput Electron Agric. 166:105003.

Faltys, G. L., Young, J.M., Odgaard, R.L., Murphy, R.B., Lechtenberg, K.F. (2014) Technical note: Validation of electronic feeding stations as a swine research tool, Journal of Animal Science, Volume 92, Issue 1, Pages 272–276

da Fonseca FN, Abe JM, de Alencar Nääs I, da Silva Cordeiro AF, do Amaral FV, Ungaro HC. (2020) Automatic prediction of stress in piglets (Sus Scrofa) using infrared skin temperature. Comput Electron Agric. 168: 105148

Fournel, S., Rousseau, A.N., and Laberge, B. (2017). Rethinking environment control strategy of confined animal housing systems through precision livestock farming. Biosystems Engineering 155: 96-123

Gómez Y, Stygar AH, Boumans IJMM, Bokkers EAM, Pedersen LJ, Niemi JK, Pastell M, Manteca X and Llonch P (2021) A Systematic Review on Validated Precision Livestock Farming Technologies for Pig Production and Its Potential to Assess Animal Welfare. Front. Vet. Sci. 8:660565.

Lao F, Brown-Brandl T, Stinn JP, Liu K, Teng G, Xin H. (2016). Automatic recognition of lactating sow behaviors through depth image processing. Comput Electron Agric. 125:56–62.

Leonard SMM, Xin H, Brown-Brandl TMM, Ramirez BCC. (2019). Development and application of an image acquisition system for characterizing sow behaviors in farrowing stalls. Comput Electron Agric. 163:104866.

Li YZ, Johnston LJLJ, Dawkins MSMS. (2020). Utilization of optical flow algorithms to monitor development of tail biting outbreaks in pigs. Animals. 10:323

Lindblom, J., Lundstrom, C., Ljung, M., Jonsson, A. (2017). Promoting sustainable intensification in precision agriculture: review of decision support systems development and strategies. Precis. Agric. 18 (3), 309-331.

Loughmiller JA, Spire ME, Dritz SS, Fenwick BW, Hosni MH, Hogge SB. (2001). Relationship between mean body surface temperature measured by use of infrared thermography and ambient temperature in clinically normal pigs and pigs inoculated with Actinobacillus pleuropneumoniae.

Lovarelli, D., Bacenetti, J., Guarino, M. (2020). A review on dairy cattle farming: Is precision livestock farming the compromise for an environmental, economic and social sustainable production?. Journal of cleaner production, 262, 121409.

Petry, A., McGilvray, W., Rakhshandeh, A.R., Rakhshandeh, A. (2017). Technical note: Assessment of an alternative technique for measuring body temperature in pigs, Journal of Animal Science, Volume 95, Issue 7, Pages 3270–3274,

Rodriguez-Baena, D.S., Gomez-Vela, F.A., García-Torres, M., Divina, F., Barranco, C.D., Daz-Diaz, N., Jimenez, M., Montalvo, G. (2020). Identifying livestock behavior patterns based on accelerometer dataset. Journal of Computational Science, Volume 41, 101076.

Ryu, M., Yun, J., Miao, T., Ahn, I.Y., Choi, S.C., Kim, J. (2015). Design and implementation of a connected farm for smart farming system. IEEE SENSORS, 2015, pp. 1-4.

Silva, M., Ferrari, S., Costa, A., Aerts, J.M., Guarino, M, Berckmans, D. (2008). Cough localization for the detection of respiratory diseases in pig houses. Computers and Electronics in Agriculture, Volume 64, Issue 2, Pages 286-292.

 

Más sobre bienestar porcino