Evaluación del Bienestar Animal
|
El carácter multidimensional del Bienestar Animal hace que no sea posible medirlo con un solo indicador, sino que, a menudo, deben integrarse diferentes parámetros para conseguir una evaluación correcta.
| La evaluación del Bienestar Animal puede basarse en indicadores que se observan o miden directamente sobre el animal, pero también se puede incorporar información del sistema productivo (alojamiento, ambiente, etc.) que se consideraría un modo de evaluación más indirecto. |
El uso de tecnología para monitorizar los sistemas de producción animal, a menudo conocido como ganadería de precisión, está ganando protagonismo, contribuyendo a:
Las nuevas tecnologías también se están incorporando al campo del Bienestar Animal y, según Gómez et al. (2021), pueden presentar ventajas como:
|
|
Tecnologías para monitorizar bienestar animal y salud
En este artículo se describen algunas tecnologías emergentes que pueden ayudar en la monitorización de la Salud y Bienestar Animal.
| Para una revisión exhaustiva de estas tecnologías se puede visitar la página web del proyecto Clear Farm (www.clearfarm.eu), liderado por la Universitat Autónoma de Barcelona. |
|
A modo organizativo y para permitir una comparación entre medidas del animal y tecnologías disponibles, se han agrupado estas nuevas tecnologías en torno a los cuatro criterios de Bienestar Animal definidos por el proyecto Welfare Quality (www.welfarequalitynetwork.net), que utiliza mayoritariamente medidas sobre el animal.
No obstante, es evidente que algunas de las nuevas tecnologías pueden ser útiles para más de un criterio. |
Nuevas tecnologías para evaluar una BUENA ALIMENTACIÓN
Uno de los parámetros que resulta de gran utilidad para el ganadero es conocer el peso vivo de sus animales en todas las fases productivas, tanto como medida para ajustar la alimentación, como para tomar decisiones sobre envío a matadero.
Según el protocolo de Welfare Quality, la medida sobre el animal que se evalúa es la condición corporal.
A nivel de tecnologías, existen dos grandes opciones que podrían permitir una monitorización automática y continua:
|
Este sistema ya se implementa a nivel comercial, por ejemplo, en sistemas de cerdas gestantes en grupo o de cerdo de engorde como sistema de selección. Las básculas se suelen asociar al sistema de alimentación y pueden incorporar la identificación electrónica de los animales mediante sistema de chip RFDI.
|
|
La estimación del peso mediante sistemas de visión es un campo en desarrollo prometedor. Aunque existen algunos retos a solucionar como la identifi cación individual, tiene ventajas sobre los sistemas RFDI porque no es invasivo y ahorraría tiempo y estrés de manejo para los animales. En la actualidad se está trabajando en afinar los algoritmos de estimación y se han testado sistemas diferentes de cámaras, como las 3D, y resultados como los de Fernandes et al., (2019) con una estimación de precisión media de R2= 82% son prometedores (Imagen 1).
Imagen 1. Adquisición de medidas biométricas y morfológicas para la predicción del peso corporal de cerdos mediante la visión por ordenador en 3D |
|
La evaluación del protocolo Welfare Quality también incluye una revisión de los bebederos como medida para evaluar una buena hidratación. El aporte de suficiente agua y de calidad es fundamental para el bienestar animal y, hasta la fecha, ha sido un aspecto menos estudiado e implementado a nivel comercial. En este caso, las tecnologías podrían ayudar a superar las limitaciones de encontrar buenos indicadores a nivel del animal. Por ejemplo, existen sensores/medidores de flujo que permiten conocer el caudal de agua y la frecuencia de activación del sensor.
|
Nuevas tecnologías para evaluar un BUEN ALOJAMIENTO
Según el protocolo Welfare Quality, los parámetros que se miden para evaluar un buen alojamiento son aquellos que se asocian al confort térmico, al confort durante el descanso y la facilidad de movimiento. El confort del descanso se aborda posteriormente en el apartado de comportamiento adecuado.
En relación al confort térmico, a parte de los sistemas ya conocidos y ampliamente implementados de monitorización de parámetros ambientales como la temperatura y la humedad o el flujo de ventilación, existen también tecnologías para medir temperatura en el animal:
Las cámaras termográficas permiten evaluar de modo remoto la temperatura corporal (Figura 2). Las imágenes termográficas están dando buenos resultados para evaluar:
(revisado en Jansen et al., 2021)
Además de poder hacer mediciones a un nivel individual, también se ha probado su eficacia para detectar cambios en los patrones de agrupación o distribución en el espacio que puedan informar sobre cambios del estado de los animales (Cook et al., 2018).
En la actualidad, en el proyecto PIGWEB (www.pigweb.eu) se está evaluando la relación entre las imágenes termográficas y los indicadores fisiológicos de estado emocional y comportamiento (Teixeira et al., 2022).
En un artículo anterior (Fàbrega i Romans, 2019) publicado en la revista porciNews, se presentaron resultados del uso de la termografía, en este caso implementada en una aplicación de móvil, para predecir posibles problemas de salud.
Imagen 2. Imagen termográfica de un cerdo
| En general, la termografía es una tecnología que puede resultar de utilidad, sobre todo si se resuelve el principal problema actual que es el precio elevado de algunas de las cámaras, así como la necesidad de parametrizar bien la ubicación para evitar errores de lectura. |
Otro parámetro de Bienestar Animal relacionado con el alojamiento es la facilidad de movimiento para lo que se están desarrollando tecnologías que permiten la evaluación de las cojeras mediante placas de fuerza.
La idea fundamental de esta tecnología consiste en determinar cambios en la cinética del movimiento y en el apoyo de peso en cada una de las extremidades.
| Posiblemente en cerdas gestantes, una etapa productiva en la que las cojeras pueden ser limitantes a nivel productivo, y por el diseño de algunos sistemas de grupo que ya utilizan alimentación electrónica, es donde estas placas podrían resultar de mayor utilidad y a nivel experimental han dado buenos resultados (McNeil et al., 2018). |
Nuevas tecnologías para evaluar una BUENA SALUD
Los parámetros que se pueden utilizar para evaluar la existencia una buena salud son aquellos que monitorizan la ausencia de lesiones, de enfermedad o de dolor. Algunas tecnologías, aparte de aquellas que midan temperatura corporal que ya se han citado previamente, que pueden ayudar serían:
La medición de lesiones en vivo en la granja supone un gran reto porque las condiciones de alojamiento e iluminación, y la identificación del animal o de la lesión pueden ser complejos. Por ello, se ha sugerido que este tipo de lesiones podrían evaluarse mejor sobre la canal, sobre todo si se dispone de sistemas automatizados.
| Para las lesiones en el cuerpo ya existen algunas escalas visuales. Además, ya se han desarrollado algunos prototipos de cámaras en 2D, como la CLK de Blömke et al. (2020), que podría automatizar el proceso, no solo para lesiones en el cuerpo, sino también en orejas y cola. |
En relación a la cola, la necesidad de prevenir la caudofagia y tener datos sobre su incidencia real, ha llevado también a desarrollar otros prototipos, en fase de ser implementables a escala comercial, como la cámara TAILCAM© (originada en el proyecto PigWatch, www.pigwatch.net).
El uso que se está empezando a implementar a nivel comercial es el de aparatos que registran estornudos y tos, comparando con algoritmos de predicción, para predecir enfermedades respiratorias.
Nuevas tecnologías para evaluar UN COMPORTAMIENTO ADECUADO
Dentro de este apartado, se describen tecnologías que permiten dar información acerca de los patrones de actividad y conducta generales, con especial énfasis en conductas que podrían ser dañinas (caudofagia, conducta social negativa, etc.) o conductas muy necesarias (exploratoria, nidificación, etc.). Además, se describen también tecnologías encaminadas a evaluar una buena relación persona-animal (en inglés Human Animal Interaction, HAI).
La tecnología más explorada para evaluar comportamiento es la utilización de cámaras de diferentes tipos y con diferentes finalidades.
Se trata de una cámara en 3D que están desarrollando en el Scottish Rural Institute (SRUC) con el objetivo de detectar cambios en la posición de la cola de los cerdos y, mediante un sistema de algoritmos de comparación, emitir avisos o alarmas para el ganadero.
Imagen 3. Utilización de cámaras 3D para detectar la posición de cola en granja (Tail Tech©, D’Eath et al., 2018).
Se trata de una tecnología que mide el movimiento de los individuos en un grupo y que se puede utilizar para controlar cambios en los patrones de actividad tanto en humanos como en animales.
Se han realizado pruebas con cámaras en diferentes ubicaciones, con o sin infrarrojos, para detectar cambios en patrones de actividad y han demostrado tener un buen potencial (Von Jasmund et al., 2020).
Suele ser posible colocar los acelerómetros en un crotal, lo que resulta interesante en la especie porcina que es bastante reactiva ante la colocación de otros tipos de dispositivos en su cuerpo.
Los acelerómetros permiten detectar cambios posturales y de actividad, habiéndose usado para predecir partos (precisión del 86%), por los cambios que genera la conducta de nidificación, y para detectar cojeras (precisión del 93%) e incluso combinados con temperatura para generar alertas de enfermedad (revisado en Jansen et al., 2021).
En la actualidad se ha empezado a trabajar en algoritmos que, mediante sistemas de inteligencia artificial basados en machine learning, permitirán detectar si la reacción de los cerdos ante la presencia de una persona es de miedo o relajada, lo que se relaciona con el trato y manejo previo que hayan recibido esos individuos, entre otros factores (Baulida et al., 2022) (Imagen 4).
Imagen 4. Automatización del test HAI mediante inteligencia artificial (Fuente: Proyecto HAI 4.0 financiado por el Programa de Apoyo a Agrupaciones Empresariales Innovadoras del Ministerio de Industria, Comercio y Turismo).
Otro de los campos que está emergiendo es el del reconocimiento del estado emocional de los animales a partir de, por ejemplo, las expresiones faciales, tanto para detectar estados de dolor (parto, por ejemplo), como positivos (Hansen et al., 2018) (Imagen 5).
Imagen 5. Evaluación del estado emocional a través de la detección de expresiones faciales (Fuente: Emma Baxter).
 |
Bibliografía
Baulida, B., Piró, R., Galofré, R., Fàbrega, E. (2022). HAI 4.0: Human Animal Interaction Assessment by using Artificial Intelligence. En: proceedings del primer encuentro de la RED CIBA e ISAE South West Region. https://ddd.uab.cat/pub/poncom/2022/264636/RedCIBA_a2022.pdf
Cook NJJ, Bench CJJ, Liu T, Chabot B, Schaefer ALL. The automated analysis of clustering behaviour of piglets from thermal images in response to immune challenge by vaccination. Animal. (2018) 12:122–33. doi: 10.1017/S1751731117001239
D’Eath RB, Foister S, Jack M, Bowers N, Zhu Q, Barclay D, Baxter EM. Changes in tail posture detected by a 3D machine vision system are associated with injury from damaging behaviours and ill health on commercial pig farms. PLoS One. 2021 Oct 28;16(10):e0258895. doi: 10.1371/ journal.pone.0258895. PMID: 34710143; PMCID: PMC8553069.
Fàbrega i Romans, E. (2019). Proyecto EUPIG – Buenas prácticas de salud en granjas de comerciales de porcino. Revista Porcinews, (20).
Fernandes AFA, Dórea JRR, Fitzgerald R, Herring W, Rosa GJM. A novel automated system to acquire biometric and morphological measurements and predict body weight of pigs via 3D computer vision. J Anim Sci. (2019) 97:496–508. doi: 10.1093/jas/sky418
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. doi: 10.3389/fvets.2021.660565
Hansen, M., Smith, M., Smith, L., Salter, M., Baxter, E., Farish, M., & Grieve, B. (2018). Towards on-farm pig face recognition using convolutional neural networks. Computers In Industry, 98, 145-152. doi: 10.1016/j.compind.2018.02.016
Jasmund, N., Wellnitz, A, Stephan Krommweh, S., Büscher, W. (2020) Using Passive Infrared Detectors to Record Group Activity and Activity in Certain Focus Areas in Fattening Pigs Animals 2020, 10, 792; doi:10.3390/ani10050792
Larsen MLV, Pedersen LJ, Jensen DB. Prediction of tail biting events in finisher pigs from automatically recorded sensor data. Animals. (2019) 9:458. doi: 10.3390/ani9070458
Madsen TNTN, Kristensen ARAR. A model for monitoring the condition of young pigs by their drinking behaviour. Comput Electron Agric. (2005) 48:138–54. doi: 10.1016/j.compag.2005.02.014
McNeil B, Díaz JC, Bruns C, Stock J, Millman S, Johnson A, et al. Determining the time required to detect induced sow lameness using an embedded microcomputer-based force plate system. Am J Anim Vet Sci. (2018) 13:59–65. doi: 10.3844/ajavsp.2018.59.65
Teixeira, D., Marcone, G., Bagaria, M., Baulida, B., Fàbrega, E. (2022). Effect of human-animal interaction on tear staining and body temperature of piglets. ISAE congress, Macedonia, 2022
Leader de Opinión
