Tecnología para el monitoreo de cerdos

El mercado de los sistemas diseñados para el control permanente y automático del bienestar de los animales de granja está en constante evolución. Los innovadores sistemas de alerta temprana (PLF, por sus siglas en inglés) automatizados, basados ​​en el monitoreo continuo de parámetros fisiológicos y de comportamiento específicos, son una alternativa a la evaluación visual directa por parte del personal o el veterinario.

Los datos derivados de las tecnologías PLF se pueden utilizar para derivar advertencias y activar notificaciones y alarmas. Con el desarrollo de Internet de las cosas (IoT, es decir, la interconexión entre dispositivos informáticos a través de Internet), la toma de decisiones puede estar mejor informada al conectar la información PLF con otros flujos de datos, y los componentes de la gestión de la granja pueden automatizarse o incluso controlarse de forma remota.

Esto permite la capacidad de detectar problemas lo suficientemente temprano como para prevenir posibles efectos negativos en el rendimiento productivo de los animales. Hay muchos beneficios de la producción ganadera de precisión, que incluyen una mayor productividad y rentabilidad, una mayor seguridad y calidad de los productos animales y un mejor bienestar animal, así como un menor impacto ambiental y la lucha contra el cambio climático.

La adopción de estas tecnologías varía considerablemente. Las tecnologías RFID y acelerómetro están bien integradas, pero otras tecnologías aún tienen que lograr una participación de mercado viable.

Mediante el análisis de imágenes, los resultados se convierten en datos detallados sobre la distribución de los animales (ubicación y proximidad) y la actividad (posición y movimiento). Las imágenes también se utilizan en cerdos para medir el peso corporal y para detectar cojera, comportamiento agresivo y celo.

En las últimas décadas, el monocromo bidimensional (2D) y el color se han utilizado ampliamente en la visión por computadora debido a su bajo costo y alta eficiencia. Muchos investigadores han propuesto diferentes sistemas para extraer características del ganado, como el tamaño corporal o la condición corporal, sobre la base de imágenes 2D.

Las cámaras monocromáticas suelen tener una mayor sensibilidad a la luz y, por lo tanto, son más ideales para grabar en condiciones de poca luz que las cámaras a color.

En el trabajo de Chen et al., se realizó un estudio de identificación y seguimiento del comportamiento de ocho cerdos en corrales de aproximadamente 4 metros cuadrados, con la cámara colocada a una altura de 2,4 m.

Este estudio utilizó la técnica de modelado neuronal utilizando algoritmos de aprendizaje profundo. Cabe señalar que los autores utilizaron una técnica de modelado más difícil en relación con las redes convolucionales y buscaron sus propios índices para describir la imagen.

Obtuvieron una precisión del 98,5 % en términos de identificación del comportamiento mediante la conexión de una cámara relativamente simple con tecnología de modelado neuronal.

Los resultados de la investigación realizada por Chen et al. permiten una alta eficiencia de los algoritmos utilizados en los sistemas para monitorear el comportamiento animal. Reikert et al.  aplicó el sistema de aprendizaje profundo en combinación con cámaras 2D para detectar la posición y la postura de los cerdos.

A pesar del desarrollo continuo, la tecnología de imágenes 2D todavía tiene algunas limitaciones. Requiere iluminación ambiental adecuada; proporciona solo una proyección plana del animal; está influenciado por la distancia, la longitud de onda y los filtros aplicados; y también requiere un fondo contrastante, por ejemplo, un cerdo brillante contra la pared oscura de un corral.

 Además, la extracción de datos de imágenes tomadas en diversas condiciones ambientales conduce a un funcionamiento incorrecto de las herramientas informáticas para el procesamiento y análisis de imágenes.

Las cámaras tridimensionales (3D) (RGBD) equipadas con lentes de alta resolución, sensores infrarrojos o sensores de profundidad con tecnología de tiempo de vuelo (ToF) brindan mayores posibilidades en comparación con las bidimensionales (2D) más baratas.

La tecnología ToF envía un pulso de luz infrarroja desde el LED varias veces por segundo y registra el retraso entre el pulso y su retorno. Las cámaras 3D pueden funcionar independientemente del entorno de luz visual, incluso en la oscuridad total; no se ven afectados por las condiciones cambiantes de luz, incluidos los cambios en el contraste y las sombras; y son menos propensos a errores debido a la oclusión.

La tecnología tridimensional abre la posibilidad de reconstruir la geometría de los cuerpos de los animales y vincular los cambios morfológicos anormales a los cambios de comportamiento. Las cámaras equipadas con tecnología ToF (cámaras kinect) son extremadamente útiles en la cría de animales de precisión debido a su costo relativamente bajo, capacidad para manejar grandes bases de datos, bajos requisitos de energía y capacidad para adaptarse a condiciones cambiantes de luz y de fondo.

Sin embargo, estos tipos de equipos tienen un rango de distancia limitado (es decir, hasta 4,5 m), y la precisión de los datos de profundidad medidos por dichos dispositivos disminuye directamente con el aumento de la distancia.

A pesar de estas limitaciones, la capacidad de las cámaras Kinect para detectar el movimiento de animales individuales es satisfactoria. Esto se comprobó en el estudio de Kim et al., que muestra que un equipo Kinect instalado a una altura de 3,8 m es suficiente para monitorear con precisión (94,47 % de sensibilidad) un área que mide 2,4 por 2,7 m.

Aunque el reconocimiento basado en video del comportamiento de los cerdos ha logrado un progreso significativo, todavía hay algunos problemas sin resolver. Los datos de visión pueden requerir un procesamiento considerable y se han realizado estudios sobre el compromiso entre la calidad de la imagen de video y los requisitos de procesamiento computacional.

Los desafíos del software incluyen la detección de cerdos individuales sobre la base de características seleccionadas por medio de algoritmos de selección de características. Además, las cámaras son susceptibles al polvo y al daño por amoníaco, ya que forman parte del entorno de las granjas porcinas, aunque esto puede anularse potencialmente a través de recintos de protección de entrada y mantenimiento.

Para garantizar un seguimiento preciso y continuo de los animales individuales en una explotación ganadera moderna, los ganaderos de hoy en día necesitan una tecnología fiable y económica.

Racewicz, P., Ludwiczak, A., Skrzypczak, E., Składanowska-Baryza, J., Biesiada, H., Nowak, T., Nowaczewski, S., Zaborowicz, M., Stanisz, M. y Ślósarz, P. (2021). Bienestar, Salud y Productividad en Hatos Comerciales de Cerdos. Animales: una revista de acceso abierto de MDPI , 11 (4), 1176. https://doi.org/10.3390/ani11041176.