En los últimos años se están produciendo grandes cambios en la ganadería en España y en el mundo. La cuantificación lo mas exacta posible de la alimentación y comportamientos de los cerdos supone un gran reto a la hora de detectar de forma temprana problemas de salud y bienestar del ganado.
En este punto, hay que considerar que los cambios en el comportamiento de alimentación son un síntoma clave en problemas de salud y bienestar. Tal es así, que cambios sutiles relacionados con la forma en la que el animal ingiere una cantidad de alimento determinada puede ser muy valorable para la detección temprana de estos problemas.
A día de hoy, se han desarrollado sistemas automatizados de alerta temprana basados en la visión para detectar cambios comportamentales en grupos de cerdos para vigilar su salud y bienestar. Aún así, en entornos comerciales, el registro automático del comportamiento alimentario sigue siendo un reto. Esto es debido a los problemas de variación de iluminación, oclusiones y aspecto similar de los cerdos.
Además, estos sistemas suelen sobrestimar el tiempo real dedicado a la alimentación, ya que no pueden discernir entre momentos de alimentación y visitas no nutricionales (VNN) a la zona de alimentación.
Para hacer frente a estos problemas, unos investigadores dentro de los proyectos HealthyLivestock y Feed-a-Gene (financiados con fondos europeos) han desarrollado un método robusto de detección de alimentación basado en el aprendizaje profundo. Este tiene dos características reseñables:
a) No se basa en el rastreo de cerdos.
b) Es capaz de distinguir entre alimentación y visitas no nutricionales.
En primer lugar, realizaron una validación con imágenes de vídeo de una granja comercial de cerdos en varios escenarios. Así, se demostró la capacidad de este nuevo método para identificar el comportamiento de alimentación y VNN con gran precisión (99,4% ± 0,6%).
Posteriormente, probaron la capacidad del método para detectar cambios en la alimentación y el comportamiento de las VNN durante un periodo de restricción de alimentos. En este caso, se observó que el método era capaz de cuantificar automáticamente los cambios que se esperaban ver en los comportamientos de alimentación y de VNN.
Esto confirmaba que este nuevo método era capaz de vigilar de manera precisa el comportamiento alimentario de los cerdos alojados en granjas comerciales, sin necesidad de sensores adicionales o marcado individual. Así, se observa el gran potencial que tendría aplicarlo para detección temprana de problemas de salud y bienestar en cerdos comerciales.
Lee el artículo completo: