La monitorización de terneros lecheros permite diagnosticar enfermedades

AÑADIR A FAVORITOS

La monitorización de terneros lecheros con tecnologías de precisión basadas en el IoT permite diagnosticar antes la enfermedad respiratoria bovina

El novedoso planteamiento ofrecerá a los productores lácteos la oportunidad de mejorar la economía de sus explotaciones, según los investigadores

No se trata de la estrategia lechera de su abuelo, señala la investigadora principal, Melissa Cantor, profesora adjunta de Ciencia Lechera de Precisión en la Facultad de Ciencias Agrarias de Penn State. Cantor señala que las nuevas tecnologías son cada vez más asequibles y ofrecen a los ganaderos la oportunidad de detectar problemas de salud animal lo bastante pronto como para intervenir, salvando a los terneros y la inversión que representan.

Resultado de la colaboración transversal de un equipo de investigadores de Penn State, la Universidad de Kentucky y la Universidad de Vermont

IoT se refiere a dispositivos integrados equipados con sensores, capacidades de procesamiento y comunicación, software y otras tecnologías para conectarse e intercambiar datos con otros dispositivos a través de Internet. En este estudio, explica Cantor, se utilizaron tecnologías IoT como sensores portátiles y alimentadores automáticos para vigilar de cerca y analizar el estado de los terneros.

Estos dispositivos IoT generan una enorme cantidad de datos al vigilar de cerca el comportamiento de las vacas. Para que esos datos fueran más fáciles de interpretar y proporcionar pistas sobre problemas de salud de los terneros, los investigadores adoptaron el aprendizaje automático, una rama de la inteligencia artificial que aprende los patrones ocultos en los datos para discriminar entre terneros enfermos y sanos, dada la información de los dispositivos IoT.

«Pusimos bandas en las piernas de los terneros, que registran datos de comportamiento de actividad en el ganado lechero, como el número de pasos y el tiempo de descanso», dijo Cantor. «Y utilizamos comederos automáticos, que dispensan leche y grano y registran comportamientos de alimentación, como el número de visitas y los litros de leche consumidos. La información de esas fuentes señalaba cuándo el estado de un ternero estaba a punto de deteriorarse».

La enfermedad respiratoria bovina es una infección de las vías respiratorias que constituye el principal motivo de uso de antimicrobianos en terneros lecheros y representa el 22% de la mortalidad de terneros. Los costes y efectos de esta dolencia pueden dañar gravemente la economía de una explotación, ya que la cría de terneros lecheros es una de las mayores inversiones económicas.

«Diagnosticar la enfermedad respiratoria bovina requiere una mano de obra intensiva y especializada que es difícil de encontrar», dijo Cantor. «Por eso, las tecnologías de precisión basadas en dispositivos IoT, como comederos automáticos, básculas y acelerómetros, pueden ayudar a detectar cambios de comportamiento antes de que se manifiesten signos clínicos externos de la enfermedad.»

En el estudio, se recopilaron datos de 159 terneros lecheros utilizando tecnologías ganaderas de precisión y por investigadores que realizaron exámenes diarios de salud física a los terneros en la Universidad de Kentucky. Los investigadores registraron tanto los resultados de la recogida automática de datos como los de la recogida manual y los compararon.

En los resultados publicados recientemente en IEEE Access, una revista científica de acceso abierto revisada y publicada por el Instituto de Ingenieros Eléctricos y Electrónicos, los investigadores informaron de que el enfoque propuesto es capaz de identificar antes a los terneros que desarrollaron la enfermedad respiratoria bovina. Numéricamente, el sistema alcanzó una precisión del 88% en el etiquetado de terneros enfermos y sanos. El 70% de los terneros enfermos se predijeron cuatro días antes del diagnóstico, y el 80% de los terneros que desarrollaron un caso crónico de la enfermedad se detectaron en los primeros cinco días de enfermedad.

«Nos sorprendió mucho descubrir que la relación con los cambios de comportamiento en esos animales era muy diferente a la de los animales que mejoraban con un tratamiento», dijo. «Y nadie se había fijado en eso antes. Se nos ocurrió la idea de que si esos animales se comportaban de forma diferente, probablemente las tecnologías de Internet de las Cosas con técnicas de inferencia de aprendizaje automático podrían identificarlos antes que a simple vista. Eso ofrece opciones a los productores».

Han contribuido a la investigación Enrico Casella, del Departamento de Ciencia Animal y Láctea de la Universidad de Wisconsin-Madison; Melissa Cantor, del Departamento de Ciencia Animal de la Universidad Estatal de Pensilvania; Megan Woodrum Setser, del Departamento de Ciencias Animales y Alimentarias de la Universidad de Kentucky; Simone Silvestri, del Departamento de Informática de la Universidad de Kentucky; y Joao Costa, del Departamento de Ciencias Animales y Veterinarias de la Universidad de Vermont.