Smart Farming: hacer las explotaciones ganaderas más eficientes a través de las TIC

Continuamos con las entradas sobre cómo las tecnologías de la información y la comunicación pueden traer grandes ventajas a los sectores más tradicionales. Si hace unos meses os hablamos de los beneficios generales que aporta la digitalización en el entorno agro (entre los que destacamos la ayuda a la toma de decisiones, optimización de recursos y ahorro de costes), en esta ocasión nos centramos en el caso concreto de la ganadería y qué soluciones tecnológicas podemos aportar en un sector tan relevante para nuestra comunidad.

Explotaciones ganaderas gallegas: situación actual

Galicia cuenta con casi 2 millones de cabezas de ganado (bovino, porcino, caprino, ovino), según datos difundidos por la Consellería de Medio Rural de la Xunta de Galicia. Esta cifra muestra la relevancia actual de un sector que cuenta con una larga tradición en nuestra comunidad. A día de hoy, las explotaciones ganaderas disponen de pocos sistemas inteligentes instalados para la optimización de sus procesos básicos, así como escasa e imprecisa información sobre la actividad real de su ganado. Además, en la mayoría de estos sistemas, cada uno de los elementos monitorizados en la explotación (silos, ganado, logística, etc.) se encuentra aislado y no comparte la información obtenida al gestionarse mediante sistemas propietarios.

Monitorización del ganado para optimizar la gestión de recursos

Con el objetivo de mejorar la gestión de las explotaciones lácteas, nuestro equipo ha participado en la implementación de un dispositivo de análisis de comportamiento diseñado específicamente para este tipo de redes.

La experiencia de los ganaderos y diversos estudios avalan la relación que existe entre los porcentajes de tiempo que durante el día los animales pasan realizando distintas tareas (comer, descansar, rumiar, etc.) y su nivel de productividad. El dispositivo diseñado que se coloca en el ganado está dotado de una serie de acelerómetros y una algoritmia que permite la clasificación de la actividad diaria de las reses en esas diferentes tareas pudiendoasí emplear los datos recogidos como indicadores del estado de salud del animal y lanzar avisos en caso de detectar situaciones anómalas como enfermedades, periodos de celo o procesos de parto.

Un protocolo de comunicaciones creado ad hoc entre los dispositivos y la pasarela de comunicaciones permite configurar la frecuencia de actualización de los datos recogidos, de modo que se obtenga una alta precisión, y reducir la potencia necesaria para la transmisión de la información. Los datos concentrados se envían después hacia la plataforma de gestión ubicada en un servidor externo a través de conectividad 3G, lo que facilita su instalación en las explotaciones, aunque también existe la posibilidad de conectarlas a una red cableada en caso de problemas con la cobertura de datos.

Sobre la información almacenada en la plataforma, se aplican distintos modelos de Data Analytics, como técnicas de clasificación y clustering, dando lugar a resúmenes numéricos de actividad, estimaciones de consumos y comprobaciones sistemáticas del estado de los animales, verificando que los valores registrados se encuentren dentro de un rango definido como adecuado por el ganadero.

Con toda esta información se compone una imagen digital de la explotación, su “reflejo virtual”, que permite:

  • Mejorar la trazabilidad del bienestar animal: la monitorización constante de la actividad de las reses permite conocer la evolución de cada vaca individual durante su ciclo productivo Además, es posible verificar qué animales han mantenido una actividad correcta y se pueden apreciar tiempos correctos de alimentación y descanso que repercuten tanto sobre la capacidad productiva como sobre la comodidad de los animales.
  • Aumentar la capacidad de decisión del ganadero: la plataforma acerca toda esta información a los ganaderos mediante una aplicación de usuario conectada a la plataforma mediante una API de comunicación. Las alertas generadas permiten la rápida actuación frente a comportamientos fuera de la norma de los animales bajo control.
  • Mejorar el conocimiento de las explotaciones: la incorporación de los datos de múltiples explotaciones en una única plataforma permite establecer sinergias y mejorar los servicios.

Estos incrementos tecnológicos se han reflejado en un piloto del proyecto desplegado en una explotación ganadera real que nos ha permitidoprobar su viabilidad, de modo que otros ganaderos se animen a la incorporación de tecnologías TIC en sus propias explotaciones.

Inteligencia Artificial y Machine Learning para el control de cebo

Además de las explotaciones de vacas, el sector porcino ha crecido notablemente a nivel nacional durante los últimos años dentro del sector ganadero, tanto en producción como en censos y en número de explotaciones. España es responsable anualmente del 17.

Conscientes de esta realidad, trabajamos también en la necesidad de mejorar la optimización del proceso de cebo de los cerdos en la granja mediante el uso y aplicación de distintas técnicas de Machine Learning e Inteligencia Artificial, Big Data, IoT y análisis de vídeo inteligente. Las ventajas que supone el uso de estas tecnologías repercuten en los costes y en el tiempo, ya que permiten automatizar procesos, extraer información más precisa y conocer cuestiones hasta ahora  desconocidas.

PIGML (Pig intelligent management based on Machine Learning) es una plataforma que permite gestionar los datos almacenados, ejecutar los modelos matemáticos y visualizar los resultados de los trabajos de predicción, estimación y análisis a través de interfaces de aplicación web (API REST). Este tipo de interfaces ofrece múltiples formas de visualización y comunicación con el cliente, como pueden ser aplicaciones web o aplicaciones nativas de terminales móviles (Android/iOS). En la siguiente imagen, podemos visualizar un esquema de PIGML y a continuación, describiremos las distintas funcionalidades de esta plataforma.

Esquema plataforma PIGML

Predicción del engorde

En las granjas de producción porcina, los animales están distribuidos en corrales donde comparten espacio y alimento, estableciéndose jerarquías sociales. Este tipo de comportamiento suele afectar al proceso de engorde ya que generalmente, los más fuertes y grandes son los que ganan mayor peso en menor tiempo. Una vez que los ejemplares han alcanzado su peso óptimo o peso objetivo establecido por los ganaderos en función de las necesidades requeridas por el matadero, se procede al envío de los mismos.

La clave para poder predecir ese proceso individualizado de engorde es identificar qué factores son los más influyentes en el mismo. Para ello, proponemos el uso de técnicas de Machine Learning avanzadas, en concreto técnicas de regresión multivariantes junto con algoritmos de feature selection o modelos basados en árboles. Estos algoritmos nos permiten estudiar el efecto de distintas variables en la biomasa de los cerdos con el fin de poder conocer en qué medida cuestiones como el número de animales en el corral, la cantidad de alimento ingerido y el tiempo que pasa comiendo, las condiciones sanitarias (por ejemplo) afectan al engorde de los ejemplares. Además, también indicamos el uso de técnicas cluster para agrupar, por ejemplo, las curvas de engorde y determinar qué granjas presentan procesos de cebo más rápidos, o qué corrales tienen un comportamiento de crecimiento similar. La estimación y predicción del engorde permitirá a la empresa planificar de manera adecuada la actividad solicitada por el matadero y optimizar en cada momento la salida de los cerdos de los diferentes corrales.

Optimización del pesaje

Durante el proceso de cebo, los animales están sometidos a distintos factores externos que les producen estrés. Uno de estos factores es el pesaje. Para la optimización del proceso de pesado y su transformación en un proceso eficiente y automático empleamos técnicas de análisis inteligente de vídeo o video analytics. En concreto, se propone el uso de cámaras en el rango visible localizadas en lo alto de los corrales que permiten estimar de manera indirecta el peso de los animales. El análisis de las imágenes recogidas se basa en técnicas de machine vision y/o Artificial Neural Networks (ANN) (McCulloch and Walter, 1943). Adicionalmente, este pesado es optimizado incorporando a los modelos el tiempo en que los individuos se están alimentando, que se estima mediante el uso de antenas RFID (Radio Frecuency IDentification) localizadas en los comederos.

Identificación y localización

En este tipo de producciones ganaderas, resulta necesario identificar y localizar cada cierto tiempo qué ejemplares de los corrales han alcanzado su peso deseado y deben ser llevados al matadero. Este procedimiento suele realizarse de manera visual, dando lugar a una gestión del recurso poco eficiente. Como alternativa a este procedimiento, nuestro equipo apuesta por el uso de dispositivos RFID que incorporen tecnología LED. Estos dispositivos nos permitirán conocer de manera unívoca el animal con el que estamos trabajando y determinar su localización exacta para el momento de envío al matadero. Además, la captura de información individualizada es automatizada mediante su envío a una base de datos común a todos los procesos.

Registro de la información

La monitorización y el registro digital de la información permiten optimizar y adelantarse a posibles problemas en el proceso de cebo de los cerdos.. PIGML almacena, mediante el uso de tecnologías cloud, las estimaciones indirectas de peso obtenidas por video analytics; así con sus predicciones de evolución, los tiempos estimados de alimentación diaria de los ejemplares, e información intrínseca de cada animal (sexo, procedencia, vacunas, etc.). En el caso de disponer de  sensores para la recogida de datos de climatización, esta información también podrá ser monitorizada por nuestro sistema de manera eficiente e incorporada de manera automática a los modelos desarrollados.

Ventajas del uso de un sistema inteligente

Como resumen final, nos gustaría señalar los beneficios del sistema PIGML y la importancia de implementar una solución tecnológica innovadora en las explotaciones ganaderas:

  • Optimización del proceso de cebo: nuestro sistema optimiza al máximo y predice el engorde de los cerdos, lo que facilita la  previsión y planificación del envío de los mismos al matadero. 
  • Generalización a distintos tipos de ganadería: en función de las especies objeto de explotación, PIGML es fácilmente extensible a ellas, como puede ser el ganado bovino, ovino, o incluso las granjas avícolas.
  • Automatización del registro y almacenamiento de la información: esta funcionalidad del sistema nos permitirá optimizar y adelantarse a posibles problemas en el proceso de cebo de los cerdos.
  • Reducción de costes: la optimización del proceso de cebo y automatización del registro de la información implica una disminución del tiempo dedicado a las mismas y del gasto económico, dando lugar a una rentabilidad mucho mayor de la que se obtiene hasta el momento.

Hasta aquí nuestro trabajo en el ámbito ganadero, pero estas soluciones no son exclusivas del ámbito terrestre. En próximas ediciones, os contaremos cómo aplicamos estos principios y soluciones a la acuicultura.


Autores: Nora M. Villanueva, investigadora senior; Joaquín Lago, investigador y desarrollador senior en el área de Sistemas Inteligentes y Marta Sestelo, responsable técnico de Data Analytics & AI en Gradiant