Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Citado por Google
- Similares en SciELO
- Similares en Google
Compartir
Biotecnología en el Sector Agropecuario y Agroindustrial
versión impresa ISSN 1692-3561
Resumen
RAMIREZ-AGUDELO, JOHN-FREDY,; BEDOYA-MAZO, SEBASTIAN,; POSADA-OCHOA, SANDRA-LUCIA, y ROSERO-NOGUERA, JAIME-RICARDO,. Reconocimiento automático de la actividad de vacunos en pastoreo. Rev.Bio.Agro [online]. 2022, vol.20, n.2, pp.117-128. Epub 01-Jul-2022. ISSN 1692-3561. https://doi.org/10.18684/rbsaa.v20.n2.2022.1940.
El uso de collares o podómetros para el reconocimiento del comportamiento del ganado en períodos cortos (24 h) es costoso. En esta situación particular, el desarrollo de tecnologías de bajo costo y fáciles de usar es relevante. Al igual que las aplicaciones de celulares para el reconocimiento de la actividad humana, desarrollamos una aplicación de Android para registrar la actividad en el ganado. Se siguieron cuatro pasos: a) adquisición de datos para el entrenamiento del modelo, b) entrenamiento del modelo, c) implementación de aplicaciones y, d) utilización de la aplicación. Para la adquisición de datos, desarrollamos un sistema con tres componentes: dos teléfonos y una cuenta de Google Firebase para el almacenamiento de datos. Se creó un conjunto de datos con 945415 filas y cuatro columnas. Cada fila corresponde a los valores del acelerómetro y las actividades del ganado (comer, descansar o rumiar). La base de datos generada se utilizó para entrenar una red neuronal recurrente. El entrenamiento se evaluó mediante una matriz de confusión. Para todas las actividades, el modelo tuvo una precisión alta (> 96 %). El modelo entrenado se utilizó para desarrollar una aplicación de Android con la API de TensorFlow. Finalmente, se utilizaron tres celulares (LG gm 730) para probar la aplicación y registrar la actividad de seis vacas Holstein (3 lactantes y 3 no lactantes). Se realizaron observaciones directas y no sistemáticas de los animales para evaluar el desempeño de la aplicación. Después del entrenamiento, la precisión del modelo fue del 100, 99 y 96 % para comer, rumiar y descansar, respectivamente. Nuestros resultados muestran coherencia entre las observaciones directas y la actividad registrada por nuestra aplicación de Android. En conclusión, este trabajo muestra que es posible desarrollar tecnologías de bajo costo para registrar la actividad diaria de las vacas en pastoreo utilizando el análisis de datos de aceleración de teléfonos inteligentes.
Palabras clave : Aplicaciones Android; Acelerómetros; Tensorflow; Comportamiento Animal; Ganadería de Precisión.