Según un nuevo estudio, el seguimiento de los terneros lecheros con tecnologías de precisión basadas en la « internet de las cosas » o IoT conduce a un diagnóstico más temprano de la enfermedad respiratoria bovina que mata a los terneros. El enfoque novedoso, resultado de la colaboración transversal de un equipo de investigadores de Penn State, la Universidad de Kentucky y la Universidad de Vermont, ofrecerá a los productores lecheros la oportunidad de mejorar las economías de sus granjas, según los investigadores.

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, explicó Cantor, se utilizaron tecnologías IoT como sensores portátiles y alimentadores automáticos para observar de cerca y analizar el estado de los terneros.

Dichos dispositivos IoT generan una gran cantidad de datos al monitorear de cerca el comportamiento de las vacas. Para hacer que dichos datos sean más fáciles de interpretar y brindar pistas sobre los 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 del IoT. dispositivos.

« Ponemos bandas en las patas de los terneros, que registran datos de comportamiento de actividad en el ganado lechero, como la cantidad de pasos y el tiempo de descanso », dijo Cantor. « Y usamos comederos automáticos, que dispensan leche y granos y registran los comportamientos de alimentación, como el número de visitas y los litros de leche consumidos. La información de esas fuentes indicaba cuándo la condición de un ternero estaba a punto de deteriorarse ».

La enfermedad respiratoria bovina es una infección del tracto respiratorio que es la razón principal del uso de antimicrobianos en terneros lecheros y representa el 22% de la mortalidad de terneros. Los costos y efectos de la dolencia pueden dañar severamente la economía de una granja, ya que criar terneros lecheros es una de las mayores inversiones económicas.

« El diagnóstico de enfermedades respiratorias bovinas requiere mano de obra intensiva y especializada que es difícil de encontrar », dijo Cantor. « Entonces, las tecnologías de precisión basadas en dispositivos IoT, como alimentadores automáticos, básculas y acelerómetros, pueden ayudar a detectar cambios de comportamiento antes de que se manifiesten los signos clínicos externos de la enfermedad ».

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

En los hallazgos publicados recientemente en IEEE Access, una revista científica de acceso abierto revisada por pares y publicada por el Instituto de Ingenieros Eléctricos y Electrónicos, los investigadores informaron que el enfoque propuesto puede identificar antes a los terneros que desarrollaron la enfermedad respiratoria bovina. Numéricamente, el sistema logró una precisión del 88% para etiquetar becerros enfermos y sanos. El 70 % de los terneros enfermos se pronosticaron cuatro días antes del diagnóstico, y el 80 % de los terneros que desarrollaron un caso crónico de la enfermedad se detectaron dentro de los primeros cinco días de la 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 mejoraron con un tratamiento », dijo. « Y nadie había mirado eso antes. Se nos ocurrió el concepto de que si estos animales en realidad se comportan de manera diferente, entonces probablemente exista la posibilidad de que las tecnologías de IoT potenciadas con técnicas de inferencia de aprendizaje automático puedan identificarlos antes, antes de que alguien pueda hacerlo ». ojo. Eso ofrece opciones a los productores ».

Contribuyeron a la investigación : Enrico Casella, Departamento de Ciencia Animal y Lechera, Universidad de Wisconsin-Madison; Melissa Cantor, Departamento de Ciencia Animal, Universidad de Penn State; Megan Woodrum Setser, Departamento de Ciencias Animales y Alimentarias, Universidad de Kentucky; Simone Silvestri, Departamento de Ciencias de la Computación, Universidad de Kentucky; y Joao Costa, Departamento de Ciencias Animales y Veterinarias, Universidad de Vermont.

Este trabajo fue apoyado por el Departamento de Agricultura de los Estados Unidos y la Fundación Nacional de Ciencias.