La combinación adecuada marca la diferencia: Un enfoque contrastado y nuevas tecnologías
La principal tarea de una empresa de genética es mejorar constantemente sus productos teniendo en cuenta la evolución y tendencias del mercado. En este sentido, PIC combina una filosofía de trabajo que se ha demostrado eficaz a lo largo del tiempo junto con los últimos descubrimientos científicos.
“Eficiencia”, el motor del programa de mejora genética de PIC
El programa de mejora genética de PIC se ha consolidado en la industria porcina global gracias a que el crecimiento y la eficiencia alimentaria siempre han estado considerados en su justa medida con éxito en el objetivo de mejora de todas las líneas, como se muestra en la Fig. 1. Esta estrategia cobra mayor relevancia actualmente, puesto que debido al significativo aumento de los costes de alimentación que hacen de estos parámetros un criterio decisivo para tener éxito económico. Adicionalmente, también son relevantes para la huella ecológica, cada vez más importantes en la producción porcina.
Alta productividad combinada con un fácil manejo
Además de optimizar continuamente nuestro índice de selección centrándonos en el rendimiento, la calidad del producto, la eficiencia, la rentabilidad y la robustez, utilizamos las últimas tecnologías científicamente probadas para seguir avanzando en el progreso genético. En particular, la atención se centra actualmente en el comportamiento de los animales. Criar cerdos tranquilos que al mismo tiempo cumplan los exigentes criterios de rentabilidad y eficiencia sigue siendo un gran reto. Por un lado, el comportamiento tiene una heredabilidad muy baja y, por otro lado, es especialmente difícil realizar mediciones de forma fiable.
La observación significativa del comportamiento es costosa
Las observaciones correctas del comportamiento suelen requerir mucho tiempo y, por lo tanto, son costosas, sobre todo porque los comportamientos de interés (por ejemplo, los enfrentamientos agresivos) suelen ser de duración bastante corta. Además, se necesitan observadores formados para registrar el comportamiento de forma estandarizada y, por tanto, comparable.
Las pruebas de comportamiento estandarizadas suelen ser propensas a errores
Las llamadas pruebas de comportamiento, es decir, el registro del comportamiento de los animales en una situación estandarizada para sacar conclusiones sobre el comportamiento general del animal, suelen ser propensas a errores, y además se ven influenciadas por múltiples factores. Esto significa que es muy fácil seleccionar para algo, pero no necesariamente para el comportamiento deseado.
La tecnología y la inteligencia artificial permiten una evaluación objetiva
El camino basado en la ciencia que siempre ha seguido PIC puede parecer a veces más largo, ya que puede pasar algún tiempo hasta que los descubrimientos científicos salgan de las lentas “torres de marfil” universitarias y se conviertan en algo realmente práctico, pero al final es el camino más exitoso, ya que se basa en hechos contrastados. La ciencia -y, por tanto, también PIC- se apoya cada vez más en soluciones técnicas que utilizan la inteligencia artificial en lo que respecta al registro válido de comportamientos. Por ejemplo, gracias al progreso técnico, las cámaras de vídeo son cada vez más asequibles y, al mismo tiempo, menos sensibles con respecto a las condiciones subóptimas de las naves de porcino (suciedad, polvo, coberturas) y, por tanto, cada vez más interesantes para un uso práctico normalizado. Con el fin de conseguir el mayor beneficio posible para la práctica, PIC ha participado y forma parte de proyectos de investigación con varias universidades para la recogida automática de datos. Pero también de forma interna en PIC, un equipo dirigido por Eric Psota, profesor de Ingeniería Eléctrica y Ciencias de la Computación, anteriormente en la Universidad de Nebraska, está trabajando en este campo. En su investigación, Eric Psota se centra en la automatización en la nave de producción porcina, en particular en el reconocimiento automático de diversos comportamientos a partir de imágenes de vídeo. El algoritmo resultante, así como su automatización están actualmente en constante desarrollo.
Pero ¿cómo funciona un algoritmo automatizado?
El científico habla de una “red neuronal” que subyace en el sistema. En pocas palabras, si se quiere entrenar a un sistema para que reconozca automáticamente que hay un cerdo en una foto, primero se necesitan miles de fotos de diferentes cerdos en diferentes poses. Si este entrenamiento ha tenido éxito, el sistema es capaz de identificar correctamente incluso imágenes desconocidas y, por ejemplo, distinguir correctamente un cerdo de una vaca.
Por tanto, no basta con colgar una cámara de vídeo en un bolígrafo, sino que el verdadero trabajo comienza cuando las imágenes capturadas se han almacenado y transferido. Así, se empieza por entrenar al sistema para que reconozca un (único) cerdo y, por ejemplo, acabe reconociendo el número de animales del grupo. A continuación, al menos para poder tomar decisiones de mejora genética, queremos, por ejemplo, ser capaces de distinguir los animales entre sí de forma individual, lo que supone un gran reto incluso para el ganadero experimentado en un grupo homogéneo de cerdos. El algoritmo que utiliza PIC se basa en las marcas auriculares individuales. De este modo, incluso en las secuencias de imágenes en las que los cerdos se han movido, se puede garantizar que todos los cerdos siguen estando correctamente identificados.
Ahora viene la parte realmente emocionante: analizar automáticamente el comportamiento. Una vez más, las imágenes de entrenamiento tienen que ser etiquetadas con los comportamientos correspondientes (por ejemplo, descansar, estar de pie, comer). El algoritmo que usa PIC es ahora capaz de reconocer los comportamientos de reposo lateral, tumbado, de pie, sentado, comiendo, bebiendo, así como la distancia recorrida individualmente de forma automática. En la Fig. 2 se muestra una sección de dicho reconocimiento, que tiene lugar 24/7.
Fig. 2: Con la ayuda del algoritmo de PIC, los animales de un corral pueden ser reconocidos individualmente de forma automatizada y se les asignan las categorías de comportamiento de estar tumbado de lado, boca abajo (azul), de pie (rojo), sentado (amarillo), comiendo (verde) y bebiendo.
El algoritmo de PIC se utiliza actualmente en las explotaciones núcleo (élite). En el proceso, el sistema está constantemente “aprendiendo” a través de los datos que entran continuamente y se vuelve más preciso. De este modo, se puede registrar el comportamiento de forma continua y, por ejemplo, cuantificar el nivel de actividad o el comportamiento de ingesta de los animales. Las enfermedades pueden detectarse en una fase temprana debido a la reducción de la actividad, lo que simplifica, por ejemplo, la selección para la robustez.
La siguiente etapa de desarrollo está en marcha
Los siguientes pasos son, por ejemplo, la detección automática de comportamientos temporalmente muy cortos, como los eventos de mordedura de cola o el comportamiento de desplazamiento. En este caso, el entrenamiento es más difícil porque ya no es posible entrenar a partir de imágenes individuales (como ocurre, por ejemplo, con el reconocimiento de los contornos de los animales), sino que se necesitan secuencias de vídeo completas, es decir, una secuencia de varias imágenes que se suceden en un orden determinado, para clasificar correctamente el comportamiento.
Al mismo tiempo, se sigue investigando en otras áreas, por ejemplo, la investigación de las causas del trastorno de comportamiento de mordedura de colas. Gracias al enfoque científico, se espera que en el futuro sea posible identificar de forma fiable a los mordedores y seleccionarlos en consecuencia. Para que esto sea realmente preciso, el enfoque basado en la ciencia es esencial.
Inteligencia artificial para la evaluación objetiva de los aplomos
Una modificación del algoritmo de PIC para el reconocimiento automatizado del comportamiento ya se utiliza en la evaluación de los aplomos (evaluación de estructura y extremidades). La llamada puntuación de las patas se realizaba anteriormente mediante personal de selección entrenado y actualmente se está derivando en un reconocimiento basado en imágenes de vídeo. Las diferentes regiones articulares se reconocen automáticamente y se puede calcular el ángulo que forman las extremidades (véase la Fig. 3). De este modo, se mejora la calidad de la selección y, en última instancia, también la fiabilidad del sistema.
Puede encontrar más información sobre este tema AQUÍ.
Never Stop Improving
Der nachgewiesenermaßen erfolgreiche und bewährte Fokus auf Effizienz zusammen mit der Nutzung und Weiterentwicklung neuester wissenschaftlicher Technologien ermöglicht PIC-Kunden wirtschaftlich erfolgreich Schweine zu produzieren – heute und in Zukunft. Die automatisierte Verhaltenserkennung ist ein weiterer Baustein zu diesem Erfolg.
