Precision agriculture for grazing and animal health management : a case study in Colombia
Fecha
2023
Autores
García Hoyos, Rodrigo Junior
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
In this research, we address the problem of fattening management and animal health in rotational grazing. For the study of this problem, we have positioned ourselves in the framework of the paradigm of precision farming, a technological approach that uses advanced information and communication tools and techniques to optimize agricultural and livestock production processes. In this context, precision livestock farming focuses on the use of technologies to improve grazing management and animal health on cattle farms. Some objectives of precision livestock farming are to increase farm efficiency and productivity, improve product quality and reduce production costs. In addition, it also contributes to environmental sustainability by enabling more efficient management of natural resources and reducing negative impacts on the environment. Although precision livestock farming offers many opportunities to improve efficiency and sustainability in livestock production, it also presents challenges that must be addressed for successful implementation. To address this problem, our objective was to develop methodologies, models, and approaches to support decision-making related to productivity management and animal health.
To achieve this objective, several sub-objectives were raised, the first one was to develop a precision livestock farming architecture based on emerging technologies (Industry 4.0, artificial intelligence, etc.), the second on developing generic knowledge models of precision livestock farming for animal health and herding management and finally, in the third to develop meta-intelligent models for precision livestock farming in the context of autonomous grazing and animal health management. In general, several research articles were developed to meet the objectives proposed in this thesis. Initially, a review article on the latest trends in precision livestock farming using machine learning techniques was carried out. On the other hand, for the first specific objective, an article was conducted where three autonomous cycles of data analysis tasks based on autonomous computing were proposed for a beef production process for precision livestock farming. To meet the second specific objective, three articles were proposed. The first is a beef cattle weight identification model using machine learning techniques for anomaly detection, the second presented a system for monitoring the cattle fattening process in rotational grazing using fuzzy classification, in the third, a multi-objective optimization model was developed to maximize weight gain of cattle in rotational grazing. Regarding the third objective, three articles were developed, the first one proposed an autonomous cycle of data analysis tasks for the self-supervision of animal fattening in the context of precision livestock farming, and the second article presents a management system for the cattle fattening process in rotational grazing by means of diagnostic and recommendation systems. Finally, the last article proposed the use of the meta-learning paradigm in a cattle weight identification system for anomaly detection. In each article, we evaluated the strategies/models using various datasets. The results showed the capacity of the developed methodologies and models for decision-making in the management of the livestock production process. Specifically, our proposals allow the management of fattening and animal health in rotational grazing, considering, among other things, monitoring, diagnosis, and optimization of the productive process, with good results in performance metrics.
Descripción
En esta investigación, abordamos el problema del manejo del engorde y salud animal en pastoreo rotacional. Para el estudio de este problema, nos hemos posicionado en el marco del paradigma de la agropecuaria de precisión, un enfoque tecnológico que utiliza herramientas y técnicas avanzadas de información y comunicación para optimizar los procesos de producción agrícola y ganadera. En este contexto, la ganadería de precisión se enfoca en el uso de tecnologías para mejorar la gestión de pastoreo y la salud de los animales en las granjas de ganado bovino. Algunos objetivos de la ganadería de precisión son aumentar la eficiencia y productividad de las granjas, mejorar la calidad de los productos y reducir los costos de producción. Además, también contribuye a la sostenibilidad ambiental, al permitir una gestión más eficiente de los recursos naturales y reducir los impactos negativos en el medioambiente. Aunque la ganadería de precisión ofrece muchas oportunidades para mejorar la eficiencia y la sostenibilidad en la producción de ganado, también presenta desafíos que deben ser abordados para lograr una implementación exitosa. Para abordar este problema, nuestro objetivo fue desarrollar metodologías, modelos y enfoques para apoyar la toma de decisiones en relación con el manejo de la productividad y la salud animal.
Para alcanzar este objetivo, se plantearon varios subobjetivos, el primero consistío en desarrollar una arquitectura de ganadería de precisión utilizando tecnologías emergentes (Industria 4.0, inteligencia artificial, etc.), el segundo fue desarrollar modelos de conocimiento genéricos de ganadería de precisión para la gestión de la sanidad animal y el pastoreo, y finalmente, en el tercero desarrollar modelos meta-inteligentes para la ganadería de precisión en el contexto del pastoreo autónomo y la gestión de la sanidad animal. En general, se desarrollaron varios artículos de investigación para cumplir los objetivos propuestos en esta tesis. Inicialmente, se realizó un artículo de revisión de las últimas tendencias de la ganadería de precisión usando técnicas de aprendizaje automático. Por otro lado, para el primer objetivo específico se realizó un artículo donde se propusieron tres ciclos autónomos de tareas de análisis de datos basados en computación autónoma para un proceso de producción de carne de vacuno para la ganadería de precisión. Para cumplir el segundo objetivo específico se propusieron tres artículos. El primero es un modelo de identificación del peso del ganado vacuno mediante técnicas de aprendizaje automático para la detección de anomalías, el segundo presentó un sistema de supervisión del proceso de engorde de ganado en pastoreo rotativo mediante clasificación difusa, y en el tercero se desarrolló un modelo de optimización multi-objetivo para maximizar la ganancia de peso del ganado en pastoreo rotativo. Con respecto al tercer objetivo se desarrollaron tres artículos, el primero propuso un ciclo autónomo de tareas de análisis de datos para la auto-supervisión del engorde de animales en el contexto de la ganadería de precisión, y el segundo artículo presenta un sistema de gestión del proceso de engorde de bovinos en pastoreo rotativo mediante sistemas de diagnóstico y recomendación. Finalmente, el último artículo propuso la utilización del paradigma de meta-aprendizaje en un sistema de identificación del peso del ganado para la detección de anomalías. En cada artículo evaluamos las estrategias/modelos propuestos utilizando diversos conjuntos de datos. Los resultados mostraron la capacidad de las metodologías y modelos desarrollados para la toma de decisión en la gestión del proceso productivo ganadero. Específicamente, nuestras propuestas permiten realizar un manejo del engorde y salud animal en pastoreo rotacional, considerando, entre otras cosas, la supervisión, el diagnóstico, y la optimización del proceso productivo, con muy buenos resultados en las métricas de rendimiento.