La Inteligencia Artificial en la reproducción bovina
Barra lateral del artículo
Contenido principal del artículo
Resumen
Actualmente, la ganadería enfrenta el reto de aumentar la producción para satisfacer la creciente demanda de productos de origen animal. En este contexto, la reproducción bovina representa un proceso multifactorial que exige la toma de decisiones informada y estratégica para incrementar la reproductividad y los beneficios económicos. El objetivo de la presente investigación es analizar el potencial de la Inteligencia Artificial para mejorar la toma de decisiones en la reproducción bovina. Se analiza la aplicación de varias técnicas de esta disciplina, como el Aprendizaje Automático, las Redes Neuronales Artificiales, el Aprendizaje Profundo, las Máquinas de Soporte Vectorial y los Árboles de Decisión. Estas tecnologías pueden ser aplicadas a diferentes áreas tales como: la selección genética, la detección del celo y enfermedades, la inseminación artificial y el monitoreo del estado de salud de los animales. El empleo de estas técnicas se ve condicionado por tres factores fundamentales: las características de la organización, el objetivo propuesto y las particularidades del conjunto de datos, los cuales se deben tener en cuenta en el momento de decidir cuál técnica utilizar. Por tanto, la aplicación de tecnologías inteligentes permite la sostenibilidad del sector ganadero al reducir costos, aumentar la producción de leche y carne con el fin de mejorar la eficiencia y la rentabilidad, garantizando el bienestar animal durante los procesos.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento-no comercial de Creative Commons 4.0 que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista. Bajo esta licencia el autor será libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
- El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia
Bajo las siguientes condiciones:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
Citas
Basogain, X. (1998). Redes Neuronales Artificiales y sus aplicaciones. https://ocw.ehu.eus/pluginfile.php/40137/mod_resource/content/1/redes_neuro/contenidos/pdf/libro-del-curso.pdf
Bayona, J. S.; Serrano, M. K.; Navarro, A. Y.; Sarabia, J. J.; Ramírez, J. D.; y Galvis, J. J. (2024). IA aplicado en la ganadería. https://www.researchgate.net/profile/Margie-Serrano-Carrascal/publication/381227428_IA_APLICADO_EN_GANADERIA/links/666278ffb769e769191d65e2/IA-APLICADO-EN-GANADERIA.pdf
Berryhill, J.; Heang, K. K.; Clogher, R.; y McBride, K. (2020). Hola, mundo: La Inteligencia Artificia y su uso en el sector público. Asociación Mexicana de Internet. https://doi.org/10.1787/726fd39d-en
Curti, P.; Selli, A.; Pinto, D.; Merlos-Ruiz, A.; Balieiro, J.; y Ventura, R. (2023). Applications of livestock monitoring devices and machine learning algorithms in animal production and reproduction: an overview. Animal Reproduction, 20 (2). https://doi.org/10.1590/1984-3143-AR2023-0077
Fuentes, S.; Gonzalez, C.; Tongson, E.; y Dunshea, F. R. (2022). The livestock farming digital transformation: implementation of new and emerging technologies using artificial intelligence. Animal Health Research Reviews, 23, 59-71. https://doi.org/10.1017/S1466252321000177
García, R.; Aguilar, J.; Toro, M.; Pinto, A.; y Rodríguez, P. (2020). A systematic literature review on the use of machine learning in precision livestock farming. ScienceDirect, 179. https://doi.org/10.1016/j.compag.2020.105826
Garro, R.; y Tallarico, G. (2022). Ganadería de precisión: innovaciones tecnológicas que agregan valor a la ganadería. IDIA21, 2 (1), 21-27. https://repositorio.inta.gob.ar/xmlui/bitstream/handle/20.500.12123/12167/pubidia22_ano2_n1mayo_v4_p.21-27.pdf?sequence=1&isAllowed=y
Genética Bovina. (2020). Inseminación artificial: puntos a tener en cuenta en nuestras ganaderías. Genética bovina colombiana.°en https://revistageneticabovina.com/biotecnologia/inseminacion-artificial/
González, N.; Leyva, M. Y.; Faggoni, K. M.; y Álvarez, P. J. (2018). Estudio comparado de las técnicas de Inteligencia Artificial para el diagnóstico de enfermedades en la ganadería. Sistemas, Cibernética e Informática, 15(2).Consultado el 8 de julio de 2023. °en https://www.iiisci.org/journal/pdv/risci/pdfs/CA178AR18.pdf
Kerton, L. (2012). Sistema para el análisis y toma de decisiones sobre datos parametrizados. [Tesis de Grado, Universidad de Ciencias Informáticas]. La Habana, Cuba. https://repositorio.uci.cu/jspui/bitstream/ident/TD_05601_12/2/TD_05601_12.pdf
Lee, Y. (2010). Support vector machines for classification: a statistical portrait Methods Mol Biol. https://doi.org/10.1007/978-1-60761-580-4_11
Marizancén, M. A.; y Artunduaga, L. (2017). Mejoramiento genético en bovinos a través de la inseminación artificial y la inseminación artificial a tiempo fijo. Revista de Investigación Agraria y Ambiental 8(2), 247-259. https://dialnet.unirioja.es/descarga/articulo/6285365.pdf. ISSN: 2145-6097.
Melak, A.; Aseged, T.; y Shitaw, T. (2024). The Influence of Artificial Intelligence Technology on the Management of Livestock Farms. Hindawi, 2024. https://doi.org/10.1155/2024/8929748
Menes, I.; Arcos, G.; Moreno, P.; y Gallegos, K. (2015). Desempeño de algoritmos de minería en indicadores académicos: Árbol de Decisión y Regresión Logística. Revista Cubana de Ciencias Informáticas, 9 (4), 104-117. ISSN: 2227-1899.
Moreira, A.; Santos, F. K., dos; Machado, P. B.; Berghahn, L. G.; Campos, G. P., de; Araújo, C. V., de; Araújo, S. I.; y Menezes, F. L. (2023). Uso de Inteligência Artificial na Pecuária: Revisão de literatura. Reseaarch, Society and Development, 12 (4). https://doi.org/10.33448/rsd-v12i4.40777
Padial, J. J. (2019). Técnicas de programación «Deep Learning»: ¿Simulacro o realización artificial de la inteligencia? Naturaleza y Libertad, 12. https://revistas.uma.es/index.php/naturaleza-y-libertad/article/download/6274/5798/20938. ISSN: 2254-9668.
Programa sectorial “Agricultura Sostenible” (NAREN). (2020). Ganadería y salud animal. GIZ. www.giz.de/en/worldwide/39650.html
Song, Y. Y.; y Ying, L. (2015). Decision tree methods: applications for classification and prediction. Shanghai Archives of Psychiatry, 27 (2). https://doi.org/10.11919/j.issn.1002-0829.215044
Strappini, A. C.; Norambuena, L.; y Matamala, F. (2015). Importancia de la detección de celo utilizando métodos amigables con el bienestar animal XXXVIII Reunión Científica Anual de la Asociación Peruana de Producción Animal, Perú. https://www.researchgate.net/profile/Ana-Strappini/publication/287978184_Importancia_de_la_deteccion_de_celo_utilizando_metodos_amigables_con_el_bienestar_animal/links/567ac9b908aebccc4dfd598b/Importancia-de-la-deteccion-de-celo-utilizando-metodos-amigables-con-el-bienestar-animal.pdf.
Terrero, R.; y Morejón, R. (2014). GAVIAC, Sistema para la gestión y control del ganado vacuno y la inseminación artificial. Revista Avanzada Científica, 17 (3). https://dialnet.unirioja.es/descarga/articulo/5156800.pdf. ISSN: 1029-3450.