Con técnicas computacionales avanzadas de aprendizaje automático e inteligencia artificial aplicada a la ganadería de precisión, investigadores de la Universidad del Sinú – Elías Bechara Zainúm buscan desarrollar modelos de conocimiento que mejoren la producción de carne en el sector ganadero de ceba y levante, a partir de ciclos autónomos que usan datos masivos relacionados con el pasto, el clima y el ganado, entre otras variables.
Este proyecto es liderado el ingeniero Rodrigo Junior García Hoyos, docente y director de Unisinú Virtual, junto a miembros del grupo de investigación I+D+I en Tecnologías de la Información y las Comunicaciones (Giditic) de la Universidad Eafit y de Universidad de los Andes (Venezuela), quienes buscan que la exportación de carne se beneficie de un proceso productivo más eficiente.
De la iniciativa también participan los docentes unisinuanos Ángel Pinto y Paul Rodríguez, decano de la Facultad de Ciencias Económicas, Administrativas y Contables.
El proyecto cuenta con el apoyo de la Federación Colombiana de Ganaderos. Los resultados preliminares de este primer trabajo científico hacen parte de una revisión sistemática de la literatura para identificar cuáles son los nichos de investigación más importantes actualmente.
Con el análisis de datos se construyen modelos de conocimiento, basados en técnicas de inteligencia artificial para automatizar estos procesos, explicaron los investigadores.
El aporte de estos investigadores hace parte de una tesis doctoral en la que se observa que a pesar del avance en el uso de las técnicas de machine learning en el sector agropecuario, todavía es necesario profundizar en aspectos particulares como la producción de carne, pues con la apropiación de estas herramientas de precisión se espera tener un impacto directo en la producción ganadera entregando mejores criterios de calidad para el mercado internacional.
Los investigadores también han diseñado modelos autonómicos de gestión de la producción ganadera, que han sido validados en fincas productoras del país. Uno de estos ciclos autónomos con el análisis masivo de datos, por ejemplo, permite tener control de la secuencia de rotación del ganado de ceba y levante en su proceso de engorde para la producción de carne.
Estos avances, destacan los investigadores colombianos, van a permitir desarrollar más investigaciones en relación con mejores técnicas en ganadería de precisión adaptadas al contexto regional. “Todo este conjunto de variables reunidas en un sistema permitirá tomar las mejores decisiones. Por ejemplo, cuál es el punto óptimo para hacer una rotación dependiendo de la cantidad de forraje o si es mejor trasladar un animal de un hato a otro porque no está respondiendo como debería”, expresa Rodrigo Junior García Hoyos.
