Con técnicas computacionales avanzadas de aprendizaje automático (machine learning) e inteligencia artificial aplicadas a la actividad agropecuaria de precisión, investigadores eafitenses 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.
En este proyecto participan investigadores del grupo de investigación I+D+I en Tecnologías de la Información y las Comunicaciones (Giditic) de EAFIT junto a expertos en inteligencia artificial de la Universidad del Sinú y Universidad de los Andes (Venezuela), quienes buscan que la exportación de carne se beneficie de un proceso productivo más eficiente. Sus nombres son Rodrigo Junior García Hoyos, José Lisandro Aguilar, Mauricio Toro Bermúdez, Ángel Pinto y Paul Rodríguez. El proyecto, además, cuenta con el apoyo de la Federación Colombiana de Ganaderos.
"Los resultados preliminares de este primer trabajo científico hacen una revisión sistemática de la literatura para identificar cuáles son los nichos de investigación más importantes actualmente y, por ejemplo, nosotros estamos introduciendo un concepto innovador, que ya lo hemos utilizado en las ciudades inteligentes como son los ciclos autónomos. Con el análisis de datos se construyen modelos de conocimiento, basados en técnicas de inteligencia artificial para automatizar estos procesos", manifiesta José Lisandro Aguilar Castro, doctor en Ciencias de la Computación e investigador de Giditic.
Los científicos computacionales, a través de esta tesis doctoral que sustenta la investigación, observaron 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.
"Para nosotros es importante utilizar la gran cantidad de datos que puede haber en un proceso de este tipo. Datos del subsuelo, del ganado, datos generales del contexto de la finca y climáticos de la zona. A partir de esto se implementarán modelos de aprendizaje automático, así como técnicas de inteligencia artificial para poder producir modelos de conocimiento que permiten automatizar los procesos de toma de decisión de la actividad productiva", explica el experto eafitense.
Además de la revisión sistemática en la literatura, los investigadores hasta el momento 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.
"En el caso particular de Colombia, es una oportunidad muy grande porque en la literatura científica la mayoría de los estudios se han hecho en zonas como Europa, Estados Unidos o Nueva Zelanda, donde, por el clima intemperante, el ganado debe permanecer en lugares cerrados casi todo el año. En Colombia tenemos la oportunidad de estudiar el uso de machine learning para ganadería semi-intensiva, donde el ganado pasa todo el año al aire libre, en diferentes potreros que se van rotando, y no encerrados en un granero como el caso de Europa. Esto también es un reto por la complejidad de instalar los sensores en este ambiente que no es tan controlado", comenta Mauricio Toro Bermúdez, investigador y profesor del Departamento de Ingeniería de Sistemas de EAFIT.
Con el avance de estas investigaciones en el área de la agropecuaria de precisión, la aplicación de estas herramientas de vanguardia para el campo colombiano se convierte en una realidad para el corto y mediano plazo. Actualmente, existen tecnologías como collares que realizan el censo de variables de temperatura y el movimiento del cuello del ganado, lo que está relacionado directamente con la salud animal.
"Una limitación que hay actualmente es que la información capturada por estos sensores debe ser enviada a internet para su procesamiento, y la disponibilidad de internet es muy limitada en muchas de las zonas ganaderas. Esta es quizás una de las principales limitaciones que tenemos en el país para la adopción de la ganadería de precisión", señala Mauricio Toro.
Entre los desafíos que se identifican para el desarrollo del sector agropecuario en Colombia, resaltan los investigadores, está precisamente mejorar la infraestructura tecnológica para capturar los datos del campo, lo que resulta esencial para construir modelos cada vez más óptimos que ayuden a combatir aspectos propios de la actividad agrícola.
“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, estudiante de doctorado en Ingeniería de EAFIT e investigador del grupo interdisciplinario Giditic.
Mayores informes para periodistas
Alejandro Gómez Valencia
Área de Información y Prensa EAFIT
Teléfono: 574 2619500 ext. 9931
Correo electrónico: jgomez97@eafit.edu.co