Nuria García
Existe un interés creciente por la aplicación de tecnologías de precisión en la industria lechera, ya que pueden hacer que las granjas sean más eficientes, reducir el impacto medioambiental y el tiempo de trabajo y, en general, mejorar la salud y el bienestar de los animales. En este sentido, permiten monitorizar con frecuencia a los animales sin que se sientan molestados o sin alterar sus comportamientos habituales.
Ejemplos de estas tecnologías son los sistemas de registro de producción de leche, evaluación de componentes lácteos, de la actividad de la vaca, del comportamiento de tumbarse y rumiar, etc. La información de cada vaca recogida con esta metodología complementa las observaciones que los operarios hacen de cada animal y, tras un procesamiento adecuado de los datos, pueden ayudar en el proceso de toma de decisiones y gestión de la granja.
Los estudios de validación de tecnologías de precisión se han centrado principalmente en rebaños lecheros estabulados, pero recientemente se han llevado a cabo algunas investigaciones en rebaños en pastoreo. La observación visual es el método más común para validar tecnologías de precisión en la industria lechera, pero es un método muy laborioso y además puede existir sesgo entre observadores.
En Austria se diseñó un crotal para monitorizar los comportamientos individuales de las vacas a partir de los movimientos y la posición de sus orejas y su cabeza. El crotal se validó en ganados estabulados para el tiempo de rumia y mostró una fuerte asociación en comparación con la observación visual y la grabación de vídeos. Aunque el crotal tiene potencial para detectar el comportamiento en pastoreo de las vacas, no se ha validado para ello.
Por eso un estudio publicado en el Journal of Dairy Science (Pereira et al., 2020), se realizó con el doble objetivo de desarrollar un algoritmo de pastoreo para el crotal y de proceder a su validación, en dos localizaciones distintas (Minnesota e Irlanda).
Desarrollo del algoritmo de pastoreo en Minnesota e Irlanda
Para desarrollar el algoritmo de pastoreo, en Minnesota se utilizó un rebaño experimental de 120 vacas de leche que durante el verano accedían a pastos a tiempo completo, excepto durante las dos horas de ordeño diarias. Se alojaron tres vacas/ha y se rotaron a prados nuevos cada dos días. Los pastos comprendían distintos tipos de gramíneas y leguminosas.
En Irlanda se utilizaron 85 vacas lecheras con acceso a tiempo completo a pastos de raigrás con una rotación de pastoreo de cuatro vías. Las vacas se presentaban voluntariamente para ser ordeñadas por un sistema automatizado, por lo que, para ayudar al paso de los animales por el sistema de ordeño automatizado, se trasladaban a un pasto nuevo cada 6 h, aproximadamente.
Los crotales, que disponían de un sensor de aceleración, un chip de radio, un sensor de temperatura para la calibración y una batería de dos años de duración, se colocaron en todas las vacas. Durante dos meses, se recogieron los datos sobre aceleración en el pasto cada tres segundos, que se procesaron y clasificaron en distintos comportamientos mediante algoritmos patentados. Tras la colocación del crotal, también se realizaron estudios de observación visual, cuyos datos se utilizaron para desarrollar el algoritmo.
Validación del algoritmo de pastoreo
Para validar el algoritmo de pastoreo fue necesario el uso de sensores de banda basal que habían mostrado una exactitud alta cuando se validaron previamente mediante observación visual del comportamiento de pastoreo. El sensor de banda nasal constaba de un tubo de presión de silicona relleno de glicol con un sensor de presión incorporado, conectado a un dispositivo para registrar la aceleración de los tres ejes del animal. Los datos recogidos por el sensor de banda nasal se analizaron y se clasificaron en distintos comportamientos: comer, rumiar, beber y otras actividades.
Concordancia entre los registros del crotal y del sensor de banda nasal
Los resultados pusieron de manifiesto que la concordancia entre el algoritmo de pastoreo desarrollado a partir de los datos recogidos por el crotal y los datos de la observación visual tuvo una precisión, sensibilidad y exactitud del 90, 92 y 91%, respectivamente. El sensor de banda nasal tuvo una precisión del 88% y una exactitud del 89% para el comportamiento de alimentación, en comparación con la observación visual directa.
Además, el porcentaje del tiempo total de pastoreo registrado por el crotal y por el sensor fue del 37.0% y del 40.5%, respectivamente, en Minnesota, y del 35.4% del y 36.9%, respectivamente, en Irlanda, lo que pone de manifiesto que el crotal y el sensor de banda nasal coincidieron de forma notable en la monitorización del pastoreo en ambas localidades.
Conclusión
Según los resultados del estudio, el crotal con acelerómetro puede monitorizar con precisión el comportamiento de pastoreo en las granjas y podría ser una buena herramienta para la toma de decisiones sobre la gestión de la explotación.
Referencia
Pereira GM, Heins BJ, O’Brien B, McDonagh A, Lidauer L, Kickinger F. 2020. Validation of an ear tag–based accelerometer system for detecting grazing behavior of dairy cows. J. Dairy Sci. 103:3529–3544.
© 2021 Dellait Dairy Research Review. All Rights Reserved.
