{"id":31192,"date":"2025-03-04T14:50:21","date_gmt":"2025-03-04T20:50:21","guid":{"rendered":"https:\/\/dellait.com\/?p=31192"},"modified":"2025-03-04T15:29:25","modified_gmt":"2025-03-04T21:29:25","slug":"ganaderia-de-precision-y-tecnologia-de-imagenes","status":"publish","type":"post","link":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/","title":{"rendered":"Ganader\u00eda de precisi\u00f3n y tecnolog\u00eda de im\u00e1genes | Dellait"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

\u00c1lvaro Garc\u00eda<\/strong><\/p>\n

Seg\u00fan las estimaciones, la poblaci\u00f3n mundial alcanzar\u00e1 los 9.500 millones de personas en 2050, con el consiguiente incremento de la demanda de carne, lo que ha dado lugar a un aumento en la exportaci\u00f3n de carne desde los Estados Unidos. Seg\u00fan Uffer (2023), s\u00f3lo en 2021 las exportaciones de carne de EE. UU., destinadas principalmente a los mercados de Asia Oriental, ascendieron a unos 54.300 millones de d\u00f3lares, lo cual representa un importante incremento en el ritmo de crecimiento de la industria. Las exportaciones de carne de vacuno estadounidense alcanzaron la cifra r\u00e9cord de 11.680 millones de d\u00f3lares en 2022, lo que supone un notable aumento del 10% respecto al a\u00f1o anterior (USMEF, 2023). Sin embargo, este aumento de la demanda plantea importantes desaf\u00edos para el sector de la producci\u00f3n ganadera, entre ellos la falta de mano de obra, el control de las enfermedades y el monitoreo individual de los animales.<\/p>\n

La ganader\u00eda de precisi\u00f3n (PLF, por sus siglas en ingl\u00e9s)<\/b> se define como el uso de tecnolog\u00edas de vanguardia para llevar a cabo una gesti\u00f3n eficaz de la granja, y se erige como una soluci\u00f3n prometedora para hacer frente a los problemas que pueden surgir en los corrales de engorde de vacuno. Actualmente, las observaciones manuales, que son las que dictan las decisiones sobre el suministro de alimento y las evaluaciones diarias de consumo, suponen un gran esfuerzo y son subjetivas, lo que, a menudo, da lugar a errores derivados de las variaciones en la habilidad de los trabajadores. Esta situaci\u00f3n, unida a la escasez de mano de obra en las zonas rurales, hace que sea necesario un cambio de rumbo hacia la incorporaci\u00f3n de la tecnolog\u00eda para garantizar la sostenibilidad de las granjas de engorde. En la ganader\u00eda de precisi\u00f3n, las tecnolog\u00edas de detecci\u00f3n<\/b>, especialmente las de imagen, se presentan como un recurso potencial para solucionar estos problemas. Aunque estos sistemas de detecci\u00f3n de imagen se han utilizado en veh\u00edculos el\u00e9ctricos, dise\u00f1o industrial y entretenimiento, a\u00fan no se ha explorado su uso en la ganader\u00eda, especialmente en la gesti\u00f3n del ganado.<\/p>\n

Diversos estudios han confirmado el potencial que poseen las c\u00e1maras de profundidad (3D)<\/b> cuando se utilizan en la industria ganadera, demostrando su precisi\u00f3n en la medici\u00f3n de las dimensiones de los cerdos y la estimaci\u00f3n del consumo de alimento de las vacas lecheras. Sin embargo, es necesario seguir estudiando su incorporaci\u00f3n en los cebaderos de ganado vacuno, teniendo en cuenta las distintas texturas y tama\u00f1os de los diferentes alimentos.<\/p>\n

La aplicaci\u00f3n de la imagen de profundidad en la gesti\u00f3n de los cebaderos<\/strong><\/h4>\n

En un estudio reciente realizado en la Universidad de Nebraska, se utiliz\u00f3 un sistema rentable de im\u00e1genes de profundidad para cuantificar el alimento residual en los comederos de hormig\u00f3n. Con el fin de evaluar la precisi\u00f3n de la c\u00e1mara, en los objetivos de este estudio se inclu\u00edan la adquisici\u00f3n, el procesamiento y el an\u00e1lisis de im\u00e1genes de profundidad para predecir el peso residual del alimento de forma precisa. Los resultados revelaron un enfoque innovador para optimizar la eficiencia de los cebaderos y destacaron el potencial de este tipo de tecnolog\u00eda para revolucionar las pr\u00e1cticas de gesti\u00f3n de los alimentos.<\/p>\n

La c\u00e1mara 3D que se us\u00f3 en este estudio incorpora un sensor de profundidad de un megap\u00edxel (MP)<\/b> con opciones de campo de visi\u00f3n amplio y estrecho, que se complementa con una c\u00e1mara de v\u00eddeo RGB de 12 MP, lo que permite mejorar la coordinaci\u00f3n del flujo de profundidad y la orientaci\u00f3n del sensor. La c\u00e1mara se coloc\u00f3 1 metro por encima del comedero vallado para poder observar una secci\u00f3n de 0,61 m. Antes de capturar las im\u00e1genes, se centr\u00f3 la c\u00e1mara sobre el campo de visi\u00f3n del comedero, asegur\u00e1ndose de que se encontraba al menos a un metro de la base de \u00e9ste. Para reproducir las parcelas de engorde se utiliz\u00f3 una secci\u00f3n de 0,61 m de un comedero de hormig\u00f3n (a) con cartones pegados a los lados. En el ensayo tambi\u00e9n se utilizaron once ingredientes comunes de los alimentos que se utilizan habitualmente en los cebaderos del medio oeste: ma\u00edz laminado seco, ma\u00edz de alta humedad, ma\u00edz en copos al vapor, granos secos de destiler\u00eda (DDG), granos modificados de destiler\u00eda (MDGS), salvado dulce, heno de alfalfa, ensilado de ma\u00edz, tallos de ma\u00edz y paja de trigo.<\/p>\n

Los alimentos se clasificaron en dos grupos, concentrados o compuestos, en funci\u00f3n de su textura visual y, a continuaci\u00f3n, se dividieron seg\u00fan los ingredientes o las dietas. Los concentrados son los que incluyen cereales como el ma\u00edz laminado seco, el ma\u00edz de alta humedad, el ma\u00edz en copos al vapor, los granos secos de destiler\u00eda, los granos modificados de destiler\u00eda y el salvado dulce. Por su parte, los alimentos compuestos incluyen heno de alfalfa, ensilado de ma\u00edz, tallos de ma\u00edz, paja de trigo y heno de hierba.<\/p>\n

Calibrado de c\u00e1maras y an\u00e1lisis de las im\u00e1genes<\/strong><\/h4>\n

Para calibrar las c\u00e1maras, se captaron im\u00e1genes con profundidad de placas formadas por tres paneles cuadrados, situados a diferentes distancias y en distintas posiciones dentro del campo de visi\u00f3n. Se midieron los p\u00edxeles de estas im\u00e1genes y, a continuaci\u00f3n, se calcul\u00f3 la proporci\u00f3n entre los p\u00edxeles medidos y las dimensiones reales en mil\u00edmetros. A partir de estas proporciones, se desarrollaron ecuaciones de calibraci\u00f3n para las dimensiones de longitud y \u00e1rea.<\/p>\n

Seg\u00fan los resultados, los paneles cuadrados ubicados en el centro del campo de visi\u00f3n de las c\u00e1maras fueron los que se captaron con mayor precisi\u00f3n. Dependiendo de la posici\u00f3n (en el centro, en los bordes verticales, en los bordes horizontales o en las esquinas), la relaci\u00f3n entre p\u00edxeles y longitud y entre p\u00edxeles y \u00e1rea variaba. Espec\u00edficamente, las posiciones en los bordes centrales y verticales mostraron proporciones bastante similares, mientras que en las esquinas y los bordes horizontales se vieron mayores diferencias. Adem\u00e1s, se observ\u00f3 que los paneles m\u00e1s peque\u00f1os mostraban m\u00e1s distorsi\u00f3n en las im\u00e1genes y eran captados con menos precisi\u00f3n por la c\u00e1mara. El panel cuadrado de 10\u00d710 cm mostr\u00f3 mayores desviaciones est\u00e1ndar en la relaci\u00f3n entre longitud y \u00e1rea en comparaci\u00f3n con los paneles de mayor tama\u00f1o. Por otro lado, el panel de 30\u00d730 cm present\u00f3 menor desviaci\u00f3n, lo que sugiere una mayor consistencia en la imagen cuando se usaban paneles m\u00e1s grandes.<\/p>\n

Adem\u00e1s, se descubri\u00f3 que, cuanto mayor era la distancia desde la c\u00e1mara, menor era la variaci\u00f3n en las dimensiones, en comparaci\u00f3n con las im\u00e1genes tomadas a distancias m\u00e1s cercanas. Se realizaron varias pruebas a distancias de 100, 150, 200, 250 y 300 cm, observando que las desviaciones est\u00e1ndar eran m\u00e1s altas a 100 cm (la distancia m\u00e1s cercana) y las m\u00e1s bajas a 300 cm (la distancia m\u00e1s lejana), lo que destac\u00f3 el impacto de la distancia en la precisi\u00f3n y coherencia de las dimensiones capturadas.<\/p>\n

Resultados y pron\u00f3sticos<\/strong><\/h4>\n

Para estimar los pesos residuales<\/b> de once ingredientes comunes, el estudio utiliz\u00f3 una t\u00e9cnica de imagen con profundidad. Los ingredientes compuestos, caracterizados por una mayor densidad de volumen, mostraron una mejor predictibilidad mediante el modelo. Entre estos ingredientes, la paja de trigo, con una densidad aparente de 42 kg\/m\u00b3, present\u00f3 el mayor margen de error, mientras que el heno de alfalfa mostr\u00f3 el menor margen de error.<\/p>\n

Curiosamente, en algunos ingredientes, como el ensilado de ma\u00edz o los granos secos de destiler\u00eda, el modelo tend\u00eda a sobreestimar los pesos residuales, lo que podr\u00eda atribuirse a las propiedades f\u00edsicas de estos alimentos y a las distorsiones de las im\u00e1genes segmentadas. Los ingredientes compuestos, especialmente aquellos que, durante la recogida de im\u00e1genes, conten\u00edan polvo o moho, generaron errores en la informaci\u00f3n proporcionada por la imagen con profundidad. De manera similar, los ingredientes concentrados con texturas similares a las del comedero causaron bordes segmentados deficientes, lo que afect\u00f3 la estimaci\u00f3n del volumen, ya que los valores de los p\u00edxeles resultaron inexactos o inexistentes.<\/p>\n

En general, los resultados del modelo estimaban mejor los pesos residuales de los ingredientes concentrados que el peso de los ingredientes compuestos. Los ingredientes concentrados, en particular los de mayor densidad aparente, obtuvieron predicciones m\u00e1s precisas, lo que demuestra que la densidad aparente influye en la precisi\u00f3n de las predicciones. Por el contrario, los ingredientes compuestos, al ser m\u00e1s voluminosos y presentar una menor compactaci\u00f3n entre sus part\u00edculas, mostraron una mayor variabilidad en el rendimiento predictivo.<\/p>\n

Los an\u00e1lisis revelaron datos interesantes en lo que respecta a las dietas. Por lo general, las dietas a base de concentrados obtuvieron mejores resultados y mostraron un menor margen de error que las dietas a base de alimentos compuestos. De todas las dietas de concentrados, las de mayor densidad aparente, como la de ma\u00edz + granos modificados de destiler\u00eda (MDGS) con rastrojos, mostraron una mayor precisi\u00f3n en sus predicciones, mientras que las dietas con densidad aparente m\u00e1s baja, como la de ma\u00edz + granos modificados de destiler\u00eda (MDGS) con ensilado, mostraron un margen de error m\u00e1s elevado.<\/p>\n

En el caso de las dietas de alimento compuesto, el modelo se enfrent\u00f3 a m\u00e1s retos, con errores promedio elevados en todos los casos. El pasto + granos modificados de destiler\u00eda (MDGS) obtuvo errores considerables en las predicciones, lo que demuestra las limitaciones en la estimaci\u00f3n de los pesos residuales de este tipo de dietas. Al comparar los resultados de este estudio con otros anteriores, se observaron similitudes en los m\u00e1rgenes de error, lo que afirma el potencial de este m\u00e9todo que utiliza c\u00e1maras de profundidad y t\u00e9cnicas de imagen. Sin embargo, es esencial tener en cuenta los factores ambientales, como la lluvia, la luz solar y la temperatura, que pueden influir en la precisi\u00f3n de las estimaciones del peso residual del alimento. Por ejemplo, los alimentos compuestos son propensos a secarse r\u00e1pido cuando hace calor y el ambiente es seco, lo que reduce su peso debido al aumento de la formaci\u00f3n de polvo. Adem\u00e1s, los alimentos con alto contenido h\u00famedo, como el ensilado de ma\u00edz, son propensos a estropearse cuando se exponen a la temperatura ambiente durante periodos prolongados de tiempo. Hay que tener en cuenta todos estos factores ambientales a la hora de sacar partido a esta tecnolog\u00eda o a los nuevos m\u00e9todos de captura de im\u00e1genes para obtener modelos precisos de estimaci\u00f3n del peso de los alimentos. Estos factores plantean desaf\u00edos que hay que abordar para mejorar la precisi\u00f3n de dichos modelos predictivos.<\/p>\n

El estudio lleg\u00f3 a la conclusi\u00f3n de que este modelo era excelente para predecir los pesos residuales de los ingredientes concentrados con densidades aparentes m\u00e1s altas, pero que era mucho m\u00e1s dif\u00edcil predecir con exactitud los ingredientes compuestos con densidades aparentes m\u00e1s bajas. En el caso de los ingredientes compuestos, el modelo predijo los pesos con una desviaci\u00f3n media de 1,33 kg, un error cuadr\u00e1tico medio de 2,85 kg\u00b2 y una tasa media de error del 34%. Por su parte, los ingredientes concentrados tuvieron una desviaci\u00f3n media de 2,28 kg, un error cuadr\u00e1tico medio de 8,54 kg\u00b2 y una tasa de error del 20%. En lo que respecta a las dietas, las de concentrados tuvieron una desviaci\u00f3n media de 1,06 kg, un error medio al cuadrado de 1,72 kg\u00b2 y una tasa de error del 12%. En cambio, las dietas de ingredientes compuestos tuvieron una desviaci\u00f3n media de 1,3 kg, un error cuadr\u00e1tico medio de 2,19 kg\u00b2 y una tasa de error del 35%. Este modelo funcion\u00f3 mejor con im\u00e1genes con una profundidad bien definida, lo que muestra su potencial para estimar la cantidad de alimento sobrante en los comedores utilizando c\u00e1maras de profundidad de bajo coste. Este m\u00e9todo ofrece un enfoque alternativo para ayudar a los trabajadores de los cebaderos a tomar decisiones m\u00e1s precisas sobre la gesti\u00f3n de los comederos.<\/p>\n

\u00a9 2025 Dellait Knowledge Center. All Rights Reserved.<\/strong><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"","protected":false},"author":679,"featured_media":30872,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","footnotes":""},"categories":[820],"tags":[],"class_list":["post-31192","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-articulos-vacuno-de-carne"],"acf":[],"yoast_head":"\nGanader\u00eda de precisi\u00f3n y tecnolog\u00eda de im\u00e1genes | Dellait<\/title>\n<meta name=\"description\" content=\"El uso de la tecnolog\u00eda de im\u00e1genes en la ganader\u00eda mejora la gesti\u00f3n de alimentos y optimiza los cebaderos.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Ganader\u00eda de precisi\u00f3n y tecnolog\u00eda de im\u00e1genes | Dellait\" \/>\n<meta property=\"og:description\" content=\"El uso de la tecnolog\u00eda de im\u00e1genes en la ganader\u00eda mejora la gesti\u00f3n de alimentos y optimiza los cebaderos.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/\" \/>\n<meta property=\"og:site_name\" content=\"Animal Nutrition and Health\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/Dellait\" \/>\n<meta property=\"article:published_time\" content=\"2025-03-04T20:50:21+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-03-04T21:29:25+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dellait.com\/wp-content\/uploads\/2025\/02\/2323-scaled.jpeg\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"1707\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"celia@dellait.com\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Ganader\u00eda de precisi\u00f3n y tecnolog\u00eda de im\u00e1genes | Dellait","description":"El uso de la tecnolog\u00eda de im\u00e1genes en la ganader\u00eda mejora la gesti\u00f3n de alimentos y optimiza los cebaderos.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/","og_locale":"es_ES","og_type":"article","og_title":"Ganader\u00eda de precisi\u00f3n y tecnolog\u00eda de im\u00e1genes | Dellait","og_description":"El uso de la tecnolog\u00eda de im\u00e1genes en la ganader\u00eda mejora la gesti\u00f3n de alimentos y optimiza los cebaderos.","og_url":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/","og_site_name":"Animal Nutrition and Health","article_publisher":"https:\/\/www.facebook.com\/Dellait","article_published_time":"2025-03-04T20:50:21+00:00","article_modified_time":"2025-03-04T21:29:25+00:00","og_image":[{"width":2560,"height":1707,"url":"https:\/\/dellait.com\/wp-content\/uploads\/2025\/02\/2323-scaled.jpeg","type":"image\/jpeg"}],"author":"celia@dellait.com","schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"NewsArticle","@id":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/#article","isPartOf":{"@id":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/"},"author":{"name":"celia@dellait.com","@id":"https:\/\/dellait.com\/es\/#\/schema\/person\/6d0e4a8008e33ffaa964dfdfdc48611a"},"headline":"Ganader\u00eda de precisi\u00f3n y tecnolog\u00eda de im\u00e1genes | Dellait","datePublished":"2025-03-04T20:50:21+00:00","dateModified":"2025-03-04T21:29:25+00:00","mainEntityOfPage":{"@id":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/"},"wordCount":12,"publisher":{"@id":"https:\/\/dellait.com\/es\/#organization"},"image":{"@id":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/#primaryimage"},"thumbnailUrl":"https:\/\/dellait.com\/wp-content\/uploads\/2025\/02\/2323-scaled.jpeg","articleSection":["Art\u00edculos vacuno de carne"],"inLanguage":"es"},{"@type":["WebPage","ItemPage"],"@id":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/","url":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/","name":"Ganader\u00eda de precisi\u00f3n y tecnolog\u00eda de im\u00e1genes | Dellait","isPartOf":{"@id":"https:\/\/dellait.com\/es\/#website"},"primaryImageOfPage":{"@id":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/#primaryimage"},"image":{"@id":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/#primaryimage"},"thumbnailUrl":"https:\/\/dellait.com\/wp-content\/uploads\/2025\/02\/2323-scaled.jpeg","datePublished":"2025-03-04T20:50:21+00:00","dateModified":"2025-03-04T21:29:25+00:00","description":"El uso de la tecnolog\u00eda de im\u00e1genes en la ganader\u00eda mejora la gesti\u00f3n de alimentos y optimiza los cebaderos.","breadcrumb":{"@id":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/#primaryimage","url":"https:\/\/dellait.com\/wp-content\/uploads\/2025\/02\/2323-scaled.jpeg","contentUrl":"https:\/\/dellait.com\/wp-content\/uploads\/2025\/02\/2323-scaled.jpeg","width":2560,"height":1707,"caption":"A black cow looking through a through a barbed wire fence."},{"@type":"BreadcrumbList","@id":"https:\/\/dellait.com\/es\/ganaderia-de-precision-y-tecnologia-de-imagenes\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Dellait","item":"https:\/\/dellait.com\/es\/"},{"@type":"ListItem","position":2,"name":"Ganader\u00eda de precisi\u00f3n y tecnolog\u00eda de im\u00e1genes | Dellait"}]},{"@type":"WebSite","@id":"https:\/\/dellait.com\/es\/#website","url":"https:\/\/dellait.com\/es\/","name":"Animal Nutrition and Health","description":"Dellait es una empresa global de nutrici\u00f3n y salud animal, que ofrece servicios y soluciones a la industria ganadera.","publisher":{"@id":"https:\/\/dellait.com\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/dellait.com\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/dellait.com\/es\/#organization","name":"Dellait","url":"https:\/\/dellait.com\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/dellait.com\/es\/#\/schema\/logo\/image\/","url":"https:\/\/dellait.com\/wp-content\/uploads\/2021\/03\/00-Logo-dellait-letra-azul-fondo-trasparente-v2.png","contentUrl":"https:\/\/dellait.com\/wp-content\/uploads\/2021\/03\/00-Logo-dellait-letra-azul-fondo-trasparente-v2.png","width":692,"height":175,"caption":"Dellait"},"image":{"@id":"https:\/\/dellait.com\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/Dellait","https:\/\/x.com\/DellaitLLC","https:\/\/www.linkedin.com\/company\/19157485"]},{"@type":"Person","@id":"https:\/\/dellait.com\/es\/#\/schema\/person\/6d0e4a8008e33ffaa964dfdfdc48611a","name":"celia@dellait.com","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/dellait.com\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/0059d7fcccbfc197955637f626675664c1b0f5a37a543a10cb1d4f7a62b83a3c?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/0059d7fcccbfc197955637f626675664c1b0f5a37a543a10cb1d4f7a62b83a3c?s=96&d=mm&r=g","caption":"celia@dellait.com"},"url":"https:\/\/dellait.com\/es\/author\/celiadellait-com\/"}]}},"_links":{"self":[{"href":"https:\/\/dellait.com\/es\/wp-json\/wp\/v2\/posts\/31192","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/dellait.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dellait.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dellait.com\/es\/wp-json\/wp\/v2\/users\/679"}],"replies":[{"embeddable":true,"href":"https:\/\/dellait.com\/es\/wp-json\/wp\/v2\/comments?post=31192"}],"version-history":[{"count":32,"href":"https:\/\/dellait.com\/es\/wp-json\/wp\/v2\/posts\/31192\/revisions"}],"predecessor-version":[{"id":31228,"href":"https:\/\/dellait.com\/es\/wp-json\/wp\/v2\/posts\/31192\/revisions\/31228"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dellait.com\/es\/wp-json\/wp\/v2\/media\/30872"}],"wp:attachment":[{"href":"https:\/\/dellait.com\/es\/wp-json\/wp\/v2\/media?parent=31192"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dellait.com\/es\/wp-json\/wp\/v2\/categories?post=31192"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dellait.com\/es\/wp-json\/wp\/v2\/tags?post=31192"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}