Investigadores de la Universidad de Georgia han completado en enero 2025 un estudio financiado por la U.S. Poultry & Egg Association (USPEA)) y la US Poultry Foundation (USFP) para poder medir y analizar, de manera fácil , en abierto y con una interface amigable y vía web, en el que mediante inteligencia artificial (IA) analizan y miden el Índice de Actividad del Pollo (IAP)
El proyecto «Desarrollo de un sistema de inteligencia artificial basado en la web para analizar el índice de actividad de los broilers » (ref. #F113 ) , forma parte del amplio programa de investigación de la U.S. Poultry & Egg Association que abarca todas las fases de la producción y el procesamiento de las aves domésticas y los huevos.
Todo el movimiento de las aves es susceptible de convertirse en datos
Las actividades de los pollos para carne, como la locomoción y el movimiento, se pueden cuantificar como “índice de actividad del pollo” (IAP), el cual se ha correlacionado con el estado de las patas, la productividad y las condiciones físicas de las aves.
Sin embargo, el índice se calcula automáticamente determinando los cambios entre imágenes adyacentes en píxeles que representan a los pollos. Esto significa que el indicador requiere conocimientos de ingeniería para ajustar los parámetros de procesado de imágenes, segmentar los pollos individuales, seleccionar las áreas de cálculo y normalizar las variaciones para obtener valores consistentes, en resumen, unas tareas que no son fáciles de utilizar para los productores o los científicos de animales sin dichos conocimientos.
El proyecto, dirigido por el investigador, el Dr. Guoming Li, del Departamento de Ciencia Avícola de la Universidad de Georgia, se propuso desarrollar una plataforma de IA basada en la web para analizar el IAP con tres objetivos específicos:
1) verificar el significado biológico del índice de actividad,
2) explorar algoritmos eficientes para segmentar aves individuales a partir de imágenes y
3) desarrollar una interfaz fácil de usar para calcular el IAP.
El IAP de los pollos se clasificó en niveles alto, medio y bajo utilizando modelos de aprendizaje automático. Los niveles altos y medios de actividad fueron significativamente más bajos para los pollos con operaciones de calentamiento cíclicas que para las aves sin operaciones de calentamiento.
Los resultados indicaron que el IAP puede ser un indicador eficaz para indicar el estrés por calor de los pollos, lo que puede respaldar intervenciones tempranas y oportunas para mejorar su rendimiento. La investigación mostró que el modelo general de aprendizaje profundo modificado sin una capacitación extensa puede lograr una precisión de más del 84% en la segmentación de aves a partir de las imágenes obtenidas en la propia nave.
A continuación, se desarrolló una plataforma que utilizaba Streamlit para calcular el IAP, ya sea individualmente o en grupos, a partir de vídeo imagenes. La plataforma de código abierto y fácil de usar permitió a los investigadores interactuar con herramientas de software para comprender los patrones de comportamiento y el bienestar de los animales sin necesidad de amplios conocimientos de programación. La plataforma se lanzará en el depósito abierto de GitHub.
Las mediciones cuantitativas detalladas de los comportamientos de las aves a través de la herramienta desarrollada pueden explicar mejor los efectos del manejo y ayudar aún más a producir unos pollos con mejor bienestar y productividad. Así, los técnicos de las empresas podrán acceder e implementar las herramientas para desarrollar unos productos comerciales de bajo costo para el monitoreo automático, mejorando así aún más el nivel de automatización del sector avícola y reduciendo las horas de mano de obra dedicada a inspeccionar los lotes, aspecto nada baladí en un contexto en que cada vez cuesta más encontrar personal cualificado para llevar las granjas avícolas.
Para saber más:
-. Aplicaciones de la inteligencia artificial en la avicultura (casos de uso en NeXusAvicultura.com )