Por Sehrish Malik
La mortalidad de lechones sigue siendo un gran desafío en la producción porcina, con más del 18% de los lechones perdidos antes del destete (Ingris 2023). Uno de los factores clave que influyen en la supervivencia de los lechones es el comportamiento de la cerda antes y después del parto. Sin embargo, observar estos comportamientos manualmente consume mucho tiempo, es subjetivo y, con frecuencia, resulta invasivo o estresante para los animales.
En nuestro estudio, desarrollamos algoritmos de visión computacional que detectan automáticamente las posturas de las cerdas y su comportamiento de lactancia. Clasificamos las posturas en cinco categorías: de pie, postura de transición, sentada, echada en posición esternal y echada de lado. Estos patrones de postura nos ayudan a estimar niveles de actividad, como el comportamiento de construcción de nido, y detectar inquietud antes del parto.
Los resultados iniciales muestran que nuestros algoritmos detectan de manera confiable los cambios de postura, permitiendo analizar la intensidad y frecuencia del movimiento, así como episodios similares al amamantamiento, para obtener información temprana sobre los patrones de lactancia. Estos primeros resultados ofrecen una visión inicial de las diferencias de comportamiento entre individuos, indicando que la inteligencia artificial puede ayudarnos a monitorear continuamente el comportamiento de las cerdas de manera no invasiva. Comprender el comportamiento individual de las cerdas permitirá identificar características maternales que favorezcan la supervivencia de los lechones y orientar estrategias de genética y manejo.
En 2023, el 6.7% de los lechones nacieron muertos y el 11.5% murieron antes del destete. La mortalidad de lechones representa un importante problema de bienestar animal, además de una pérdida económica para los productores. Es bien sabido que la habilidad materna tiene un impacto significativo en la supervivencia de los lechones. La medición de características de comportamiento, como la habilidad materna, suele realizarse de manera manual, lo que representa un desafío. Las observaciones manuales consumen mucho tiempo, son subjetivas, pueden alterar a los animales y únicamente proporcionan una visión momentánea de la situación.
Este estudio tuvo como objetivo medir automáticamente la habilidad materna a partir de datos de videos para mejorar la supervivencia de los lechones. El estudio identificó las siguientes características de comportamiento como relevantes para mejorar la supervivencia de los lechones durante la fase de lactancia:
- Comportamiento de construcción de nido
- Inquietud durante el parto
- Comportamiento de amamantamiento
Para automatizar la extracción de características, se implementaron modelos de deep learning para la detección y clasificación de objetos en tiempo real a partir de datos de video. Se desarrolló un modelo de detección de la cerda basado en YOLOv8 mediante cajas delimitadoras (bounding boxes), el cual permitió detectar a la cerda. Este modelo también se utilizó para realizar análisis de movimiento de la cerda dentro de una ventana de tiempo.
Además, se implementó un modelo de segmentación de postura de la cerda basado en YOLOv8, capaz de detectar a la cerda y clasificar su postura en: de pie, sentada, en posición de rodillas, echada en posición esternal o echada lateralmente. Estos modelos permitieron también la detección automatizada de la actividad de construcción de nido y de la inquietud durante el parto, mediante análisis detallados del movimiento y de las posturas de la hembra dentro de un periodo de observación.
Para la evaluación del comportamiento de lactancia, se desarrolló un modelo de detección de lactancia basado en YOLOv11, con el objetivo de extraer la frecuencia y duración de los eventos.
Este estudio representa un trabajo en desarrollo y presenta resultados preliminares que contribuyen a una mejor comprensión del comportamiento de las cerdas durante fases reproductivas clave. Aunque los hallazgos actuales ofrecen información valiosa, continuamos mejorando nuestros modelos para incrementar su precisión y escalabilidad. Estas mejoras buscan proporcionar una solución escalable para la caracterización de rasgos de comportamiento que influyen en la supervivencia de los lechones.
Este enfoque es importante para mejorar la habilidad maternal mediante selección genética, así como para incrementar el conocimiento sobre el comportamiento de los lechones y las cerdas durante la maternidad, con el fin de optimizar el manejo y el soporte a los animales.