Aplicación móvil Android para la evaluación de la condición corporal del ganado mediante redes neuronales convolucionales

Abstract

El sector ganadero comprende las actividades relacionadas con la cría de ganado para aprovechar los beneficios de la reproducción, la producción lechera y la carne. En este sector, un factor vital es la condición corporal del ganado, considerada un indicador nutricional, ya que el nivel de grasa subcutánea en ciertos puntos anatómicos determina el grado de delgadez o obesidad del animal. Por lo tanto, es un indicador clave para identificar deficiencias nutricionales, un problema común en la industria ganadera. Una evaluación oportuna de la condición corporal del ganado puede prevenir problemas nutricionales que mejoran la salud, la reproducción y la producción lechera. Este estudio tiene como objetivo desarrollar una aplicación móvil para Android que evalúe la condición corporal del ganado Bos Taurus mediante técnicas de visión artificial y aprendizaje profundo. La aplicación se desarrolló siguiendo la metodología ágil XP y utilizando los frameworks Flutter, TensorFlow y Keras. Para ello, se entrenaron tres modelos CNN: Yolo, MobileNet y VGG-16, para diferentes tareas dentro de la aplicación. Los modelos se evaluaron mediante métricas cuantitativas como la matriz de confusión, la curva ROC, la curva CED y el AUC. Se utilizó la norma ISO/IEC 25022 y el cuestionario USE para evaluar la calidad de la aplicación móvil en uso. La aplicación alcanzó una precisión de 0,88 entre la puntuación de condición corporal (BCS) medida manualmente y la predicha. Los resultados demostraron que esta aplicación permite a cualquier persona evaluar adecuadamente la condición corporal del ganado mediante un dispositivo móvil convencional, contribuyendo así a la innovación del sector ganadero.