Please use this identifier to cite or link to this item: http://181.198.77.137:8080/jspui/handle/123456789/656
Title: Inteligencia Artificial para Predecir Factores de Estrés en Ganado Lechero
Authors: 021-CSUP-2025
Hernán Benavides Rosales
Samuel Lascano Rivera
Yasmany Fernández Fernández
Luis Rivera Escriba (Colaborador Ecterno UENF)
Keywords: Ganado lechero
Bienestar animal
Sensores ambientales
Predicción de estrés
Issue Date: 27-Jan-2025
Abstract: El estrés por frío en bovinos lecheros representa un desafío significativo para la ganadería, afectando el bienestar animal y la productividad. Factores como la reducción en la ingesta de alimento, menor fertilidad y problemas de salud impactan negativamente en la rentabilidad del sector. Los métodos tradicionales de evaluación del estrés suelen ser subjetivos y poco eficientes, lo que dificulta su detección y prevención. En este contexto, la implementación de técnicas de aprendizaje automático en la ganadería de precisión se presenta como una solución innovadora. A través del análisis de datos ambientales provenientes de estaciones meteorológicas y datos fisiológicos obtenidos mediante collares inteligentes, se busca desarrollar un modelo predictivo capaz de identificar patrones y predecir el estrés por frío en ganado lechero. Este enfoque permitirá una gestión más eficiente, mejorando la toma de decisiones sobre el manejo ambiental y nutricional. Como resultado, se espera optimizar la salud y productividad del ganado, fortaleciendo el bienestar animal y la sostenibilidad de las explotaciones lecheras.
URI: http://181.198.77.137:8080/jspui/handle/123456789/656
Appears in Collections:2025

Files in This Item:
File Description SizeFormat 
Formato perfil proyecto stress vacuno_2025_corregido.pdfPERFIL DEL PROYECTO DE INVESTIGACIÓN664.9 kBAdobe PDFView/Open
UPEC-P08-S1.1-FT03 formato ex ante-signed enviar.pdfEVALUACIÓN EX - ANTE DE PROYECTOS DE INVESTIGACIÓN783.28 kBAdobe PDFView/Open
RESOLUCIÓN No. 021-CSUP-2025.pdfRESOLUCIÓN No. 021-CSUP-2025147.95 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.