Sensores inteligentes y técnicas de machine learning para la detección del estrés en ganado bovino

• Lascano-Rivera, Samuel Benjamín ^[1] ; Rivera-Escriba, Luis Antonio ^[2] ; Balarezo-Urresta, Luis Rodrigo ^[1] ; Castañeda-Albán, Jorge Eduardo ^[3]
  1. [1] Universidad Politécnica Estatal del Carchi

     Universidad Politécnica Estatal del Carchi

     Tulcan, Ecuador

     
  2. [2] Universidad Estatal del Norte Fluminense

     Universidad Estatal del Norte Fluminense

     Brasil

     
  3. [3] Universidad San Ignacio de Loyola

     Universidad San Ignacio de Loyola

     Perú

     

  Mostrar afiliaciones +
• Localización: Innova Science Journal, ISSN-e 3091-1680, Vol. 3, Nº. 3, 2025 (Ejemplar dedicado a: Diálogos Abiertos de Saberes Integrales), págs. 336-355
• Idioma: español
• Títulos paralelos:
  • Systematic review on intelligent sensors and techniques machine learning for the detection of stress in cattle
• Enlaces
  • Texto completo
• Resumen
  • español

    Este artículo estudia el uso de la inteligencia artificial y el aprendizaje automático en la ganadería de precisión, en particular, el monitoreo del bienestar animal y la detección del estrés térmico en el ganado vacuno. Se presta especial atención a las tecnologías digitales, como los sensores inteligentes y el Internet de las cosas, que posibilitan el monitoreo continuo y no invasivo. La búsqueda se llevó a cabo con base en los artículos recientes a partir de 2020 con palabras clave relacionados con el estrés, y la ganadería de precisión. Los resultados del análisis permiten afirmar que varios algoritmos, por ejemplo, Bosque Aleatorio y XGBoost, permiten obtener una alta precisión de la predicción de la condiciones de salud. Uno de los estudios obtuvo hasta un 89,3% de precisión en la detección del estrés térmico. A pesar de los resultados prometedores, es necesario mejorar la precisión de los modelos, así como la integración de datos para una implementación efectiva.

  • English

    This article reviews the impact of artificial intelligence (AI) and machine learning (ML) on modern livestock farming, focusing on monitoring animal welfare and detecting thermal stress in cattle. It highlights digital technologies such as smart sensors and the Internet of Things (IoT), which enable continuous and non-invasive monitoring. Articles from indexed journals since 2020 were analyzed using keywords related to stress and precision livestock farming. Findings indicate that algorithms like Random Forest and XGBoost show high accuracy in predicting health conditions, with one study reporting 89.3% accuracy in detecting thermal stress. Despite promising advancements, the need to improve model accuracy and data integration for effective implementation is emphasized. Overall, AI and sensor technologies provide advanced tools for managing stress in livestock, enhancing animal welfare and productivity in the industry.