Estimación del consumo en rumiantes en pastoreo utilizando redes neuronales artificiales

Abstract

Medir con precisión y rapidez el consumo de forraje en rumiantes es importante para la gestión eficiente del rodeo y los recursos alimenticios, así como para la salud y bienest ar animal en los sistemas de producción.
El uso de algoritmos de procesamiento inteligente de señales que extraigan información relevante de los sonidos que emiten los rumiantes es una opción prometedora para predecir el consumo de rumiantes en condiciones de pastoreo. En este trabajo se aplican perceptrones multicapa y
máquinas de aprendizaje extremo como modelos de regresión no lineales multivariada para la estimación del consumo. Los resultados muestran que éstas técnicas de regresión no lineal para
pueden reducir significativamente el error de estimación de la cantidad de materia seca consumida
por rumiantes.