Current livestock production systems require the optimization and total control of their resources in order to maintain profitability within an increasingly strict market. In this sense, precision livestock farming is presented as a new area, which is based on the use and development of information and communication technologies with the objective of achieving automatic and real-time monitoring of animal behavior. This helps to the farmer in making preventive and immediate decisions for the management of the herd.
This thesis addresses the monitoring of the ruminant feeding behavior, which is essential to know the nutritional status of animals and increase the efficiency in the use of pastoral resources. For this purpose it was necessary to design, develop and implement algorithms with low computational cost. These algorithms should be able to operate in embedded systems of reduced computational capacity as parts of a feeding monitoring system. The developed algorithms were focused on two tasks of different temporal scale but complementary to each other: (i) recognition of jaw movements (chew, bite and chew-bite); and (ii) recognition of feeding activities (rumination and grazing). For the design of such algorithms several machine learning and signal processing techniques were explored and implemented. The sounds produced by the animal during feeding were used as input information source to the system. A performance similar to state of the art methods was achieved, but with a lower computational cost. In addition, an ad-hoc embedded system was designed and developed, in order to execute such algorithms.
Los sistemas de producción ganadera actuales requieren de la optimización y el control total de sus recursos para poder mantener la rentabilidad en un mercado cada vez más exigente. En este sentido, la ganaderı́a de precisión se presenta como una nueva herramienta basada en el uso y desarrollo de tecnologı́as de la información y las comunicaciones para lograr un monitoreo automático, preciso y en tiempo real del comportamiento animal, lo cual ayuda al productor en la toma de decisiones.
En esta tesis se aborda el monitoreo del comportamiento alimentario de rumiantes, lo que resulta imprescindible para conocer el estado nutricional del animal y aumentar la eficiencia en el uso de los recursos pastoriles. Para esto fue necesario diseñar, desarrollar e implementar algoritmos de bajo costo computacional que puedan operar en sistemas embebidos de capacidad de cómputo reducida. Los algoritmos desarrollados se centraron en dos tareas de diferente escala temporal pero complementarias entre sí: (i) reconocimiento de movimientos mandibulares (arranque, masticación y arranque-masticación); y (ii) reconocimiento de actividades alimentarias (rumia y pastoreo). Para el diseño algorítmico se exploraron e implementaron diferentes técnicas de aprendizaje maquinal y de procesamiento de señales. Como fuente de entrada de información para el sistema se utilizaron los sonidos producidos por el animal durante su alimentación. Se alcanzaron resultados similares e incluso superiores en desempeño a métodos del estado del arte pero con menor costo computacional. Además se diseñó y desarrolló un sistema embebido dedicado para ejecutar dichos algoritmos.
