Investigadores brasileños probaron un sistema de visión artificial que analiza el crecimiento de reses Nelore desde el aire. En un ensayo con 110 animales, la tecnología permitió anticipar una semana la decisión de comercialización y ahorrar 15.000 reales en alimentación.
Redacción: Redacción Mundo Agropecuario BET
Editor: Eduardo Schmitz
Un equipo de investigadores de Brasil desarrolló un sistema que combina drones e inteligencia artificial para seguir el crecimiento del ganado bovino sin necesidad de trasladar periódicamente los animales a una báscula. La tecnología utiliza imágenes aéreas para identificar cambios en la forma corporal de las reses y determinar cuándo comienza a disminuir la eficiencia de su engorde.
El desarrollo, presentado por investigadores de Embrapa Agricultura Digital durante la FAPESP Week Netherlands, celebrada en octubre de 2026, fue probado en condiciones comerciales en una explotación ganadera de Mato Grosso do Sul, Brasil. Los resultados de la investigación se publicaron en la revista científica Computers and Electronics in Agriculture.
En el ensayo, los investigadores observaron 110 bovinos de raza Nelore durante un ciclo de engorde de 112 días. El sistema detectó que el ritmo de crecimiento comenzaba a desacelerarse aproximadamente una semana antes de la fecha prevista mediante los procedimientos convencionales de manejo.
Esta identificación anticipada permitió calcular un ahorro de 15.000 reales brasileños en el lote estudiado, al evitar días adicionales de alimentación con una menor respuesta productiva.
El avance demuestra cómo la visión artificial puede utilizarse para transformar fotografías obtenidas desde el aire en indicadores útiles para la gestión ganadera, aunque todavía se encuentra en una etapa de desarrollo previa a su comercialización generalizada.
El problema de pesar periódicamente el ganado
En los sistemas de engorde bovino, conocer la evolución del peso resulta fundamental para decidir cuándo comercializar los animales.
Durante las primeras etapas, las reses pueden experimentar un crecimiento relativamente lento mientras se adaptan a las condiciones de alimentación y manejo. Posteriormente atraviesan una fase de aumento de peso más acelerado, hasta llegar a un período en el que la ganancia diaria comienza a disminuir.
Esta evolución suele representarse mediante una curva de crecimiento con forma de S.
Cuando los animales entran en la etapa de desaceleración, mantenerlos durante más tiempo en el confinamiento puede incrementar los gastos de alimentación sin producir una ganancia proporcional de carne.
El problema es que obtener información frecuente sobre el peso de todos los animales no siempre resulta sencillo.
Los procedimientos tradicionales requieren reunir el ganado, conducirlo hacia instalaciones de manejo y hacerlo pasar por una báscula, generalmente mediante un corredor de contención.
Estas operaciones demandan personal, tiempo e infraestructura. También pueden provocar estrés, golpes o lesiones si los desplazamientos y la inmovilización no se realizan adecuadamente.
Por esas dificultades, algunas explotaciones concentran los pesajes en momentos específicos, como la entrada al confinamiento y la salida hacia la comercialización.
Entre ambas mediciones pueden transcurrir semanas durante las cuales el productor dispone de información limitada sobre la evolución del lote.
La inteligencia artificial analiza la forma corporal de las reses
El sistema desarrollado por los investigadores brasileños utiliza imágenes captadas mediante drones para analizar las características morfológicas de los bovinos.
Su arquitectura incorpora dos modelos de inteligencia artificial especializados en tareas diferentes.
El primero identifica la presencia de los animales dentro de las fotografías aéreas y determina su ubicación. Durante las pruebas, este componente alcanzó una precisión del 95,56 % en la detección de bovinos Nelore.
El segundo modelo realiza una segmentación de las imágenes a nivel de píxel para delimitar el contorno corporal de cada animal.
Una vez identificada la silueta, el sistema calcula la relación entre la anchura y la longitud del cuerpo.
Esta proporción constituye un indicador morfológico que permite observar cambios asociados con el desarrollo muscular y la acumulación de grasa durante el engorde.
Una ventaja del procedimiento es que utiliza una relación entre dimensiones corporales, en lugar de depender únicamente del tamaño absoluto que presenta el animal en la fotografía.
De esta manera, pequeñas variaciones en la altura de vuelo del dron tienen menos influencia sobre el indicador calculado.
El principio es diferente al de una báscula convencional: el sistema no mide directamente la masa corporal, sino que interpreta cambios en la geometría visible de los animales para seguir la evolución del lote.
Esta aplicación se suma a otros desarrollos de drones e inteligencia artificial para el seguimiento de animales en Noruega, donde el procesamiento automático de imágenes aéreas se ha utilizado para facilitar el conteo de rebaños.
El algoritmo descarta posiciones que pueden alterar las mediciones
Uno de los desafíos de utilizar imágenes de ganado es que los animales no permanecen inmóviles ni adoptan siempre la misma postura.
Una res puede encontrarse acostada, girada, parcialmente oculta o con el cuerpo curvado. Estas posiciones modifican su apariencia desde arriba y pueden producir estimaciones morfológicas poco representativas.
Para reducir este problema, los investigadores incorporaron un procedimiento de filtrado automático.
El algoritmo descarta las imágenes de animales acostados o colocados en ángulos desfavorables y conserva las observaciones de aquellos que permanecen de pie, con el cuerpo relativamente recto y situados dentro de la zona adecuada de la fotografía.
Con las mediciones seleccionadas, el sistema calcula indicadores promedio para el conjunto del lote.
Esta estrategia evita interpretar cada imagen como una observación igualmente válida y reduce la influencia de las posturas corporales sobre los resultados.
El procedimiento también muestra una característica importante de la inteligencia artificial aplicada a la ganadería: no basta con detectar un animal. Es necesario evaluar si la información visual permite obtener una medición útil.
Las pruebas se realizaron con 110 bovinos Nelore en Brasil
La validación se desarrolló en la hacienda Campanário, situada en el municipio de Laguna Carapã, en el estado brasileño de Mato Grosso do Sul.
La explotación dispone de instalaciones de confinamiento para aproximadamente 14.600 bovinos.
Los investigadores seleccionaron un lote de 110 animales Nelore con una edad promedio inicial de 18 meses y realizaron el seguimiento durante 112 días.
A lo largo de ese período se efectuaron 12 misiones aéreas, aproximadamente una cada diez días.
Las imágenes obtenidas permitieron reconstruir la evolución morfológica del grupo y alimentar un modelo matemático de crecimiento.
El análisis identificó tres etapas principales: adaptación inicial, crecimiento acelerado y desaceleración de la ganancia de peso.
La tercera fase resulta especialmente importante para las decisiones productivas porque señala que el engorde comienza a ofrecer rendimientos decrecientes.
El sistema detectó esa transición alrededor de siete días antes de la fecha considerada en el manejo convencional del lote.
El resultado permitió determinar una ventana de comercialización más temprana y reducir el gasto asociado con mantener a los animales en el confinamiento.
La investigación constituye una prueba de campo en una explotación real, no solamente una simulación informática.
Sin embargo, sus resultados corresponden a las condiciones específicas del establecimiento, la raza estudiada y el período de observación. La precisión y los beneficios económicos deberán comprobarse en otras explotaciones antes de considerarlos generalizables.
Los vuelos a 15 metros no alteraron el comportamiento observado
La altura de vuelo representa un aspecto importante cuando se utilizan drones cerca de animales de producción.
Un aparato que se aproxima demasiado puede generar ruido, movimientos repentinos o reacciones de alerta que afectan tanto al bienestar del ganado como a la calidad de las imágenes.
Durante las pruebas, los investigadores evaluaron vuelos a alturas de 5, 10 y 15 metros.
Según las observaciones comunicadas por el equipo, a 15 metros los bovinos continuaron sus comportamientos habituales sin mostrar alteraciones perceptibles asociadas con la presencia del dron.
Esta altura también permitió obtener fotografías adecuadas para los análisis morfológicos.
El resultado sugiere que el seguimiento aéreo podría reducir la necesidad de reunir e inmovilizar frecuentemente a los animales para evaluar su desarrollo.
No obstante, la ausencia de reacciones visibles durante estos ensayos no demuestra que cualquier operación con drones sea inocua para todas las razas, edades o condiciones de manejo.
El comportamiento puede variar según el ruido del equipo, la experiencia previa de los animales, la altura de vuelo y las características del entorno.
La relación entre automatización y bienestar animal también forma parte de los proyectos de inteligencia artificial aplicados a la ganadería en el País Vasco, donde se investigan sistemas de seguimiento y detección temprana de problemas sanitarios y productivos.
El ensayo calculó un ahorro de 15.000 reales
La utilidad económica del sistema se relaciona con la posibilidad de identificar el momento en que la alimentación adicional deja de traducirse en un aumento de peso suficientemente rentable.
En el lote de 110 animales analizado en Campanário, la decisión anticipada permitió estimar un ahorro de aproximadamente 15.000 reales brasileños.
Los investigadores señalaron que, si una eficiencia semejante pudiera reproducirse en toda la capacidad de confinamiento del establecimiento, el beneficio operativo potencial podría aproximarse a los dos millones de reales.
Esta última cifra es una extrapolación y no representa un ahorro ya comprobado sobre los 14.600 bovinos de la explotación.
El investigador Jayme Garcia Arnal Barbedo, de Embrapa Agricultura Digital, destacó que pequeñas diferencias en el momento de comercialización pueden tener consecuencias económicas importantes.
Sin embargo, los beneficios reales de una futura implementación también dependerán del costo de adquisición o contratación de los drones, el procesamiento de las imágenes, el mantenimiento, la capacitación y la integración con los sistemas de gestión ganadera.
La rentabilidad final deberá evaluarse considerando esos costos y las condiciones particulares de cada establecimiento.
El procesamiento de imágenes será clave para ampliar la tecnología
El sistema brasileño utiliza información obtenida desde el aire, pero su funcionamiento depende de que las fotografías puedan convertirse en datos confiables.
La detección de los animales, la delimitación de sus contornos y el filtrado de observaciones requieren modelos de aprendizaje profundo capaces de interpretar imágenes tomadas en condiciones variables.
Cuando se amplía el número de animales o la frecuencia de los vuelos, también aumenta el volumen de información que debe procesarse.
Este desafío está relacionado con los avances en inteligencia artificial para distribuir el procesamiento de imágenes entre drones, servidores cercanos y servicios en la nube.
Aunque ese desarrollo fue concebido para el análisis de cultivos, ilustra un problema tecnológico común: capturar imágenes con rapidez no garantiza que los datos puedan analizarse oportunamente.
En una aplicación ganadera comercial, el valor de las observaciones dependerá de que los resultados lleguen al productor con suficiente antelación para respaldar sus decisiones.
También será necesario mantener un control de calidad sobre las imágenes y las estimaciones, especialmente cuando existan sombras, superposición de animales o variaciones en la iluminación.
La investigación también apunta al bienestar y la sanidad del ganado
Los investigadores estudian nuevas aplicaciones de la tecnología más allá del seguimiento del engorde.
Una de las líneas de trabajo consiste en identificar comportamientos asociados con situaciones de estrés dentro de los corrales.
Entre los ejemplos considerados se encuentran las disputas por el alimento y las dificultades de acceso al comedero cuando los animales no pueden colocarse adecuadamente para alimentarse.
Las imágenes aéreas podrían permitir reconocer patrones de distribución y movimiento que indiquen la necesidad de revisar las condiciones de manejo.
Otra línea de investigación se orienta hacia la ganadería lechera.
En ese ámbito, Embrapa está estudiando posibles aplicaciones para analizar hábitos de alimentación y contribuir a la detección temprana de problemas sanitarios, incluida la mastitis.
Estas funciones adicionales permanecen en desarrollo. Los resultados publicados sobre el seguimiento morfológico del ganado de carne no equivalen a una validación clínica de diagnósticos de mastitis mediante drones.
La integración de imágenes y datos de sensores es una tendencia que también aparece en sistemas de inteligencia artificial capaces de combinar observaciones aéreas y terrestres para construir modelos digitales de explotaciones agrícolas.
En el caso ganadero, el objetivo sería avanzar desde la observación visual hacia herramientas que permitan identificar cambios relevantes para el manejo y la salud animal.
El siguiente paso será convertir el prototipo en un producto comercial
La investigación fue desarrollada en el ámbito de Embrapa Agricultura Digital, con apoyo de la Fundación de Apoyo a la Investigación del Estado de São Paulo (FAPESP) y del Centro de Ciencia para el Desarrollo en Agricultura Digital Semear Digital.
El investigador Jayme Garcia Arnal Barbedo presentó los avances durante la FAPESP Week Netherlands, el 28 de octubre de 2026.
Según explicó, el equipo se encuentra cerca de completar un prototipo funcional y busca establecer colaboraciones con empresas tecnológicas y startups agropecuarias para facilitar la transferencia de la innovación al mercado.
El estudio científico, titulado Deep learning-based UAV framework for automated morphological and growth analysis of feedlot cattle, fue publicado en Computers and Electronics in Agriculture en 2026.
La investigación está identificada mediante el DOI 10.1016/j.compag.2026.111559 y tiene entre sus autores a Jianglong Yan y colaboradores.
Los resultados muestran que la combinación de drones, segmentación de imágenes y modelos de crecimiento puede proporcionar información útil sobre la evolución de un lote bovino sin depender exclusivamente de pesajes físicos frecuentes.
La validación comercial a mayor escala deberá determinar si la tecnología mantiene su precisión con diferentes razas, tamaños de rebaño, condiciones ambientales y sistemas de producción.
Por ahora, el ensayo brasileño aporta una demostración concreta de cómo la inteligencia artificial puede relacionar las características visibles de los animales con decisiones de manejo que tienen consecuencias económicas y operativas.
Fuentes referenciales:
Computers and Electronics in Agriculture – Deep learning-based UAV framework for automated morphological and growth analysis of feedlot cattle
FAPESP – Drone-based AI system tracks cattle growth without stressful trips to scales
