Detección de cojeras en ganado mediante imagen de profundidad y aprendizaje profundo

Por qué nos importan a todos las patas doloridas de las vacas

Que una vaca camine con dolor puede parecer un problema de granja marginal, pero la cojera en rebaños lecheros aumenta silenciosamente el coste de la leche, acorta la vida de los animales y plantea serias preocupaciones de bienestar. Tradicionalmente, detectar una vaca coja requería un ojo humano atento y mucho tiempo en el establo, algo que muchas granjas atareadas no pueden ofrecer a diario. Este artículo describe un sistema basado en cámaras que vigila automáticamente a las vacas cuando salen del sala de ordeño, usando imágenes de profundidad e inteligencia artificial para señalar signos tempranos de problema las 24 horas del día.

De establos abarrotados a una vigilancia constante y discreta

La cojera afecta aproximadamente a una de cada cinco vacas lecheras en el mundo y puede alcanzar niveles mucho más altos en algunos rebaños. Reduce la producción de leche, perjudica la fertilidad y puede obligar a los ganaderos a sacrificar animales antes de tiempo, costando cientos de dólares por vaca al año. Sin embargo, la ciencia sobre la cojera va muy por delante de lo que ocurre en la mayoría de las granjas: los ganaderos suelen subestimar cuántas vacas están doloridas, y la evaluación experta es laboriosa y subjetiva. Generaciones anteriores de tecnología intentaron ayudar colocando plataformas de presión en los pasillos o añadiendo sensores de movimiento a los animales, pero esas soluciones pueden ser caras, intrusivas y difíciles de escalar. Los autores recurren en cambio a la “ganadería de precisión” con una cámara de profundidad montada en el techo que captura la forma tridimensional de cada vaca mientras camina de forma natural por un carril.

Cómo un ojo en el techo lee el lomo de una vaca

En dos granjas lecheras comerciales en Japón, se instaló una única cámara de tiempo de vuelo sobre el pasillo estrecho que usan las vacas al volver del ordeño. Cuando cada animal pasa por debajo, la cámara registra una imagen de profundidad cenital: básicamente un mapa de alturas que muestra el contorno del lomo de la vaca. El sistema primero aisla a cada vaca del fondo mediante un avanzado modelo de “segmentación por instancias”. Tras probar varias opciones, los investigadores hallaron que un modelo moderno basado en YOLO ofrecía tanto una precisión extremadamente alta como un procesamiento rápido, detectando y delineando correctamente a las vacas en más del 99 % de los fotogramas y manejando decenas de imágenes por segundo, lo bastante rápido para uso en tiempo real en un establo concurrido.

Seguir a cada vaca y convertir la postura en una señal de dolor

Detectar vacas es solo el comienzo; el sistema también debe seguir la identidad de cada una mientras varias animales fluyen por el carril. Para ello, los autores diseñaron una serie de algoritmos personalizados de seguimiento multiobjetivo que fueron mejorando progresivamente la capacidad del sistema para mantener la identidad de cada vaca en el tiempo. La versión final utiliza no solo la superposición entre cajas, sino también cuánto tiempo se ha seguido a una vaca y si se mueve de izquierda a derecha o de derecha a izquierda. Este uso simple pero ingenioso de la dirección prácticamente eliminó las confusiones de identidad, alcanzando alrededor del 99,9 % de precisión de seguimiento en días no vistos y en ambas granjas.

Enseñar al ordenador cómo se ve “rígido y dolorido”

El núcleo de la detección de cojeras reside en la forma y el movimiento del lomo de la vaca. El dolor en las patas o extremidades a menudo provoca una columna más arqueada o irregular mientras el animal trata de aliviar la presión. En lugar de seleccionar manualmente unas pocas medidas geométricas, el equipo convierte la imagen de profundidad de cada vaca en un mapa de alturas normalizado del lomo y luego alimenta secuencias cortas de esos mapas a un modelo de aprendizaje profundo. Una red moderna de imágenes (EfficientNet) aprende patrones espaciales en cada fotograma, mientras que una red de memoria a largo plazo (LSTM) capta cómo evoluciona la postura a lo largo de varios pasos. Utilizando etiquetas de expertos en una escala de cuatro puntos —desde sana hasta gravemente coja—, la mejor configuración, EfficientNet‑B7 más LSTM sobre secuencias de cinco fotogramas, clasificó correctamente las puntuaciones de cojera en vacas no vistas con aproximadamente un 96 % de precisión y puntuación F1, a pesar de desafíos del mundo real como el desequilibrio de clases y las variadas velocidades de paso.

Qué significa esto para las vacas, los ganaderos y tu vaso de leche

En conjunto, la cámara de profundidad, la detección, el seguimiento y el modelo de puntuación de la marcha forman un sistema de monitorización integral y continuo 24/7 que puede vigilar a cada vaca que pasa por debajo, sin bozales, etiquetas ni suelos especiales. Los autores sostienen que una herramienta objetiva y continua de este tipo puede ayudar a cerrar la brecha de larga data entre lo que los investigadores saben sobre la cojera y lo que se practica rutinariamente en las granjas. Al detectar antes y de forma más consistente a las vacas en riesgo que el ojo humano por sí solo, esta tecnología podría reducir el dolor, recortar los costos de tratamiento y sacrificio y apoyar una producción de leche más humana y sostenible. Aunque aún se necesitan pruebas más amplias en más granjas, el estudio muestra que una sola cámara de profundidad cenital, combinada con aprendizaje profundo cuidadosamente diseñado, puede convertir una tarea manual difícil en una salvaguarda automatizada del bienestar animal.

Cita: Tun, S.C., Tin, P., Aikawa, M. et al. Cattle lameness detection using depth image and deep learning. Sci Rep 16, 13456 (2026). https://doi.org/10.1038/s41598-026-40780-4

Palabras clave: cojeras en ganado, imágenes de profundidad, ganadería de precisión, visión por computador, monitorización del bienestar animal