No label defined (Q3180774)
Jump to navigation
Jump to search
Project Q3180774 in Spain
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | No label defined |
Project Q3180774 in Spain |
Statements
248,759.2 Euro
0 references
310,949.0 Euro
0 references
80.0 percent
0 references
1 July 2019
0 references
31 December 2021
0 references
EA GROUP, S.C.
0 references
38°58'25.25"N, 5°48'1.33"W
0 references
06153
0 references
El sector del ovino de carne se ha visto enfrentado en los últimos años a situaciones de gran variabilidad en términos de precios de los productos y de los insumos. En este entorno, resulta complejo sostener los márgenes de beneficio, en los que el precio del producto juega un papel muy importante y que no es fácil modificar desde la explotación. La gestión eficiente de los ciclos de alimentación y el control de los costes de producción, se plantean como las principales herramientas de manejo para incrementar la rentabilidad. La incorporación de nuevas estrategias tecnológicas de manejo en las explotaciones, pueden implicar mayores costes, pero también pueden generar mayores beneficios por unidad de producción. En este sentido, el proyecto DIGITLAMB aborda diferentes aspectos novedosos en el sector de la producción de ovino, pues trata de desarrollar nuevas tecnologías digitales para controlar la uniformidad de la calidad del cordero cebado. En este sentido, DIGITLAMB desarrollará un sistema de clasificación y pesaje automatizado inteligente que permita predecir el crecimiento de los corderos en lotes uniformes. Para ello, se aplicarán técnicas de Machine Learning en báscula automática y sistemas de visión artificial para la determinación de peso y parámetros zootécnicos que permitan predecir la tasa de crecimiento de los corderos, así como técnicas de sensorización para el estudio del comportamiento y pautas de consumo de los corderos según la estrategia de clasificación de corderos seguida. Hoy en día, no existe en el mercado un sistema de clasificación de corderos que permita el agrupamiento en lotes según el potencial de crecimiento (GMD) del animal en fases tempranas del cebo. Esta clasificación permitirá ajustar de manera más eficiente el aporte nutricional, lo que supondrá un ahorro económico para la empresa, y la mejora de la uniformidad de los lotes. (Spanish)
0 references
In recent years, the meat sheep sector has been confronted with high variability in terms of product and input prices. In this environment, it is difficult to sustain profit margins, in which the price of the product plays a very important role and that it is not easy to modify from the farm. Efficient management of feeding cycles and control of production costs are considered as the main management tools to increase profitability. The incorporation of new technological management strategies on farms may entail higher costs, but they can also generate higher profits per unit of production. In this sense, the DIGITLAMB project addresses different novel aspects in the sheep production sector, as it seeks to develop new digital technologies to control the uniformity of quality of fattened lamb. In this sense, DIGITLAMB will develop an intelligent automated grading and weighing system to predict the growth of lambs in uniform batches. To this end, machine learning techniques will be applied in automatic scales and artificial vision systems for the determination of weight and zootechnical parameters to predict the growth rate of lambs, as well as sensorisation techniques for the study of the behavior and consumption patterns of lambs according to the grading strategy of lambs followed. Today, there is no system on the market for grading lambs that allows grouping into batches according to the growth potential (GMD) of the animal in early stages of bait. This classification will make it possible to adjust the nutritional contribution more efficiently, which will result in economic savings for the company, and the improvement of the uniformity of the lots. (English)
12 October 2021
0 references
Villanueva de la Serena
0 references
Identifiers
IDI-20190841
0 references