Page 31 - MG293
P. 31

K
 0
 M
 C
 M
 C
 BAL 80% 40%
 Y
 Y
 M
 C
 BAL 80% 40%
 Y
 S/D
 BAL
 K
 C+M
        M
          C
    BAL 80% 40%
      Y
                   S/D
                      BAL
             K
                M+Y
 0
 S/D
 BAL
 K
 K
 C
 K
 Y
 M
 M
 Y
 BAL 80% 40%
 C
 S/D
 M+Y
 K
 0
 BAL
 S/D
 K
 Y
 K
 C
 M
 S/D
 BAL
 K
 C+Y
 Y
 K
 0
 M
 C
 C
 M
 C
 BAL
 Y
 K
 5%
 5%
 4%
 4%
 3%
 3%
 2%
 2%
                     modelo.h5 Y  M  C  K      C  K  C+Y  S/D  BAL  Y  M  C  K  0  BAL 80% 40%  Y  M  C  Process  Lin+  K  99%  C+M  98%  S/D  97%  BAL  95%  Y  90%  M  80%  C  K  75%  0  70%  60%  50%  BAL 80% 40%  40%  Y  M  30%  C  25%  K  20%  K  5%  4%  3%  2%  10%  S/D  5%  3%  BAL  Y  2%  M  1%  C  K  0/100%  1P  Times  0.5P  2P  Times  4P  0  Times  Times  0.5 P  Times  1 P  Times  2 P  Times  4 P  Times  BAL 80% 40%  Y  M  C  K  M+Y  S/D  BAL  Y  M  C  K  1/17  C
                Generación del modelo                           Figura 6.
                (Tensor Flow + Keras)  model tfl ite             Información de
           spectral_data .csv
                                                                pantalla de la
                                                                aplicación móvil
         Toma de espectros       Implatación                    con una lista de
                                 (Android app)                  identificación de

         Figura 5. Proceso de obtención de un modelo            muestras.
         de predicción NIRS para su implantación en un                        Figura 7. Espectros en pantalla de muestras de leche.
         teléfono Android
                                            de manera simultánea. Para ello se abre la   porcentaje son: Grasa: 3.74; Proteína: 3.20;
         radas con los valores de la incertidumbre   aplicación en el Android donde se pueden   Lactosa: 4.68; ESM: 8.62.
         proporcionados por los métodos de refe-  seleccionar las muestras sobre las que se
         rencia (0,12; 0,10; 0,24 y 0,24 para grasa,   van a aplicar los modelos de predicción   CONCLUSIONES
         proteína, lactosa y ESM, respectivamente).  para obtener los resultados de lactosa,   Dados los resultados obtenidos, se puede
                                            grasa, proteína y ESM, siempre y cuando   a  rmar que el uso de un modelo de pre-
         APLICACIÓN MÓVIL                   la visualización de los espectros se haya   dicción NIRS basado en redes neuronales,
           Para permitir que los modelos se usen en   considerado adecuada, ya que, al realizar el   aplicado a los datos espectrales NIR pro-
         una aplicación de Android, el archivo binario   diseño y desarrollo de esta aplicación móvil,   porcionados por un sensor NIRS portátil,
         que contiene la topología de la red neuronal   se introdujo la posibilidad de ver la lista de   los valores de la predicción de la calidad
         y los pesos, fue convertido al formato Tensor   muestras analizadas, así como seleccionar   química en muestras de leche fresca de
         Flow Lite (.t  ite). Google describe Tensor   la opción de ver los espectros NIRS.  vaca, se pueden correlacionar con éxito
         Flow Lite (Google Inc., 2019), como “la so-  • Preprocesamiento y geolocalización.  con los datos de referencia.
         lución para ejecutar modelos de aprendizaje   Se pueden seleccionar varios espectros   La aplicación móvil desarrollada podría
         automático en dispositivos móviles”.   pertenecientes a una muestra o diferen-  convertirse en una herramienta útil que
           La aplicación ha sido desarrollada con   tes muestras de una misma explotación   permitirá obtener una estimación in situ y
         sencillez, teniendo en cuenta que los usua-  lechera, con el   n de promediarlos y añadir   en tiempo real de parámetros de control
         rios   nales no serán profesionales de tec-  información adicional que pueda resultar de   de calidad química de la leche en cada vaca
         nología de la información y comunicación   utilidad, para su correcto almacenamiento   de forma individual. Como consecuencia,
         (TIC). El proceso para obtener un modelo   y posterior procesamiento.  decisiones sobre cambios de manejo para
         de predicción NIRS para su implantación   • Análisis y estimación. Se ha incorpo-  optimizar el proceso de producción de leche,
         en un teléfono Android, se resume a modo   rado un modelo que permite estimar los   se podrían tomar en tiempo real a nivel de
         de esquema en la   gura 5.         parámetros de calidad química requeridos.  granja, evitando posibles sanciones por pro-
           El   ujo de las operaciones a seguir para   • Generación de informes. Adicional-  blemas de calidad y reducción de tiempos
         llevar a cabo el análisis de una muestra de   mente, se cuenta con una impresora por-  de respuesta con respecto a otros enfoques
         leche con un dispositivo móvil, directa-  tátil que permite la generación e impresión   para aplicaciones NIRS fuera de línea o basa-
         mente en una explotación ganadera podría   de informes in situ, para poder entregarlos   dos en la nube. Esta aplicación está abierta
         describirse como se resume a continuación.  al responsable de la explotación.  a la incorporación de nuevos modelos para
           • Análisis de la muestra de leche en el   En la   gura 6, se muestra como ejemplo   dar soporte a otros sensores NIRS portátiles
         sensor NIRS portátil para obtener los   una lista de espectros que se pueden cli-  o a otros parámetros, además de permitir la
         datos espectrales.                 quear para mostrar y gestionar. En la   gura 7  mejora de los modelos actuales con la inclu-
           • Conectar el sensor NIRS al teléfo-  que se muestra a continuación, se visualizan   sión de nuevas muestras de leche. También
         no móvil mediante un puerto USB para   en la pantalla del dispositivo móvil espectros   podría ser transferido a otros dispositivos
         descargar la información espectral. Se   de leche cruda de diferentes muestras que   móviles que ejecuten el sistema operativo
         permite la conexión directa al dispositivo   previamente habían sido analizadas y que   de Apple (iOS). Esta aplicación, de  nitiva-
         móvil, utilizando el protocolo USB OTG.   fueron seleccionadas, tal y como se muestra   mente abre nuevas posibilidades en gestión
         Esta característica posibilita la apertura de   en la   gura anterior. En la aplicación móvil se   ganadera de precisión. 
         los archivos generados por el instrumento   pueden ver los resultados de la predicción
         NIRS, en formato CSV, y su incorporación   de una muestra de leche, junto con los datos   Este estudio fue co  nanciado por el Proyecto español RTA2015-
         a la aplicación para su posterior análisis.  de geolocalización de la explotación. Para   00020-C02-01 del INIA; el proyecto PCTI 2018–2020 (GRUPIN:
           • Visualización. Una vez que los datos   esta muestra en concreto, los resultados   IDI2018-000237) y el Fondo Europeo de Desarrollo Regional
         han sido cargados en el dispositivo, se   de referencia obtenidos por el Laboratorio   (FEDER).
                                                                              Para consultar las referencias bibliográ  cas puede escribir
         pueden visualizar uno o varios espectros   Interprofesional Lechero de Asturias en   a broza@serida.org
                                                                                    Marzo / Abril 2020 MUNDO GANADERO 31
   26   27   28   29   30   31   32   33   34   35   36