Skip to main content
Plataforma Cloud de datos federados con capa de inteligencia artificial para la mejora genética y reproductiva del ovino lechero

Grup Operatiu GC4SHEEP: Plataforma Cloud de dades federades amb capa d'intel·ligència artificial per a la millora genètica i reproductiva de l'oví lleter

  • Tipus Grup operatiu
  • Execució 2022 -2025
  • Pressupost assignat 599.022,08 €
  • Àmbit Supraautonómico
  • Comunitat Autònoma Castilla y León; Castilla - La Mancha; Galicia; País Vasco
  • Font principal de finançament PAC 2014-2020
  • Web del projecte https://gc4sheep.com
Descripció

Projecte orientat a la digitalització i innovació de cara a la millora de la reproducció i fertilitat a través del processament i digitalització del processament de dades amb intel·ligència artificial.

El projecte GC4SHEEP es proposa treballar en la recopilació de dades conjuntes sobre les races ovines principals d'Espanya amb l'objectiu de millorar la reproducció i la fertilitat mitjançant models predictius per a una millor presa de decisions. Es basarà en paràmetres clau com la selecció seminal o lús de diluents per millorar la qualitat del semen.
No obstant això, per analitzar les dades, cal generar-les. En el marc d'aquest projecte, es generaran dades sobre la gestió reproductiva vinculades a la millora de la selecció de femelles i mascles als ramats. Per exemple, correlacions relacionades amb els espectres MIR de la llet i la condició corporal, anàlisi del rendiment reproductiu dels millors mascles en funció de la velocitat de salt, correlacions de la qualitat de mascles i bens en funció de l'alimentació, millores en la qualitat del diluent per millorar la viabilitat del semen mitjançant solucions i la qualitat dels propis sement. Aquest conjunt d'anàlisi permetrà avançar cap a l'ovinocultura 4.0, cosa que es traduirà en una rendibilitat més gran de les explotacions ovines. L'avaluació econòmica de la solució digital com a eina predictiva de la fertilitat i reproducció, clau per avaluar la millora en la rendibilitat de les explotacions, orientada a la millor gestió de l'explotació a través de la intel·ligència artificial de les dades que s'emmagatzemaran a la plataforma cloud basada en el datalake del projecte.

El projecte GC4SHEEP ha desenvolupat un sistema integral d'anàlisi i de gestió de dades per millorar la reproducció i la fertilitat de les ovelles. El resultat principal ha estat la creació d'una plataforma digital segura i col·laborativa que permet a les granges emmagatzemar, analitzar i compartir dades reproductives. Amb aquesta eina, shan realitzat estudis basats en intel·ligència artificial per comprendre millor els factors que influeixen en la fertilitat. Entre els avenços més rellevants, l'ús de dades MIR de la llet permet el diagnòstic de gestació un mes abans que amb les tècniques tradicionals, cosa que redueix costos i permet una presa de decisions més ràpida. A més, s'ha demostrat que l'evolució de la condició corporal de les ovelles durant la gestació influeix clarament en els resultats de fertilitat, per tant, un bon maneig nutricional és essencial.

Alhora, s'ha analitzat el rendiment reproductiu dels carners, demostrant que variables com la taxa de salt o la qualitat del semen permeten una millor selecció de mascles reproductors. També s'han identificat les millors pràctiques d'alimentació per a vedells i femelles joves, millorant el desenvolupament testicular i els resultats de la inseminació. En general, GC4SHEEP ofereix una solució pràctica per als productors d'ovelles: un sistema simple i accessible que permet anticipar els problemes reproductius, prendre millors decisions de gestió i millorar la rendibilitat de l'explotació mitjançant l'ús eficient de les dades.

Objectius
  • Objectiu general:
    • L'objectiu del GO GC4SHEEP és incrementar la rendibilitat de les ramaderies ovines mitjançant una transformació basada en la dada i connectades amb innovacions en millora de fertilitat.
  • Objectius específics:
    • Anàlisi de dades a plataforma federada de compartició amb seguretat individualitzada i dotada d'intel·ligència artificial per aconseguir prediccions alineades amb millores en la rendibilitat de les ramaderies.
    • Anàlisi de solucions innovadores per millorar la fertilitat orientades a maneig de mascles i femelles per generar dades útils per a la presa de decisions.
  • Altres Objectius
    • Coordinació tècnica per a control dindicadors i que demostri les millores en la rendibilitat amb les solucions innovadores proposades.
Resultats
  • Desenvolupament de Sheep cloud i plataforma federada segura
  • Anàlisi de dades MIR i condició corporal per avaluar millores en fertilitat i anàlisi de dades de rendiment reproductiu de mascles, basat en ritme de salts, alimentació i viabilitat del semen per a la selecció de sementals
  • Coordinació i gestió del grup operatiu i anàlisi de rendibilitat

El resultat R1 del projecte GC4SHEEP ha estat el desenvolupament d'una plataforma digital federada que permet a les ramaderies ovines emmagatzemar, gestionar i analitzar de manera segura les dades reproductives. Aquesta plataforma es basa en un sistema de datalake i un model de federació que permet compartir informació entre associacions sense perdre la propietat ni el control de dades. Entre els seus principals avantatges pràctics destaca la possibilitat de realitzar anàlisis predictives mitjançant intel·ligència artificial, ajudant a millorar la presa de decisions sobre reproducció, selecció genètica o maneig nutricional. A més, incorpora un sistema de signatura digital que garanteix la seguretat, l'autenticitat i la traçabilitat de la informació compartida. Per al ramader, l'ús d'aquesta plataforma suposa una oportunitat clara de millora en l'eficiència i la rendibilitat de l'explotació. Permet identificar de manera primerenca problemes reproductius, millorar la planificació de cobriments, realitzar anàlisis comparatives entre campanyes i optimitzar la gestió de mascles i femelles. A més, la seva estructura està preparada per integrar noves dades o mòduls danàlisi en el futur, convertint-se en una eina clau per avançar cap a una ramaderia ovina més digital, eficient i sostenible.

El resultat R2 del projecte GC4SHEEP ha demostrat el potencial de lús dels espectres MIR de la llet juntament amb lanàlisi de la condició corporal com a eines predictives per millorar la gestió reproductiva. S'ha verificat que, mitjançant intel·ligència artificial, els espectres MIR permeten anticipar fins a 35 dies d'antelació si una ovella està gestant, cosa que millora notablement l'eficiència davant de mètodes tradicionals com l'ecografia. A més, s'ha confirmat que l'evolució de la condició corporal durant la gestació està directament relacionada amb la fertilitat: les ovelles que perden condició mostren una taxa de gestació menor. Aquesta dada permet al ramader actuar a temps mitjançant ajustaments nutricionals. Tots dos enfocaments ofereixen mètodes no invasius, econòmics i fàcils dimplementar. En facilitar diagnòstics primerencs, ajuden a reduir els dies improductius, planificar millor les inseminacions i optimitzar l'ús dels sementals. Amb això, es millora la rendibilitat de lexplotació i es redueix el malbaratament de recursos. Aquest resultat marca un avenç clau cap a una gestió reproductiva més intel·ligent, basada en dades i adaptada a les condicions reals de cada ramat.

El resultat R3 del projecte GC4SHEEP s'ha centrat a analitzar de manera pràctica i aplicada el rendiment reproductiu dels sementals, fent servir com a indicador el ritme de salts i altres variables associades a la recollida de semen. L'anàlisi ha permès identificar perfils de mascles més fèrtils i eficients, facilitant una millor selecció i maneig dels reproductors als centres d'inseminació. Aquest coneixement aporta al ramader una eina concreta per optimitzar la rendibilitat de la seva explotació: seleccionar sementals no sols per genètica, sinó també per comportament reproductiu i qualitat seminal. A més a més, conèixer les dades reals de cada mascle permet programar millor les campanyes d'inseminació, optimitzar recursos i reduir costos. La integració d'aquestes dades a la plataforma GC4SHEEP permet un seguiment en temps real dels rendiments de cada mascle facilitant decisions àgils. Amb aquest enfocament, el projecte avança cap a una reproducció ovina més eficient, reduint errors, millorant resultats i recolzant un model de ramaderia de precisió basat en dades objectives.

El resultat R4 del projecte GC4SHEEP ha permès avaluar i demostrar com l'alimentació específica de mascles i xais joves influeix directament en el desenvolupament reproductiu i en els resultats de fertilitat. S'han dissenyat plans d'alimentació adaptats per optimitzar el creixement, el desenvolupament testicular en mascles i la preparació reproductiva de les benes. Els resultats mostren que un bon pla nutricional millora pes, volum i qualitat testicular en mascles, cosa que es tradueix en més qualitat seminal i millors taxes d'inseminació. En el cas de les benes, es garanteix un desenvolupament més equilibrat i una capacitat reproductiva més gran en arribar a l'edat adulta. Aquest resultat ofereix als ramaders una recomanació pràctica clau: adaptar l'alimentació de joves reproductors no només millora la salut animal, sinó que augmenta directament l'eficiència de la reproducció i la rendibilitat de l'explotació. A més permet optimitzar l'ús de mascles en inseminació artificial i reduir el nombre d'animals descartats per baix rendiment.


El resultat R5 del projecte GC4SHEEP s'ha centrat en el desenvolupament i la prova de noves solucions diluents per a la conservació i el transport del semen oví. Aquestes solucions permeten mantenir millor la viabilitat i la qualitat del semen durant més temps, ampliant les possibilitats d'ús i millorant els resultats reproductius. Els assaigs realitzats han mostrat que aquests diluents millorats permeten mantenir taxes de motilitat i qualitat seminal més altes en comparació dels diluents convencionals, especialment en situacions de transport o emmagatzematge perllongat. Per al ramader i els centres d'inseminació, l'ús d'aquests diluents nous suposa un avantatge clar: més flexibilitat en l'ús del semen, millora dels resultats d'inseminació i reducció de pèrdues per baixa qualitat. A més, permet planificar amb més antelació les campanyes reproductives i millorar la logística de les dosis seminals. Aquest avenç facilita un ús més eficient dels recursos i dóna suport a una reproducció ovina més rendible i sostenible.

El resultat R6 del projecte GC4SHEEP ha estat la integració d‟un sistema d‟anàlisi avançat, basat en intel·ligència artificial, dins de la plataforma GC4SHEEP. Aquest sistema permet a les ramaderies analitzar les dades de reproducció, identificar patrons i prendre decisions millor informades. L´eina permet crear estudis personalitzats en funció de les variables que el ramader vulgui analitzar: raça, alimentació, dades d´inseminacions, meteorologia, estat corporal, etc. El sistema torna una anàlisi visual i entenedora de les variables que més influeixen en l'èxit reproductiu. Això suposa un avantatge pràctic enorme: el ramader pot identificar els factors clau que milloren o perjudiquen els resultats reproductius i adaptar les estratègies de maneig en temps real. A més, permet planificar millor les campanyes de cobriment, reduir els costos d'inseminació i augmentar la taxa de parts. Amb aquest resultat, el projecte GC4SHEEP ofereix una solució digital pràctica, assequible i adaptable que permet professionalitzar la gestió reproductiva en oví i avançar cap a una ramaderia de precisió basada en dades.

Informació de contacte
  • Nom coordinador/entitat: GC4SHEEP
  • Email coordinador/entitat: hola@gc4sheep.com
Col·laboradors
  • MSD Merck Sharp & Dohme Animal Health S.L.
Beneficiaris
  • OVIGEN
  • GENOVIS
  • ASSAFE
  • Confederación Asociaciónes criadores ovino latxa y carranzana (CONFELAC)
  • Medrar Smart Solutions
  • S.L.
  • AGRAMA
  • Centro tecnolóxico de telecomunicacións de galicia GRADIANT # Subcontratados: Universidad de León
  • Instituto vasco de investigación y desarrollo agrario S.A
  • (NEIKER)
  • ARDIEKIN
  • Instituto de ganadería de montaña CSIC ULE
  • Universidad de Castilla La Mancha (UCLM)
  • Instituto regional de investigación y desarrollo agroalimentario y forestal de Castilla-La Mancha (IRIAF)