Arquitecturas computacionales para gemelos digitales de nutrición láctea de precisión: una revisión técnica y un...

Área de la Ciencia:

• Ingeniería agrícola
• Ciencias de los animales
• Biología computacional

Sus antecedentes:

• La nutrición láctea de precisión está evolucionando con la tecnología de sensores y la integración de gemelos digitales (DT).
• La investigación existente carece de un marco estructurado para comparar diversas arquitecturas de DT en el ganado lechero.

Objetivo del estudio:

• Revisar y clasificar sistemáticamente las arquitecturas de gemelos digitales habilitadas para sensores para el ganado lechero.
• Identificar diseños óptimos de DT, desafíos y direcciones de investigación futuras para la producción lechera de precisión.

Principales métodos:

• Revisión sistemática de la literatura de 122 estudios (2010-2025) sobre las DT del ganado lechero.
• Desarrollo de un nuevo marco de clasificación en cinco dimensiones para los DT.
• Análisis de las arquitecturas híbridas edge-cloud y el rendimiento del modelo AI/ML.

Principales resultados:

• Los DT híbridos de nube de borde con modelos CNN-LSTM integrados logran una precisión >90% en el reconocimiento de comportamiento.
• Las simulaciones basadas en la nube optimizan la alimentación, reducen las emisiones y equilibran la nutrición.
• Los prototipos muestran una mejora de la eficiencia de la conversión de piensos del 15-20% y una reducción del uso de agua de hasta el 40%.

Conclusiones:

• Los DTs habilitados por sensores ofrecen beneficios agronómicos y ambientales sustanciales para la ganadería lechera.
• Los desafíos clave incluyen la fusión de datos, la sincronización de redes y la validación de recomendaciones de IA.
• El trabajo futuro requiere IA explicable, aprendizaje federado y validación estandarizada para una implementación robusta.