Fenotipado Automático en Ovinos

Autores
Alvarez, Juan Mauricio; Zapata, Ricardo Raul; Garro, Ricardo Jesús
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
El avance de las técnicas de explotación de la información de bases de datos de gran escala mediante inteligencia artificial no tiene precedentes. Las nuevas fuentes de datos incluyen las imágenes digitales, datos de localización y movimientos provistos por collares con GPS, bio-marcadores y bio-sensores, registros automáticos de pesos y medidas morfométricas, etc. Paralelamente el desarrollo de las técnicas de Inteligencia Artificial condujo a la creación de plataformas muy sofisticadas para analizar esas bases de datos (Nayeri et al., 2019). Las técnicas de Deep Learning (Aprendizaje profundo)basadas en redes neurales han permitido explotar de manera eficiente enormes bases de datos logrando soluciones predictivas que no se logran mediante los análisis comunes realizados por humanos.
EEA Valle Inferior
Fil: Alvarez, Juan Mauricio. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Valle Inferior; Argentina
Fil: Zapata, Ricardo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Valle Inferior; Argentina
Fil: Garro, Ricardo Jesús. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Anguil; Argentina
Fuente
Anuario Merino 2020
Materia
Ovinos
Lana
Producción de Lana
Tecnología Alta Presión
Sheep
Wool
Wool Production
High Pressure Technology
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
INTA Digital (INTA)
Institución
Instituto Nacional de Tecnología Agropecuaria
OAI Identificador
oai:localhost:20.500.12123/9401

id INTADig_fdaf5a2b43d15cbc4a73c8b0eef499a7
oai_identifier_str oai:localhost:20.500.12123/9401
network_acronym_str INTADig
repository_id_str l
network_name_str INTA Digital (INTA)
spelling Fenotipado Automático en OvinosAlvarez, Juan MauricioZapata, Ricardo RaulGarro, Ricardo JesúsOvinosLanaProducción de LanaTecnología Alta PresiónSheepWoolWool ProductionHigh Pressure TechnologyEl avance de las técnicas de explotación de la información de bases de datos de gran escala mediante inteligencia artificial no tiene precedentes. Las nuevas fuentes de datos incluyen las imágenes digitales, datos de localización y movimientos provistos por collares con GPS, bio-marcadores y bio-sensores, registros automáticos de pesos y medidas morfométricas, etc. Paralelamente el desarrollo de las técnicas de Inteligencia Artificial condujo a la creación de plataformas muy sofisticadas para analizar esas bases de datos (Nayeri et al., 2019). Las técnicas de Deep Learning (Aprendizaje profundo)basadas en redes neurales han permitido explotar de manera eficiente enormes bases de datos logrando soluciones predictivas que no se logran mediante los análisis comunes realizados por humanos.EEA Valle InferiorFil: Alvarez, Juan Mauricio. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Valle Inferior; ArgentinaFil: Zapata, Ricardo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Valle Inferior; ArgentinaFil: Garro, Ricardo Jesús. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Anguil; ArgentinaAsociación Argentina Criadores de Merino2021-05-19T17:07:17Z2021-05-19T17:07:17Z2020-12-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttp://hdl.handle.net/20.500.12123/9401https://www.merino.org.ar/ice/wp-content/uploads/anuario_merino_2020_web.pdfAnuario Merino 2020reponame:INTA Digital (INTA)instname:Instituto Nacional de Tecnología Agropecuariaspainfo:eu-repograntAgreement/INTA/2019-PE-E9-I176-001/2019-PE-E9-I176-001/AR./Ganadería de precisión: innovación tecnológica para el futuro ganaderoinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)2025-09-29T13:45:13Zoai:localhost:20.500.12123/9401instacron:INTAInstitucionalhttp://repositorio.inta.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.inta.gob.ar/oai/requesttripaldi.nicolas@inta.gob.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:l2025-09-29 13:45:13.639INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuariafalse
dc.title.none.fl_str_mv Fenotipado Automático en Ovinos
title Fenotipado Automático en Ovinos
spellingShingle Fenotipado Automático en Ovinos
Alvarez, Juan Mauricio
Ovinos
Lana
Producción de Lana
Tecnología Alta Presión
Sheep
Wool
Wool Production
High Pressure Technology
title_short Fenotipado Automático en Ovinos
title_full Fenotipado Automático en Ovinos
title_fullStr Fenotipado Automático en Ovinos
title_full_unstemmed Fenotipado Automático en Ovinos
title_sort Fenotipado Automático en Ovinos
dc.creator.none.fl_str_mv Alvarez, Juan Mauricio
Zapata, Ricardo Raul
Garro, Ricardo Jesús
author Alvarez, Juan Mauricio
author_facet Alvarez, Juan Mauricio
Zapata, Ricardo Raul
Garro, Ricardo Jesús
author_role author
author2 Zapata, Ricardo Raul
Garro, Ricardo Jesús
author2_role author
author
dc.subject.none.fl_str_mv Ovinos
Lana
Producción de Lana
Tecnología Alta Presión
Sheep
Wool
Wool Production
High Pressure Technology
topic Ovinos
Lana
Producción de Lana
Tecnología Alta Presión
Sheep
Wool
Wool Production
High Pressure Technology
dc.description.none.fl_txt_mv El avance de las técnicas de explotación de la información de bases de datos de gran escala mediante inteligencia artificial no tiene precedentes. Las nuevas fuentes de datos incluyen las imágenes digitales, datos de localización y movimientos provistos por collares con GPS, bio-marcadores y bio-sensores, registros automáticos de pesos y medidas morfométricas, etc. Paralelamente el desarrollo de las técnicas de Inteligencia Artificial condujo a la creación de plataformas muy sofisticadas para analizar esas bases de datos (Nayeri et al., 2019). Las técnicas de Deep Learning (Aprendizaje profundo)basadas en redes neurales han permitido explotar de manera eficiente enormes bases de datos logrando soluciones predictivas que no se logran mediante los análisis comunes realizados por humanos.
EEA Valle Inferior
Fil: Alvarez, Juan Mauricio. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Valle Inferior; Argentina
Fil: Zapata, Ricardo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Valle Inferior; Argentina
Fil: Garro, Ricardo Jesús. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Anguil; Argentina
description El avance de las técnicas de explotación de la información de bases de datos de gran escala mediante inteligencia artificial no tiene precedentes. Las nuevas fuentes de datos incluyen las imágenes digitales, datos de localización y movimientos provistos por collares con GPS, bio-marcadores y bio-sensores, registros automáticos de pesos y medidas morfométricas, etc. Paralelamente el desarrollo de las técnicas de Inteligencia Artificial condujo a la creación de plataformas muy sofisticadas para analizar esas bases de datos (Nayeri et al., 2019). Las técnicas de Deep Learning (Aprendizaje profundo)basadas en redes neurales han permitido explotar de manera eficiente enormes bases de datos logrando soluciones predictivas que no se logran mediante los análisis comunes realizados por humanos.
publishDate 2020
dc.date.none.fl_str_mv 2020-12-01
2021-05-19T17:07:17Z
2021-05-19T17:07:17Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12123/9401
https://www.merino.org.ar/ice/wp-content/uploads/anuario_merino_2020_web.pdf
url http://hdl.handle.net/20.500.12123/9401
https://www.merino.org.ar/ice/wp-content/uploads/anuario_merino_2020_web.pdf
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repograntAgreement/INTA/2019-PE-E9-I176-001/2019-PE-E9-I176-001/AR./Ganadería de precisión: innovación tecnológica para el futuro ganadero
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Asociación Argentina Criadores de Merino
publisher.none.fl_str_mv Asociación Argentina Criadores de Merino
dc.source.none.fl_str_mv Anuario Merino 2020
reponame:INTA Digital (INTA)
instname:Instituto Nacional de Tecnología Agropecuaria
reponame_str INTA Digital (INTA)
collection INTA Digital (INTA)
instname_str Instituto Nacional de Tecnología Agropecuaria
repository.name.fl_str_mv INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuaria
repository.mail.fl_str_mv tripaldi.nicolas@inta.gob.ar
_version_ 1844619153921540096
score 12.559606