ARCIDIÁCONO MARCELO JOSÉ MARÍA
Congresos y reuniones científicas
Título:
Optimización de producción textil animal con algoritmos de aprendizaje automático
Lugar:
Buenos Aires
Reunión:
Congreso; CAIM; 2020
Resumen:
El comercio internacional de fibras sufre pocas regulaciones y básicamente responde a la
oferta y demanda. Argentina históricamente ha sido muy competitiva en el mercado
mundial de lanas. La competitividad se basa en el volumen que ofrece el país, el bajo
costo de producción y la alta calidad. La calidad de las lanas más finas patagónicas se
centra en un muy buen grado de blanco y brillo, pureza, bajos niveles de contaminación
vegetal y buena suavidad. Para el caso del mohair, Argentina es el segundo productor
mundial, esta fibra tiene buen mercado y se produce en forma competitiva con
estándares de calidad, volumen predecible y adecuada descripción. Para el caso de las
fibras de los camélidos silvestres el país tiene grandes oportunidades considerando que
es primero en población de guanacos y segundo en vicuñas. La diversidad de los
productores involucrados en la producción de fibras hace que coexistan sistemas
altamente tecnificados con sistemas de muy bajo nivel de tecnificación. El margen para
cerrar las brechas entre tecnología conocida y aplicada en los diferentes sistemas de
producción es muy grande. La evolución de la adopción tecnológica es lenta en los
sistemas ganaderos extensivos. Los principales avances esperables a mediano plazo son
la especialización y la intensificación de la producción que incluye el uso de nuevas
tecnologías y métodos de comercialización más sofisticados. Estos avances se basan en
el uso de tecnologías de información y comunicación (TICs) para mejorar la información y
capacitación de todos los actores de la cadena. En este contexto se propone una técnica,
basada en una red neuronal de aprendizaje profundo que permita identificar con la
mayor precisión y al menor costo posible el tipo de fibra que constituye dicha estructura
anatómica o producto textil, así como sus características morfológicas, proporcionando
descriptores válidos para el análisis y aplicación de metodologías de mejoramiento
genético y usos industriales.
oferta y demanda. Argentina históricamente ha sido muy competitiva en el mercado
mundial de lanas. La competitividad se basa en el volumen que ofrece el país, el bajo
costo de producción y la alta calidad. La calidad de las lanas más finas patagónicas se
centra en un muy buen grado de blanco y brillo, pureza, bajos niveles de contaminación
vegetal y buena suavidad. Para el caso del mohair, Argentina es el segundo productor
mundial, esta fibra tiene buen mercado y se produce en forma competitiva con
estándares de calidad, volumen predecible y adecuada descripción. Para el caso de las
fibras de los camélidos silvestres el país tiene grandes oportunidades considerando que
es primero en población de guanacos y segundo en vicuñas. La diversidad de los
productores involucrados en la producción de fibras hace que coexistan sistemas
altamente tecnificados con sistemas de muy bajo nivel de tecnificación. El margen para
cerrar las brechas entre tecnología conocida y aplicada en los diferentes sistemas de
producción es muy grande. La evolución de la adopción tecnológica es lenta en los
sistemas ganaderos extensivos. Los principales avances esperables a mediano plazo son
la especialización y la intensificación de la producción que incluye el uso de nuevas
tecnologías y métodos de comercialización más sofisticados. Estos avances se basan en
el uso de tecnologías de información y comunicación (TICs) para mejorar la información y
capacitación de todos los actores de la cadena. En este contexto se propone una técnica,
basada en una red neuronal de aprendizaje profundo que permita identificar con la
mayor precisión y al menor costo posible el tipo de fibra que constituye dicha estructura
anatómica o producto textil, así como sus características morfológicas, proporcionando
descriptores válidos para el análisis y aplicación de metodologías de mejoramiento
genético y usos industriales.
