Browsing by Author "Castro Salinas, Daniel"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Sexaje de huevo fértil de gallinas reproductoras Hy-Line mediante Espectroscopía de Infrarrojo Cercano (NIR) portátil y herramientas quimiométricas
    (Universidad Nacional de Trujillo, 2024) Castro Salinas, Daniel; Honorio Javes, César Eduardo; Siche Jara, Raúl Benito
    La determinación del sexo in ovo de embriones de gallinas ponedoras antes de que perciban dolor resolvería el problema ético y de bienestar animal asociado con el sacrificio masivo de pollitos machos recién nacidos. Además, permitiría ahorro de costos y espacio en el proceso de incubación. El objetivo de esta investigación fue determinar el sexo de huevos fértiles de gallinas reproductoras Hy-Line mediante un espectrómetro (NIR) portátil y herramientas quimiométricas. Se utilizó 200 huevos incubables, 130 se destinaron al desarrollo del modelo predictivo y 70 para su validación externa. Se adquirieron datos espectrales NIR en los días de incubación 0, 1, 3, 5, 7, 8 y 10. Los datos espectrales fueron preprocesados con las técnicas MC (Media Centralizada), SNV (Normalización de Variabilidad Estándar) y 2° derivada Savitzky-Golay. El análisis de los datos se realizó en el software Matlab R2020a, mediante un análisis de componentes principales (PCA) y análisis discriminante de mínimos cuadrados parciales (PLS-DA). En la fase de calibración, los modelos PLS-DA con mejor desempeño fueron en los días 0 y 5 con una precisión de predicción de 66,2% para machos y 65% para hembras. En la fase de validación externa, el modelo con mejor rendimiento fue en el día 0 con una precisión de predicción de 47,6% para machos, y 66,6% para hembras. En conclusión, un espectrómetro (NIR) portátil y herramientas quimiométricas, pueden sexar in ovo huevos de gallinas Hy-Line, con una precisión baja, por ser un área en desarrollo, es fundamental mejorar la precisión y robustez del modelo a través de la integración estratégica de herramientas de Inteligencia Artificial (IA) que mejoren el preprocesamiento y análisis de los datos espectrales.