Resumen:
CONDITION FOR PUBLICATION OF PROJECT. project addresses the need to improve herd control on the ESPOL farm in the face of high costs and limitations of physical fences. The main objective is to design and implement a virtual fence system that allows to monitor in real time the movement of animals through wireless communication and generate alerts when detecting exits from the safe zone. The integration of low-consumption technologies is proposed, along with predictive models, optimizing cattle management and reducing losses.
The system was developed using LoRa CubeCell nodes installed in collars, a LoRaWAN gateway connected to ChirpStack and the Home Assistant platform for visualization. The signal data was stored in an SQL database and machine learning algorithms, specifically LSTM and Random Forest, were applied to predict the position of the animals more accurately.
The tests carried out on the farm showed that the light and portable prototypes did not affect the mobility of the cattle and allowed the delimitation of virtual grazing areas, issuing immediate notifications to the staff through the web interface and mobile devices.
In conclusion, the system constitutes an efficient, scalable, and low-cost alternative that improves the safety of the herd, optimizes resources, and represents a technological advance applicable to the livestock sector.
Keywords: Virtual Fence, Livestock, Real time Monitoring, LoRa.
Descripción:
CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El proyecto aborda la necesidad de mejorar el control del rebaño en la granja de ESPOL frente a los altos costos y limitaciones de las cercas físicas. El objetivo principal es diseñar e implementar un sistema de cerca virtual que permita monitorear en tiempo real el desplazamiento de los animales mediante comunicación inalámbrica y generar alertas al detectar salidas de la zona segura. Se plantea la integración de tecnologías de bajo consumo, junto con modelos predictivos, optimizar la gestión del ganado y reducir pérdidas.
El sistema se desarrolló utilizando nodos LoRa CubeCell instalados en collares, un gateway LoRaWAN conectado a ChirpStack y la plataforma Home Assistant para la visualización. Los datos de señal se almacenaron en una base SQL y se aplicaron algoritmos de aprendizaje automático, específicamente LSTM y Random Forest, para predecir la posición de los animales con mayor precisión.
Las pruebas realizadas en la granja mostraron que los prototipos ligeros y portátiles no afectaron la movilidad del ganado y permitieron delimitar zonas de pastoreo virtuales, emitiendo notificaciones inmediatas al personal mediante la interfaz web y dispositivos móviles.
En conclusión, el sistema constituye una alternativa eficiente, escalable y de bajo costo que mejora la seguridad del rebaño, optimiza recursos y representa un avance tecnológico aplicable al sector ganadero.
