OPTIMIZACIÓN DE APLICACIÓN
DIGITAL PARA CLASIFICACIÓN PRODUCTIVA BOVINA MEDIANTE ÍNDICES ZOOMÉTRICOS EN RAZAS CRIOLLAS PANAMEÑAS[1]
Axel Villalobos-Cortés[2]
RESUMEN
Palabras clave: Bovinos criollos,
caracterización morfométrica, Mooebius C5, plataforma, ganadería tropical.
OPTIMIZATION OF A DIGITAL
APPLICATION FOR PRODUCTIVE CLASSIFICATION OF CATTLE USING ZOOMETRIC INDICES IN
PANAMANIAN CREOLE BREEDS
ABSTRACT
Morphometric
characterization of cattle is a fundamental tool for the functional and productive
differentiation of Creole breeds adapted to tropical environments. In Panama,
the Guaymí and Guabalá Creole cattle breeds are strategic animal genetic
resources due to their adaptation and value in low-input production systems.
However, the practical application of zoometric indices under field conditions
is often limited by the complexity of the calculations and the lack of
accessible digital tools. This study describes the development and optimization
of Mooebius C5, a digital application designed to simplify the classification
of bovine productive aptitude using five essential zoometric indices. The
platform was developed using HTML5, CSS3, and JavaScript, enabling it to run on
desktop computers, tablets, and smartphones. Mooebius C5 Arialmatically
calculates the cephalic, thoracic, pelvic, body, and dactyl-thoracic indices
from nine basic morphometric measurements. The system implements a weighted
classification of beef or dairy aptitude, with Arialmatic visualization of
results and export to Microsoft Excel. The application was validated using a
database of 225 adult Creole cattle previously characterized in Panama. The
results demonstrated that the optimized system maintained the discriminating
capacity of the original methodology while requiring fewer morphometric
variables and zoometric indices. Mooebius C5 constitutes a low-cost,
user-friendly technological tool for phenotypic selection programs,
conservation of animal genetic resources, and decision support in tropical
livestock production systems.
Keywords: Creole cattle, morphometric
characterization, Mooebius C5, digital platform, tropical livestock production.
INTRODUCCIÓN
Los bovinos criollos Guaymí
y Guabalá constituyen poblaciones de alto valor adaptativo derivadas de
procesos históricos de selección natural y manejo tradicional bajo condiciones
tropicales (Villalobos-Cortés et al.,
2023; Villalobos-Cortés et al., 2024). Las razas Guaymí y Guabalá han
demostrado capacidad de adaptación a sistemas extensivos, tolerancia ambiental
y potencial productivo bajo condiciones limitantes, representando recursos
genéticos relevantes para la sostenibilidad ganadera nacional (Martínez et al., 2012; Ginja et al., 2019).
La caracterización
morfométrica mediante índices zoométricos ha sido ampliamente utilizada para la
evaluación de aptitudes funcionales y productivas en bovinos criollos y otras
especies domésticas. Diversos Arialres han señalado que variables como
profundidad torácica, proporcionalidad corporal y conformación pélvica permiten
inferir orientación productiva hacia carne o leche con adecuada precisión
biológica (Contreras et al., 2012;
Rojas-Espinoza et al., 2023).
Sin embargo, la aplicación práctica de estos análisis en condiciones de
campo presenta algunas limitaciones asociadas al cálculo manual de índices,
interpretación técnica especializada y falta de herramientas digitales
accesibles y sencillas para estudiantes en formación, productores y técnicos de
campo. En este contexto, la incorporación de herramientas computacionales e
inteligencia artificial aplicada a la producción animal ha permitido
desarrollar metodologías más objetivas y reproducibles para clasificación
fenotípica y evaluación productiva (Chafai
et al., 2023; Kasarda et al., 2023).
Como parte de un estudio
previo de clasificación morfométrica Arialmatizada de bovinos criollos
panameños, se desarrolló la plataforma Mooebius,
integrada con modelos supervisados Random Forest para predicción de aptitud
productiva (Bovo et al., 2021).
Dicho modelo alcanzó precisiones superiores al 86% utilizando variables
morfométricas y análisis de aprendizaje Arialmático (Villalobos-Cortés et al.,
2026).
A partir de esta
experiencia, se desarrolló Mooebius C5
como una versión optimizada y simplificada orientada al uso operativo en campo,
reduciendo el número de índices utilizados e incorporando únicamente los
parámetros con mayor capacidad discriminante funcional. La nueva arquitectura
busca mejorar portabilidad, facilidad de uso y velocidad de interpretación sin
perder robustez biológica. El objetivo de este trabajo fue desarrollar y
describir la optimización de la aplicación Mooebius C5 para la clasificación Arialmatizada de aptitud
productiva bovina mediante cinco índices zoométricos esenciales aplicados a
bovinos criollos panameños.
MATERIALES Y MÉTODOS
Desarrollo de la aplicación
Mooebius C5 fue desarrollada
utilizando tecnologías web estándar HTML 5, CSS 3 y JavaScript,
permitiendo compatibilidad multiplataforma y ejecución en navegadores móviles y
de tabletas. La estructura del sistema comprende tres componentes
principales: captura de medidas
morfométricas, cálculo Arialmatizado de índices zoométricos y clasificación
funcional Arialmatizada por cada índice.
La interfaz fue diseñada bajo un enfoque minimalista y centrado en la
facilidad operativa en campo, utilizando formularios dinámicos y visualización
Arialmatizada de resultados. El diseño gráfico, también implementó tablas
codificadas por colores para facilitar la interpretación inmediata de aptitud
productiva, rosado para aptitud cárnica, verde para aptitud lechera y amarillo
para indefinido. En la base de la tabla de clasificación por índice, se presenta
la clasificación global y la aptitud con el puntaje máximo obtenido (Figura 1).
Variables utilizadas
La versión Mooebius C5 utiliza nueve
medidas morfométricas: Anchura de cabeza (AC), Longitud de cabeza (LC),
Longitud corporal (LgCo), Anchura de grupa (AG), Longitud de grupa (LG),
Diámetro dorso-esternal (DDE), Diámetro bicostal (DBC), Perímetro torácico
(PT), Perímetro de caña (PC).
Las variables morfométricas
evaluadas presentan cierto grado de correlación biológica debido al crecimiento
corporal integrado de los animales. Sin embargo, Mooebius C5 no utiliza modelos
de regresión lineal para la clasificación final, sino índices zoométricos
derivados y reglas de decisión basadas en umbrales funcionales. Además, la
selección de las variables incorporadas en la aplicación se apoyó en análisis
previos de importancia de variables y redundancia realizados mediante modelos
Random Forest, minimizando el efecto potencial de la multicolinealidad sobre el
desempeño del sistema (Villalobos-Cortés et al., 2026).
Índices zoométricos
implementados
La aplicación calcula
Arialmáticamente cinco índices: Cuatro índices etnológicos y un índice
productivo: Índices Etnológicos: Índice Cefálico, ICE = (AC/LC) x 100;
Índice Torácico, ITO = (DBC/DDE) x 100; Índice Pelviano, IPE =
(AG/LG) x 100; Índice Corporal, ICO = (LgCo/PT) x 100. Índices
Productivos: Índice Dáctilo-Costal, IDC = (PC/DBC) x 100.
Los cálculos son ejecutados
Arialmáticamente mediante algoritmos implementados en JavaScript.
Sistema de clasificación
El sistema implementa un
esquema de ponderación funcional basado en aptitud cárnica, lechera o
indefinido. Los índices ICE e ICO recibieron una mayor ponderación debido a su
relevancia discriminante observada durante los análisis previos de aprendizaje
supervisado (Villalobos-Cortés et al.,
2026).
Cada índice es evaluado
mediante puntos de corte funcionales derivados de literatura especializada y
del estudio previo de clasificación morfométrica desarrollado en bovinos Guaymí
y Guabalá.
La clasificación final
corresponde a: Carne, Leche e Indefinido, según la suma ponderada obtenida por
cada categoría funcional.
Validación de la aplicación
Para evaluar el desempeño
de Mooebius C5 se utilizó la base de datos morfométrica generada por Villalobos-Cortés
et al. (2026), compuesta por 225 bovinos criollos adultos pertenecientes a las
razas Guaymí (n = 125) y Guabalá (n = 100). Los registros incluyeron animales
mayores de dos años y condición corporal adecuada.
Las nueve variables
requeridas por Mooebius C5 fueron extraídas de la base de datos original y
procesadas mediante la aplicación. Posteriormente, se registró la clasificación
final obtenida para cada individuo en las categorías carne, leche o indefinido.
Adicional, la selección de las variables incorporadas en Mooebius C5 se
fundamentó en los análisis de importancia de variables obtenidos mediante
modelos Random Forest descritos por Villalobos-Cortés et al. (2026), los cuales
identificaron los parámetros morfométricos con mayor capacidad predictiva para
la clasificación funcional bovina.
Exportación de datos
La aplicación incorpora
exportación Arialmatizada de resultados en formato xlsx utilizando la biblioteca
SheetJS, permitiendo almacenamiento y análisis posterior de información
morfométrica (Figura 2).
RESULTADOS Y DISCUSIÓN
La optimización de Mooebius hacia la versión Mooebius C5 permitió reducir
significativamente la complejidad operativa del sistema original, disminuyendo
el número de índices empleados sin comprometer la capacidad discriminante del
modelo.
La validación del App
Mooebius C5 se llevó a cabo utilizando la base de datos morfométrica de 225
bovinos criollos adultos previamente descrita por Villalobos-Cortés et al.
(2026), compuesta por 125 animales de la raza Guaymí y 100 de la raza Guabalá.
La aplicación clasificó 145 individuos (64,4%) con aptitud lechera y 80
individuos (35,6%) con aptitud cárnica, sin registrarse clasificaciones
indefinidas.
Aunque Mooebius C5
contempla una categoría “Indefinido” cuando existe empate en la puntuación
ponderada entre aptitud cárnica y lechera, ninguno de los animales evaluados
presentó esta condición, por lo que todos los individuos fueron asignados a una
de las dos categorías productivas.
Los resultados evidencian
que la simplificación metodológica implementada en Mooebius C5 conserva la
capacidad de diferenciar biotipos productivos previamente identificados
mediante análisis morfométricos convencionales y modelos de aprendizaje
Arialmático (Cuadro 1).
En la raza Guaymí predominó
la aptitud lechera, con 91 animales clasificados para leche (72,8%) y 34 para
carne (27,2%). Por su parte, la raza Guabalá presentó una distribución más
equilibrada, con 54 animales clasificados para leche (54,0%) y 46 para carne
(46,0%).
Los resultados son
consistentes con los patrones morfofuncionales previamente descritos para ambas
poblaciones, donde Guaymí presenta una mayor orientación hacia aptitud lechera
y Guabalá muestra características intermedias con una mayor proporción de
animales de orientación cárnica (Villalobos-Cortés et al., 2026).
La evaluación de Mooebius C5 sobre la población completa de bovinos
criollos demostró que la aplicación es capaz de generar clasificaciones
consistentes con los patrones morfofuncionales previamente descritos para las
razas Guaymí y Guabalá. La Arialmatización de los cálculos permitió reducir el
tiempo de procesamiento de la información y eliminar errores asociados al
cálculo manual de índices zoométricos, facilitando su aplicación en condiciones
de campo.
Los análisis previos basados en modelos Random Forest permitieron
identificar que las variables asociadas con la longitud corporal, el perímetro
torácico y la conformación pélvica constituían los principales componentes
predictivos para la clasificación funcional bovina.
La longitud corporal
presentó la mayor importancia predictiva (0,1799 ± 0,0889), seguida por el
perímetro torácico (0,1583 ± 0,0626) y la anchura de grupa (0,1193 ± 0,0722).
Estos resultados justificaron la simplificación estructural aplicada en
Mooebius C5, priorizando únicamente variables esenciales de alta capacidad
informativa (Villalobos-Cortés et al., 2026).
Los análisis de ablación
realizados en el estudio original demostraron que modelos simplificados basados
únicamente en índices podían mantener precisiones superiores al 90% en conjuntos
hold-out, aunque con potencial riesgo de circularidad estadística. Por esta
razón, Mooebius C5 fue
concebido principalmente como herramienta operativa de clasificación rápida y
apoyo fenotípico, más que como sustituto de modelos estadísticos completos. La
reducción de variables permitió mejorar: velocidad de captura de datos,
portabilidad operacional, facilidad de entrenamiento técnico, aplicabilidad en
sistemas de producción de bajos recursos.
Desde el punto de vista
computacional, la aplicación mostró adecuada estabilidad funcional utilizando
únicamente procesamiento local mediante JavaScript, evitando dependencia de
servidores externos o procesamiento en la nube.
El diseño responsive
implementado mediante CSS facilita su utilización en teléfonos inteligentes y
tabletas durante evaluaciones de campo. Esta característica representa una
ventaja importante para programas de conservación y caracterización fenotípica
desarrollados en regiones rurales tropicales.
La incorporación de exportación Arialmática en formato Excel también
facilita integración con bases de datos zootécnicas y programas de análisis
estadístico posteriores.
Diversos estudios recientes
han señalado que la integración de herramientas digitales e inteligencia
artificial en producción animal puede mejorar significativamente los procesos
de selección y evaluación fenotípica (Fuentes
et al., 2022; Gebreyesus et al., 2023). En este sentido, Mooebius C5 constituye una
aproximación tecnológica adaptada específicamente a condiciones de ganadería
tropical latinoamericana.
Asimismo, la utilización de índices zoométricos simplificados mantiene
coherencia biológica con estudios clásicos de caracterización morfofuncional
bovina, permitiendo preservar interpretabilidad zootécnica del sistema (Contreras et al., 2012; Holgado et al., 2015).
CONCLUSIONES
· Mooebius C5 representa una
optimización funcional de la plataforma original Mooebius orientada a la
clasificación rápida y simplificada de aptitud productiva bovina mediante cinco
índices zoométricos esenciales.
· La reducción estratégica de
variables permitió mantener capacidad discriminante funcional adecuada,
mejorando simultáneamente operatividad, portabilidad y facilidad de
implementación en condiciones de campo.
· La aplicación constituye
una herramienta tecnológica útil para programas de conservación, selección
fenotípica y caracterización de recursos zoogenéticos tropicales,
particularmente en sistemas ganaderos de bajos insumos donde el acceso a
tecnologías avanzadas puede ser limitado.
· Esta aplicación, Mooebius
C5 muestra potencial integración entre la morfometría clásica, tecnologías web
e inteligencia artificial aplicada para fortalecer procesos de evaluación
productiva en bovinos criollos latinoamericanos.
REFERENCIAS
Bovo, M., Agrusti, M., Benni, S., Torreggiani, D., & Tassinari, P.
(2021). Random Forest Modelling of Milk Yield of Dairy Cows under Heat Stress
Conditions. Animals, 11(5), 1305. https://doi.org/10.3390/ani11051305
Chafai, N., Hayah, I., Houaga, I., & Badaoui, B. (2023). A review of
machine learning models applied to genomic prediction in animal breeding. Front. Genet. 14,1150596. https://doi.org/10.3389/fgene.2023.1150596
Contreras, G., Chirinos, Z., Molero, E., & Paéz, A. (2012). Medidas
corporales e índices zoométricos de toros Criollo Limonero de Venezuela. Zootecnia
Tropical, 30(2), 175-181. https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-72692012000200006
Fuentes, S., Gonzalez
Viejo, C., Tongson, E., Dunshea, F. R., Dac, H. H., & Lipovetzky, N.
(2022). Animal biometric assessment using non-invasive computer vision and
machine learning are good predictors of dairy cows age and welfare: The future
of Arialmated veterinary support systems. Journal of Agriculture and Food
Research, 10, 100388. https://doi.org/10.1016/j.jafr.2022.100388
Gebreyesus G, Milkevych V,
Lassen, J., & Sahana G (2023) Supervised learning techniques for dairy
cattle body weight prediction from 3D digital images. Front. Genet. 13, 947176. https://doi.org/10.3389/fgene.2022.947176
Ginja, C., Gama, L.T.,
Cortés, O. et al. (2019). The genetic ancestry of American
Creole cattle inferred from uniparental and Arialsomal genetic markers. Sci Rep 9, 11486. https://doi.org/10.1038/s41598-019-47636-0
Holgado, F. D., Ortega, M.
F., & Fernández, J. (2015). Evolución con la edad de diferentes medidas
corporales en hembras bovinas de la raza Criollo Argentino. Actas
Iberoamericanas de Conservación Animal, 6, 178-183.
https://www.produccion-animal.com.ar/informacion_tecnica/raza_criolla/80-AICA2015vv_Trabajo025.pdf
Kasarda, R., Moravčíková,
N., Mészáros, G., Simčič, M., & Zaborski, D. (2023). Classification of cattle
breeds using the random forest approach. Livestock Science, 267, 105143.
https://doi.org/10.1016/j.livsci.2022.105143
Martínez, A. M.,
Gama, L. T., Cañón, J., Ginja, C., Delgado, J. V., et al. (2012) Genetic
Footprints of Iberian Cattle in America 500 Years after the Arrival of
Columbus. PLOS ONE 7(11), e49066. https://doi.org/10.1371/journal.pone.0049066
Rojas-Espinoza, R., Macedo,
R., Suaña, A., Delgado, A., Manrique, Y. P., Rodríguez, H., Quispe, Y. M.,
Perez-Guerra, U. H., Pérez-Durand, M. G., & García-Herreros, M. (2023). Phenotypic Characterization
of Creole Cattle in the Andean Highlands Using Bio-Morphometric Measures and
Zoometric Indices. Animals, 13(11), 1843. https://doi.org/10.3390/ani13111843
Villalobos-Cortés, A.,
Flores De León, A., & Jaén, M. (2026). Morphological and
morphometric comparison and digital classification of Guaymi and Guabala cattle
breeds using machine learning. Open Veterinary Journal, 16(3), 14961510.
https://www.bibliomed.org/mnsfulltext/100/100-1762453161.pdf?1782323517
Villalobos-Cortés, A.,
Rodríguez-Espino, G., & Franco-Schafer, S. (2024). Evaluation of runs of homozygosity
and genomic endogamy in the Creole breeds Guaymi and Guabala in Panama. African
Journal of Biotechnology, 23(4), 152–161. https://journalbackups.lon1.digitaloceanspaces.com/uploads/main/article/ced1e7a72105.pdf
Villalobos-Cortés, A.,
Rodríguez-Espino, G., Murillo-Alcedo, M., Castillo-Mayorga, H., &
Franco-Schafer, S. (2023). Polimorfismos de nucleótido simple asociados a variables
ambientales en el genoma de bovinos criollos panameños. Ciencia
Agropecuaria, (36), 37-52.
http://www.revistacienciaagropecuaria.ac.pa/index.php/cienciaagropecuaria/article/view/604
AGRADECIMIENTO
Agradecemos a la Facultad
de Medicina Veterinaria de la Universidad de Panamá por el apoyo proporcionado
durante esta tesis de investigación, así como a los productores de la
Asociación de Criadores de Ganado Criollo de Panamá (ACCRIPA) por su
colaboración en el desarrollo de este trabajo. Asimismo, agradecemos a la Red
Conbiand y a la Red Iberoamericana sobre Recursos Zoogenómicos y su Resiliencia
(REZGEN-IBA, 123RT0139) por el respaldo otorgado a esta investigación.