La agricultura y los animales son dos factores cruciales para el equilibrio ecológico. El conflicto entre humanos y vida silvestre está aumentando día a día debido a los daños a los cultivos y la depredación del ganado por animales salvajes, lo que provoca pérdidas económicas a los agricultores locales y profundiza la pobreza. Se necesitan técnicas para detener los daños a los cultivos causados por los animales. La técnica más prominente utilizada para proteger los cultivos de los animales es la cerca, pero de alguna manera, no es una solución infalible. La mayoría de las técnicas de cercado son perjudiciales para los animales. Miles de animales mueren debido a los efectos secundarios de las técnicas de cercado, como la electrocución. Este documento presenta una cerca virtual para resolver estos problemas. La cerca virtual propuesta es invisible para todos, porque es un cable sensor de fibra óptica, que se coloca a 12 pulgadas de profundidad en el suelo. Se utiliza una luz láser al inicio del cable sensor de fibra, y un detector detecta al final del cable. La técnica se basa en la reflexión de la luz dentro del cable de fibra óptica. Se utiliza la técnica interferométrica para predecir los cambios en el patrón de la luz láser. Los sensores de cable de fibra están conectados a un microprocesador, que puede predecir la intrusión de cualquier animal. El uso de técnicas de aprendizaje automático para la detección de patrones hace que esta técnica sea altamente eficiente. Los algoritmos de aprendizaje automático desarrollados para la identificación de animales también pueden clasificar al animal. El documento propone una solución basada en el aprendizaje automático económica y factible para salvar los cultivos de los animales y salvar a los animales de cercados peligrosos. La descripción de la configuración completa de los sensores de fibra óptica, la metodología y los algoritmos de aprendizaje automático se cubren en este documento. Este concepto fue implementado y se realizaron pruebas regresivas. Las pruebas se realizaron en los datos, que no se utilizaron con fines de entrenamiento. Conjuntos de personas (50 personas en cada conjunto) fueron movidos al azar en el sensor de cable de fibra óptica para probar la efectividad de la detección. Ha habido muy pocas instancias en las que el algoritmo no ha podido categorizar las detecciones en diferentes clases de animales. Se probaron tres conjuntos de datos para la efectividad de la configuración. La configuración completa también se probó en un zoológico para probar la identificación de elefantes y tigres. La eficiencia de la identificación es del 94% para humanos, del 80% para tigres y del 75% para elefantes.