Método para la detección y el seguimiento del objetivo de las vacas lecheras basado en la versión ligera de YOLO v11

Área de la Ciencia:

• La ganadería de precisión
• Visión por computadora
• Bienestar de los animales

Sus antecedentes:

• El control eficaz de las vacas lecheras es crucial para la ganadería de precisión, con el objetivo de mejorar la salud y el bienestar de los animales.
• Los métodos existentes se enfrentan a desafíos con parámetros de modelo grandes, seguimiento de múltiples objetivos inexactos y movimientos complejos de vacas no lineales.

Objetivo del estudio:

• Desarrollar un modelo ligero de detección de objetos para el monitoreo del movimiento de las vacas lecheras.
• Para comparar el rendimiento de diferentes algoritmos de seguimiento para una mayor precisión.

Principales métodos:

• Se desarrolló un modelo mejorado de YOLOv11n que incorpora el módulo Ghost y el mecanismo de atención ELA.
• Se implementó una nueva función de pérdida de SDIoU para abordar los diferentes tamaños objetivo de las vacas.
• Se evaluaron cuatro algoritmos de seguimiento (ByteTrack, BoT-SORT, OC-SORT y BoostTrack).

Principales resultados:

• El modelo YOLOv11n mejorado logró una reducción del 18,59% en los parámetros, con un aumento de mAP@75 (2,0%) y mAP@50-95 (2,3%).
• El algoritmo OC-SORT demostró un rendimiento superior, logrando un 97,02% de MOTA y un 89,81% de HOTA.
• El enfoque combinado ofrece una solución ligera pero de alto rendimiento para el seguimiento de vacas.

Conclusiones:

• El modelo de detección de objetos ligeros propuesto reduce significativamente la carga computacional manteniendo una alta precisión.
• El algoritmo OC-SORT proporciona capacidades robustas de seguimiento de vacas mediante vigilancia de video estándar.
• Esta investigación facilita el seguimiento continuo de las vacas, apoyando la mejora de la gestión de las explotaciones lecheras y el bienestar animal.