Desarrollo y Evaluación del Rendimiento de un Modelo de Aprendizaje Automático para el Análisis de Comportamientos de...

Área de la Ciencia:

• Comportamiento Animal
• Aprendizaje Automático
• Visión por Computadora

Sus antecedentes:

• El monitoreo de animales experimentales es crucial por razones éticas, científicas y financieras.
• Los métodos convencionales de observación del comportamiento animal son subjetivos y requieren mucho tiempo.
• Los sistemas de monitoreo automatizados que utilizan aprendizaje automático ofrecen una alternativa prometedora.

Objetivo del estudio:

• Validar y evaluar un modelo de aprendizaje automático para analizar el comportamiento de consumo de agua en minipigs.
• Desarrollar y probar un novedoso sistema de monitoreo basado en visión para el análisis de video in situ.
• Evaluar el rendimiento de un sistema de visión por computadora para detectar eventos de consumo de agua.

Principales métodos:

• Se utilizó un conjunto de datos de 5297 imágenes para entrenar un modelo de detección de objetos YOLOv11n.
• El modelo identificó cabezas de cerdo y grifos de agua para detectar eventos de consumo de agua.
• Un sistema Raspberry Pi de bajo costo permitió el análisis de video en tiempo real y el procesamiento in situ.

Principales resultados:

• El modelo de detección de objetos logró una precisión superior al 97%.
• La validación manual confirmó una alta precisión general (99,7%), precisión (99,7%), recuperación (99,2%) y puntuación F1 (99,5%).
• El análisis de los patrones de consumo de agua reveló un comportamiento bimodal y variabilidad entre cerdos.

Conclusiones:

• Un sistema de visión por computadora de bajo costo puede monitorear eficazmente el comportamiento de consumo de agua en cerdos experimentales alojados individualmente.
• Esta tecnología apoya la detección temprana de posibles enfermedades en los animales.
• El sistema demuestra viabilidad para el monitoreo automatizado y objetivo del bienestar animal.