Inteligencia artificial para la identificación de animales: Desarrollo de un sistema de visión por computadora para...

Área de la Ciencia:

• Ciencias de los animales Ciencias de los animales.
• Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador
• Aprendizaje automático Aprendizaje automático.

Sus antecedentes:

• La identificación individual de los animales es vital para la gestión del ganado lechero, el cumplimiento normativo y la seguridad alimentaria.
• Los sistemas de visión por computadora (CVS) existentes tienen limitaciones en la identificación de animales en todas las fases de la vida y en escenarios abiertos.
• Las redes neuronales siamesas (SNN) son prometedoras para el reconocimiento longitudinal no invasivo de animales.

Objetivo del estudio:

• Evaluar la eficacia de la SNN para identificar vacas lecheras individuales a lo largo del crecimiento y los cambios fisiológicos.
• Para investigar el impacto del crecimiento temporal en el rendimiento del modelo SNN.
• Evaluar las capacidades de inferencia de conjuntos abiertos de SNN en condiciones de granjas del mundo real.

Principales métodos:

• Se recogieron 2.397.338 imágenes de infrarrojos y de profundidad de 106 novillas de Holstein (desde el nacimiento hasta la primera lactancia).
• Utilizó U-Net para la segmentación semántica y el aumento de imágenes para el preprocesamiento de datos.
• Empleado un SNN con un respaldo ResNet-50, entrenado con entropía cruzada categórica y pérdida tripleta.

Principales resultados:

• El mejor modelo SNN logró una precisión del 94,6% y una precisión media media del 96,4% en evaluaciones de conjuntos cerrados.
• En la inferencia de conjuntos abiertos, las puntuaciones F1 excedieron los 0,80 en todas las fases de crecimiento.
• Las imágenes infrarrojas demostraron un rendimiento superior a las imágenes de profundidad para la identificación longitudinal.

Conclusiones:

• Los sistemas de visión por computadora, en particular los SNNs, son factibles para la trazabilidad no invasiva del ganado en diversas fases y condiciones de crecimiento.
• Las imágenes de infrarrojos son más efectivas que las imágenes de profundidad para la identificación a largo plazo de animales individuales.
• Se recomienda una validación adicional en entornos comerciales y en múltiples manadas.