Detección de objetos usando aprendizaje profundo aplicado a reconocimiento de ganado bovino

Abstract

RESUMEN : Para garantizar que cualquier sistema de explotación animal sea sostenible se ha demostrado la importancia de garantizar los niveles óptimos de bienestar animal, donde dicho concepto se entiende como una medida multidimensional que incluye tanto la salud y funcionamiento biológico, el estado afectivo y la comodidad del individuo [1]. El monitoreo del bienestar animal representa un gran reto, ya que es un atributo individual que no puede ser medido directamente, sino que debe evaluarse mediante el uso de indicadores o variables que aporten información al respecto. Dichas evaluación se realizan generalmente mediante inspecciones visuales que, a pesar de que se han desarrollado programas de formación para obtener una alta repetibilidad en los resultados, siguen estando limitados por los largos periodos de tiempo de recopilación de datos y observación que se requieren, lo que implica la contratación de personal dedicado y puede reflejarse en sobrecostos. Debido a lo anterior, ha crecido la importancia de buscar sistemas automatizados que permitan abordar esta problemática, y, un factor común dentro de dichos sistemas es la aplicación de inteligencia artificial en combinación con la instalación de múltiples sensores que permitan medir las variables indicadoras en cuestión [2],[3]. En el presente trabajo se aborda el monitoreo de ganado vacuno en pastoreo libre mediante la aplicación de algoritmos de detección de objetos que permitan identificar un individuo, sirviendo como primer paso para el desarrollo de los modelos más complejos que permitan medir variables como la cantidad de alimento consumido, identificar comportamientos o posturas asociados a enfermedades o indicadores de estrés.

ABSTRACT : To ensure that any animal exploitation system is solid and sustainable, the importance of guaranteeing optimal levels of animal welfare has been demonstrated. The concept of animal welfare is understood as a multidimensional measure that includes both the health and biological functioning, the affective state, and the comfort of the individual [1]. The monitoring of animal welfare represents a great challenge since it is an individual attribute that cannot be measured directly but must be evaluated through the use of indicators or variables that provide information in this regard. These evaluations are generally carried out through visual inspections, and although training programs have been developed to obtain highly repeatable results, they are still limited by the long periods of time required for data collection and observation, which implies the hiring of dedicated personnel and can result in additional costs. Because of this, it has become increasingly important to look for automated systems to address this problem. A common factor within such systems is the application of artificial intelligence in combination with the installation of multiple sensors to measure the indicator variables in question [2],[3]. This paper addresses the monitoring of free-grazing cattle through the application of object detection algorithms to identify an individual, as a first step for the development of more complex models to measure variables such as the amount of food consumed, and to identify behaviors or postures associated with diseases or stress indicators