DETECCIÓN DE OVINOS PREÑADOS USANDO ALGORITMOS DE INTELIGENCIA Y VISIÓN ARTIFICIAL (SHEEP PREGNANCY DETECTION USING ARTIFICIAL INTELLIGENT AND ARTIFICIAL VISION ALGORITHMS)

Resumen

El estado de preñez en ovejas es un suceso importante en la producción ovina que exige a los productores realizar cuidados oportunos como: atenciones sanitarias, vigilancia veterinaria y cambio de dieta alimenticia, con el objetivo de garantizar la obtención de una cría sana; por lo cual, detectar de manera temprana este estado es esencial para la toma de decisiones en la práctica pecuaria. Considerando que las formas tradicionales de detección de preñez son invasivas y afectan el bienestar animal, el presente trabajo propone la detección automática de patrones térmicos que permitan determinar si una oveja se encuentra o no preñada a través de imágenes termográficas capturadas de la zona ventral en diferentes etapas de gestación. La propuesta del algoritmo se dividió en dos partes esenciales: segmentación y detección. Se segmentaron los componentes caloríficos presentes en la imagen termográfica por intervalos de temperatura, haciendo uso del algoritmo supervisado de segmentación K-means. Por otra parte, la detección del espectro fetal, se llevó acabo con la implementación del algoritmo Haar-Cascade propuesto por Viola y Jones, entrenado con los conjuntos de imágenes obtenidas de la segmentación; un conjunto de 500 imágenes positivas que contienen la zona de interés, y un grupo de 1000 imágenes negativas donde se muestra la ausencia del feto. Con el método propuesto se obtuvo un porcentaje de asertividad del 80% en la detección automática de espectros térmicos fetales, incluso logrando una múltiple detección de la zona de interés, que permitirá incrementar el índice de asertividad en la etapa de identificación del feto.

Palabras clave: Ovino, Preñez, imagen infrarroja, K-means, Haar-Cascade.

Abstract

The state of pregnancy in sheep is an important event in ovine production that requires producers to take timely cares such as: health care, veterinary surveillance and change of diet, with the aim of guaranteeing a healthy breeding; therefore, early detection of this condition is essential for decision-making in livestock practice. Considering that the traditional forms of pregnancy detection are invasive and affect animal welfare, the present work proposes the automatic detection of thermal patterns that allow determining if a sheep is pregnant or not through thermographic images captured from the ventral area in different gestation stages. The algorithm proposal was divided into two essential parts: segmentation and detection. The calorific components present in the thermographic image were segmented by temperature intervals, making use of the supervised K-means segmentation algorithm. On the other hand, the detection of the fetal spectrum was carried out with the implementation of the Haar-Cascade algorithm proposed by Viola and Jones, trained with the sets of images obtained from the segmentation; a set of 500 positive images that contain the area of interest, and a group of 1000 negative images showing the absence of the fetus. With the proposed method, 80% of accuracy was obtained in the automatic detection of fetal thermal spectra, even achieving a multiple detection of the area of interest, which will allow to increase the accuracy index in fetus identification stage.

Keywords: Ovine, Pregnancy, Infrared image, K-means, Haar-Cascade.