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

Rubén Sáenz Pérez, Moisés Vicente Márquez Olivera, Octavio Sánchez García, José David Duarte de la Cruz, Viridiana G. Hernández Herrera, Laura G. Marrujo García

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.


Texto completo:

1884-1903 PDF

Referencias


Asensio, M. M., Violat, S. C., & Rodríguez, J. M.-V. (2009). Aplicación de la termografía en la valoración de la fertilidad en huevos de cernícola primmilla. Revista Complutense de Ciencias Veterinarias, 3, 60.

Bowers, S., Gandy, S., Anderson, B., Ryan, P., & Willard, S. (2009). Assessment of pregnancy in the late-gestation mare using digital infrared thermography. Theriogenology, 72, 372-377. doi:https://doi.org/10.1016/j.theriogenology.2009.03.005

Cilulko, J., Janiszewski, P., Bogdaszewski, M., & Szczygielska, E. (2013). Infrared thermal imaging in studies of wild animals. European Journal of Wildlife Research, 59, 17-23.

Consejería de Economía y Hacienda Comunidad de Madrid, C. (2011). Guía de la termografía infrarroja "aplicaciones en ahorro y en eficiencia energética". Madrid, España.

Dai, F., Cogi, N. H., Heinzl, E. U., Costa, E. D., Canali, E., & Minero, M. (2015). Validation of a fear test in sport horses using infrared thermography. Journal of Veterinary Behavior: Clinical Applications and Research, 10, 128-136. doi:https://doi.org/10.1016/j.jveb.2014.12.001

De Lucas, J. a. (02 de 2008). Fortalecimiento del sistema producto ovinos. Serie: reproducción. Méixo.

Filatoff, A. (12 de 2013). Crecimiento de las crías y reinicio de la actividad reproductiva en ovejas de pelo sometidas a restricción nutricional durante verano. Master's thesis, Universidad Autonóma de Baja California N.

González-Stagnaro, С. (1993). Diagnóstico de gestación en ovejas y cabras tropicales. Rev. Científica Fac. Cs. Vet., LUZ, 3, 249-267.

Jain, A. K., Murty, M. N., & Flynn, P. J. (1999). Data clustering: a review. ACM computing surveys (CSUR), 31, 264-323.

Kammersgaard, T. S., Malmkvist, J., & Pedersen, L. J. (2013). Infrared thermography-a non-invasive tool to evaluate thermal status of neonatal pigs based on surface temperature. animal, 7, 2026-2034.

Knížková, I., Kunc, P., Gürdil, G. A., Pinar, Y., & Selvi, K. C. (2007). Applications of infrared thermography in animal production. Journal of the Faculty of Agriculture, 22, 329-336.

Labeur, L., Villiers, G., Small, A. H., Hinch, G. N., & Schmoelzl, S. (2017). Infrared thermal imaging as a method to evaluate heat loss in newborn lambs. Research in Veterinary Science, 115, 517-522. doi:https://doi.org/10.1016/j.rvsc.2017.09.023

Lahiri, B. B., Bagavathiappan, S., Jayakumar, T., & Philip, J. (2012). Medical applications of infrared thermography: a review. Infrared Physics and Technology, 55, 221-235.

Márquez, M. (2012). Reconocimiento de experiones faciales empleando memorias Asosiativas Alfa-Beta. Master's thesis, Centro de Investigación en Computación IPN.

Martins, R. F., do Prado Paim, T., de Abreu Cardoso, C., Dallago, B. S., de Melo, C. B., Louvandini, H., & McManus, C. (2013). Mastitis detection in sheep by infrared thermography. Research in Veterinary Science, 94, 722-724. doi:https://doi.org/10.1016/j.rvsc.2012.10.021

McManus, C., Tanure, C. B., Peripolli, V., Seixas, L., Fischer, V., Gabbi, A. M., . . . Costa, J. B. (2016). Infrared thermography in animal production: An overview. Computers and Electronics in Agriculture, 123, 10-16. doi:https://doi.org/10.1016/j.compag.2016.01.027

Menegassi, S. R., Barcellos, J. O., Dias, E. A., Koetz, C., Pereira, G. R., Peripolli, V., . . . Lopes, F. G. (2015). Scrotal infrared digital thermography as a predictor of seasonal effects on sperm traits in Braford bulls. International journal of biometeorology, 59, 357-364.

Metzner, M., Sauter-Louis, C., Seemueller, A., Petzl, W., & Zerbe, H. (2015). Infrared thermography of the udder after experimentally induced Escherichia coli mastitis in cows. The Veterinary Journal, 204, 360-362. doi:https://doi.org/10.1016/j.tvjl.2015.04.013

Odeón, M. M., & Romera, S. A. (2017). Estrés en ganado: causas y consecuencias. Revista veterinaria, 28, 69-77.

Pérez de Diego, A. C., Sánchez-Cordón, P. J., Pedrera, M., Martínez-López, B., Gómez-Villamandos, J. C., & Sánchez-Vizcaíno, J. M. (2013). The use of infrared thermography as a non-invasive method for fever detection in sheep infected with bluetongue virus. The Veterinary Journal, 198, 182-186. doi:https://doi.org/10.1016/j.tvjl.2013.07.013

Radigonda, V. L., Pereira, G. R., da Cruz Favaro, P., Júnior, F. A., Borges, M. H., Galdioli, V. H., & Júnior, C. K. (2017). Infrared thermography relationship between the temperature of the vulvar skin, ovarian activity, and pregnancy rates in Braford cows. Tropical animal health and production, 49, 1787-1791.

Rodríguez, J. M. (2005). Diagnóstico precoz de gestación. Manual de Ganadería Doble Propósito. Universidad del Zulia. Estado Zulia. Venezuela./431.

Rojero, M. a. (1999). Comparación de cinco técnicas de campo para detectar preñez en ovejas Pelibuey. Veterinaria México, 30.

Sáenz, R. P., Márquez, M. V., Sánchez, O. G., & Duarte, D. d. (2017). Desarrollo de una base de datos con imágenes termográficas para uso en algortimos de visión e inteligencia artificial. Pistas Educativas, 39.

Sales, F. (2009). Ecografía en ovinos para el diagnóstico gestacional. Master's thesis, Universidad de Magallanes, CHILE.

Sathiyabarathi, M., Jeyakumar, S., Manimaran, A., Jayaprakash, G., Pushpadass, H. A., Sivaram, M., . . . others. (2016). Infrared thermography: A potential noninvasive tool to monitor udder health status in dairy cows. Veterinary world, 9, 1075.

Schroder, H. J., & Power, G. G. (1997). Engine and radiator: fetal and placental interactions for heat dissipation. Experimental Physiology: Translation and Integration, 82, 403-414.

Sykes, D. J., Couvillion, J. S., Cromiak, A., Bowers, S., Schenck, E., Crenshaw, M., & Ryan, P. L. (2012). The use of digital infrared thermal imaging to detect estrus in gilts. Theriogenology, 78, 147-152. doi:https://doi.org/10.1016/j.theriogenology.2012.01.030

Systems, F. (2011). Guía de termografía para mantenimiento predictivo. Guía.

Talukder, S., Gabai, G., & Celi, P. (2015). The use of digital infrared thermography and measurement of oxidative stress biomarkers as tools to diagnose foot lesions in sheep. Small Ruminant Research, 127, 80-85. doi:https://doi.org/10.1016/j.smallrumres.2015.04.006

Viola, P., & Jones, M. (2001). Rapid object detection using a boosted cascade of simple features. Computer Vision and Pattern Recognition, 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference on, 1.


Enlaces refback

  • No hay ningún enlace refback.




URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Licencia Creative Commons    Esta revista está bajo una Licencia Creative Commons Atribución 3.0 No portada.