Construcción de un modelo de detección de ganado bovino en el Oriente Antioqueño, mediante el sistema de visión de un dron usando algoritmos modernos de detección de objetos

Abstract

La detección y seguimiento de ganado actualmente en Oriente Antioqueño es una tarea que se realiza de forma manual, para ello es necesario un esfuerzo operativo muy grande en fincas con medianas y grandes extensiones, adicionalmente en aquellas fincas se hace necesario realizar un traslado hasta el lugar donde se encuentra el ganado, es decir, representa un gran esfuerzo de los agricultores en términos de tiempo, trabajo, posibles costos de desplazamiento y exposición a las condiciones climáticas. La utilización de un modelo para detectar ganado genera un impacto positivo en la vida del agricultor que lo utiliza

Este trabajo se centró en comparar dos algoritmos de última generación (Mask-R CNN y Detectron2) a través de fotografías tomadas con una cámara de video de un dron. Los videos se recolectaron mediante drones capturando vacas en campo abierto, luego se muestreó el video para que se obtuvieran imágenes, se construyó un conjunto de datos obteniendo alrededor de 1400 imágenes diferentes. Luego, se aplicó el aprendizaje por transferencia con el modelo Mask-RCNN y uno un poco más reciente, Detectron2. Todo el trabajo intenta mostrar la conveniencia del uso de modelos de aprendizaje automático basados ​​en redes neuronales para el seguimiento del ganado.