Código para la detección de pollos y robots usando YOLO v8

Registro completo

Título

Código para la detección de pollos y robots usando YOLO v8

Autor(es)

Brito Hoyos, Diana Marcela

Afiliación(es) del/de los autor(es)

Brito Hoyos, Diana Marcela. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Investigaciones Biológicas y Tecnológicas. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Instituto de Investigaciones Biológicas y Tecnológicas; Argentina

Resumen

Los pollos de engorde tienen problemas de bienestar debido al crecimiento rápido en entornos densos y estériles. Este estudio investigó cómo los robots con navegación autónoma afectan la distribución y el comportamiento de los pollos de engorde. Un robot AviSense navegó autónomamente 2 horas al día. Se grabaron en video las zonas de influencia del robot semanalmente, y se analizaron tanto las áreas con robot como las de control. La zona de influencia del robot se centró en su trayectoria, y la detección de aves se realizó automáticamente con un modelo de inteligencia artificial. Se contó el número de pollos dentro de la zona y se estimó la densidad relativa. El procedimiento para la detección automática de objetos y la inferencia a partir del modelo se realizó en Python de la siguiente manera: 1.Requerimientos: Instalación de librerías de Python necesarias. 2.Extracción de frames: Un script extrae imágenes de videos en intervalos predefinidos, creando un set de imágenes para análisis. 3.Identificación automática: Utilizando el modelo YOLO8 en la plataforma Roboflow, se identifican y cuentan los pollos en las imágenes. El script registra la ubicación de los pollos y si están dentro de una zona específica, guardando los resultados en archivos CSV para análisis posterior. Este enfoque permitió observar que la entrada del robot desencadena una rápida despoblación de la zona de influencia y promueve comportamientos exploratorios adicionales en los pollos.

Año de publicación

2024

Idioma

español

Formato (Tipo MIME)

application/octet-stream
text/plain
image/png

Clasificación temática de acuerdo a la FORD

Ciencias biológicas

Condiciones de uso

Disponible en acceso abierto bajo licencia Creative Commons https://creativecommons.org/licenses/by-nc-sa/2.5/ar/

Repositorio digital

CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas

Identificador de proyecto

Ministerio de Ciencia, Tecnología e Innovación Productiva. Agencia Nacional de Promoción Científica y Tecnológica. Fondo para la Investigación Científica y Tecnológica/00314-2022-PICT