Pais: Brasil

Fecha: 08 de Febrero del 2021

Los científicos usan drones con cámaras inclinadas para monitorear el ganado en los pastos por Embrapa, Brasil

El uso de vehículos aéreos no tripulados es factible en la detección y conteo de bovinos, actividad fundamental en el manejo pecuario.

 

Las hormigas son alternativas a los métodos tradicionales de recolección de animales en el pasto o llevarlos al corral para tal fin, lo que puede comprometer la salud y productividad del rebaño.

 

También sustituyen el uso de vehículos aéreos tripulados, de alto costo para el ganadero.

 

Sin embargo, la cámara del dron colocada perpendicular al suelo, como se adopta generalmente cuando se utilizan vehículos no tripulados, puede traer limitaciones al monitoreo de animales, especialmente en sistemas de producción extensos.

 

Las investigaciones han demostrado que el ángulo de inclinación de la cámara amplía la vista del área de pastoreo y reduce el número de vuelos necesarios y los efectos perjudiciales sobre la actividad de detección de animales.

 

Los científicos adoptaron una arquitectura computacional de redes neuronales profundas para generar los modelos que se aplicarán a los experimentos.

 

Artículo sobre resultados preliminares alcanzados fue publicado en la revista Drones

 

Las imágenes oblicuas y las tecnologías de aprendizaje profundo ( aprendizaje profundo ) como las redes neuronales computacionales, llamadas convolucionales, han demostrado ser prometedoras para detectar y contar ganado en el pasto a través de drones. Esto es lo que indican los resultados preliminares de los estudios descritos en el artículo  Detección de ganado mediante imágenes oblicuas de UAV  , publicado en diciembre por la revista  Drones .  El acrónimo en inglés UAV se refiere a vehículos aéreos no tripulados (UAV). Es el primer estudio que explora la viabilidad de usar imágenes oblicuas para monitorear el ganado.

 

La aplicación de algoritmos de inteligencia artificial al procesamiento de imágenes digitales y los avances en estas tecnologías han ido demostrando la viabilidad de este monitoreo a través de aviones no tripulados. “Sin embargo, el uso práctico sigue siendo un desafío, debido a las características particulares de esta aplicación, como la necesidad de rastrear objetivos en movimiento y las extensas áreas que deben ser cubiertas en la mayoría de los casos”, advierten los investigadores  Jayme García Arnal Barbedo  y  Luciano Vieira Koenigkan , de  Embrapa Informática Agropecuária  (SP), y  Patrícia Menezes Santos , de  Embrapa Pecuária Sudeste  (SP), autoras del artículo.

 

Luego, los científicos investigaron el uso de un ángulo inclinado de la cámara del dron para aumentar el área cubierta por las imágenes, con el fin de minimizar los problemas de seguimiento. La captura de imágenes desde una vista oblicua, al ampliar la cobertura, reduce el número de vuelos requeridos para la actividad, especialmente en áreas extensas, y reduce los efectos nocivos del movimiento de animales y los cambios en las condiciones ambientales. Los estudios que usan campanas para monitorear el ganado casi siempre usan imágenes capturadas perpendicularmente al suelo. 

 

En el proceso, los investigadores aplicaron una arquitectura computacional de redes neuronales profundas para generar los modelos aplicados a los experimentos. Se cubrieron varios aspectos, como las dimensiones ideales de la imagen, el efecto de la distancia entre los animales y el sensor, el efecto del error de clasificación en el proceso de detección general y el impacto de los obstáculos físicos en la precisión del modelo.

 

Los resultados experimentales indican que las imágenes oblicuas se pueden utilizar con éxito en determinadas condiciones, pero tienen limitaciones prácticas y técnicas que deben observarse. Estas limitaciones se refieren a obstrucciones de la visión, determinación de los bordes exactos de la región considerada en las imágenes, distorsiones geométricas y de color, entre otras. La investigación futura debe incluir un análisis de costo-beneficio para estimar los beneficios potenciales de las imágenes oblicuas en comparación con las medidas necesarias para reducir los obstáculos prácticos.

 

Los experimentos se realizaron con el objetivo de detectar animales, un paso intermedio para el conteo del rebaño.

Recuento exacto

La parte práctica del trabajo se realizó en los sistemas de integración extensiva, intensiva y Lavoura-Pecuária (ILP) en la finca Canchim, sede de Embrapa Pecuária Sudeste. Para 2020, se planeó la recolección de datos en áreas con árboles y arbustos, pero la pandemia retrasó los experimentos.

 

Según Patrícia Santos, los árboles, los arbustos o incluso la altura de los pastos pueden dificultar la captura de imágenes. “El animal está escondido debajo de la planta, interrumpiendo el conteo. Para generar un modelo que corrija esto, serían necesarias varias imágenes en áreas con árboles y con diferentes plantas arbustivas y formas heterogéneas. Todo lo que pueda cubrir la imagen, incluso la altura de una hierba, debe considerarse. Por ejemplo, un pasto muy alto puede esconder un ternero ”, explica. Hay muchas variables que la máquina necesita aprender para que el conteo de ganado sea lo más preciso posible.

 

El científico dice que el papel de Embrapa Pecuária Sudeste es ayudar a identificar los cuellos de botella que pueden surgir cuando el ganadero aplica la herramienta en la vida diaria de la finca. Indicar la necesidad real de un usuario potencial de este producto, además de estimar el margen de error aceptable. “Una encuesta con fines de inventario no admite errores. En el caso del conteo de ganado para manejo, puede ser un poco más flexible ”, destaca Santos.

 

Los investigadores también enfatizan que es fundamental ampliar el conocimiento sobre estas técnicas, para que en el futuro la tecnología sea adoptada con éxito en el campo. “Los resultados fueron muy buenos, pero aún necesitamos más avances para poder generar una tecnología apta para el uso de productores o proveedores de servicios. Creo que vamos por buen camino ”, evalúa Barbedo. Él estima que el monitoreo de drones para contar automáticamente los animales llevará entre dos y tres años.

 

La metodología también se puede utilizar, en el futuro, para monitoreos relacionados con la salud animal, como la detección de enfermedades y anomalías y eventos como el embarazo. Para este caso, el horizonte es de cinco años.

Monitoreo de caballos

El manejo de las granjas de ganado vacuno en un sistema de producción extensivo es un desafío, especialmente si se considera que muchas granjas tienen grandes áreas con difícil acceso a la tierra e infraestructura de comunicación insuficiente. En estas condiciones, el monitoreo del suelo a caballo es una práctica común. La alternativa de la inspección aérea del rebaño requiere vuelos tripulados, que son costosos y están sujetos a ciertos riesgos.

 

El ganadero Renato Alves Pereira, dueño de una propiedad en la región de la Zona da Mata Mineira (MG), dice que el conteo del ganado en su finca de 830 hectáreas lo hacen dos empleados a caballo. Y el costo también es alto. Gasta R $ 78 mil al año. La conferencia se lleva a cabo semanalmente.

 

Este tipo de manejo suele requerir que los animales se recojan en el corral. Dejar la rutina sola ya es un estresante para el animal. Tanto en el camino al corral como durante el manejo, el ganado puede dejar de alimentarse, beber agua y descansar. Las investigaciones indican que las situaciones estresantes tienen un impacto directo en el bienestar y la productividad del rebaño.

 

Una herramienta para contar el ganado mediante un dron puede considerarse más racional. Para Renato Pereira, quien lleva 40 años trabajando con ganado de carne, las principales ventajas de una tecnología como esta serían la reducción de los costos de conteo físico y la optimización de este proceso. "Si la tecnología se vuelve operativa, estoy interesado en usarla", dice.

 

 

 

 

 

Modelos computacionales

 

La investigación destinada a detectar y contar ganado mediante imágenes captadas por drones  comenzó en febrero de 2019,  con un plazo de dos años. Cuentan con el apoyo financiero de la Fundación de Apoyo a la Investigación del Estado de São Paulo ( Fapesp ). Los recursos de aproximadamente R $ 175 mil se invirtieron, principalmente, en la adquisición de drones y equipos para procesamiento de imágenes.

 

En los estudios, realizados por Embrapa en alianza con la Universidad Estatal de Campinas ( Unicamp ) y las Faculdades Metropolitanas Unidas ( FMU ), el equipo capturó una gran cantidad de imágenes aéreas de animales de las razas Nelore ( Bos indicus ) y Canchim - cruce entre las razas Charolais ( Bos taurus ) y Nellore, en la finca Embrapa. Luego utilizó algoritmos para clasificarlos y extraer la información de interés. En el caso del seguimiento del ganado, las aplicaciones incluyen la detección y el recuento de animales, el reconocimiento de muestras, la medición de la distancia entre la vaca y el ternero y la determinación del comportamiento alimentario.

 

Esta información contenida en las imágenes se extrae a través de modelos computacionales de aprendizaje automático ( machine learning ) que utilizan conceptos de segmentación semántica y de instancias, detección de objetos y mapas de calor. Las técnicas de aprendizaje profundo son similares a las que se utilizan en los sitios web que solicitan al usuario que identifique los cruces de peatones o los semáforos, por ejemplo, antes de acceder a información considerada de uso restringido. Es decir, es necesario entrenar la red neuronal con miles de ejemplos, enseñando a la computadora a reconocer objetos automáticamente.

 

Dos artículos, publicados en la revista  Sensors ,  presentan los modelos de detección y conteo desarrollados, además de los resultados preliminares ya obtenidos.

 

El primero,  Contar el ganado en imágenes  de vehículos aéreos no tripulados: tratamiento de animales agrupados y cambios de contraste de animales / fondo , está escrito por Barbedo, Koenigkan y Patrícia Menezes y el investigador de la FMU Andrea Roberto Bueno Ribeiro.

 

El artículo propone un algoritmo capaz de proporcionar estimaciones precisas para el recuento de animales, incluso en condiciones difíciles, como la presencia de animales agrupados, cambios en el contraste entre estos y antecedentes, lo cual es común debido a la heterogeneidad de las explotaciones ganaderas, y variaciones en Encendiendo. Algunas situaciones resultaron ser un desafío, especialmente la falta de contraste entre los animales y el fondo, su movimiento, grandes grupos de animales y la presencia de terneros.

 

Según los autores, en futuros experimentos se investigarán nuevas soluciones para el rastreo de animales. Los esfuerzos también deben dirigirse a la captura de imágenes de otras razas de ganado, lo que permite ampliar la aplicabilidad del algoritmo. Si bien el algoritmo descrito en el artículo se desarrolló en base al conteo de ganado, la metodología se puede adaptar a otras aplicaciones como la detección de barcos o carpas en campamentos de refugiados, entre otras.

 

El segundo artículo de  Sensors,  Un estudio sobre la detección de ganado en imágenes  de vehículos aéreos no tripulados mediante aprendizaje profundo , fue escrito por Barbedo, Koenigkan, Thiago Teixeira Santos, también de Embrapa Agricultural Informatics, y Patrícia Menezes.

 

En ese estudio, los experimentos involucraron 1.853 imágenes que contenían 8.629 muestras de imágenes de animales. Con esto, se entrenaron 900 modelos de redes neuronales convolucionales, lo que permitió un análisis profundo de los diversos aspectos que impactan en la detección de ganado mediante imágenes aéreas capturadas por drones. Los objetivos eran determinar la mayor precisión posible que se pudiera lograr en la detección de animales de la raza Canchim, visualmente similares a los Nellore, además de la distancia ideal de la muestra de suelo para la detección de animales y la arquitectura más precisa.

El líder de la investigación es uno de los científicos más influyentes del mundo.

La investigadora Jayme García Arnal Barbedo (foto opuesta) , de Embrapa Informática Agropecuária, se encuentra entre los 100.000 científicos más influyentes del mundo, según una encuesta  de la Universidad de Stanford  (EE. UU.) Publicada en la  revista Plos Biology . Otros 16 investigadores de Embrapa también forman parte de la lista, que consideró las citas de la base de datos  Scopus , con más de 6,800 científicos, para evaluar su impacto a lo largo de sus carreras y en 2019. Vea el  artículo  con más detalles sobre ese estudio.

 

“El reconocimiento automático de enfermedades de las plantas mediante imágenes digitales fue una de las primeras líneas de investigación a las que me dediqué en Embrapa. En ese momento, pocos grupos de investigación aquí y en el extranjero abordaron el tema, por lo que muchos de mis trabajos fueron pioneros y sirvieron de inspiración para investigadores de todo el mundo ”, recuerda Barbedo. "Esto confirma que los esfuerzos realizados en los últimos diez años han contribuido de hecho al avance de la agricultura y la ciencia brasileñas", señala.

Traducido del portugués.

Ver nota