Abstracto

Evaluación de la condición corporal de vacaciones cruzadas Holstein Friesian basada en aprendizaje profundo

Shriramulu*, Heartwin A. Pushpadass, Magdaline Eljeeva Emerald Franklin, Manimala Kanagaraj, Jeyakumar Sakthivel, Sivaram Muniandy, Ramesha P. Kerekoppa

El puntaje de condición corporal (BCS, por sus siglas en inglés) es una medida de la grasa corporal o energía almacenada en la vaca lechera. Es una herramienta importante en la gestión de la granja para lograr una mejor salud de las vacas, un mejor rendimiento reproductivo y una mejor producción de leche. Tradicionalmente, el BCS se realiza visualmente por expertos veterinarios, lo que requiere mucho tiempo y supone un alto costo. Por lo tanto, este estudio propuso un sistema basado en redes neuronales convolucionales (CNN, por sus siglas en inglés) para automatizar el BCS de las vacas mediante el análisis de imágenes. Se utilizó el software GNU Image Manipulation Program (GIMP) para eliminar el fondo de las imágenes de las vacas capturadas digitalmente y se implementó un script de MATLAB para detectar sus bordes. Finalmente, las imágenes detectadas por los bordes se utilizaron como conjunto de datos de entrada para el desarrollo de modelos de aprendizaje profundo basados ??en CNN. El conjunto de datos de imágenes se clasificó en dos grupos según el sistema de BCS incremental de 0,25 (modelo CNN 1) y 0,5 (modelo CNN 2). La precisión de clasificación del primer modelo para rangos de error de 0,25 y 0,50 fue de 63,23% y 85,29%, respectivamente. En comparación, el segundo modelo logró una precisión de clasificación de 86,02% y 94,85%, para los respectivos rangos de error. Con base en los resultados, los modelos CNN funcionaron adecuadamente para el rango medio de puntajes BCS donde los datos, la mayoría de las vacas están presentes. Por lo tanto, los modelos desarrollados funcionarían de manera efectiva para granjas lecheras comerciales que no suelen tener vacas con BCS deficientes o altas, ya que no serán muy productivas.