Métodos de Aprendizaje Profundo para la Identificación Automática de Gallos y Gallinas en un Rebaño Libre de Jaulas
Autores: Paneru, Bidur; Bist, Ramesh Bahadur; Yang, Xiao; Dhungana, Anjan; Dahal, Samin; Chai, Lilong
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Métodos de Aprendizaje Profundo para la Identificación Automática de Gallos y Gallinas en un Rebaño Libre de Jaulas
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Deseable
Gallos
Saludable
Productivo
Detección automática
Precisión
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 10
Citaciones: Sin citaciones
Los gallos deseables son saludables, maduros, productivos, activos y gentiles con las gallinas durante el apareamiento, mientras que los indeseables deben ser reemplazados para mejorar la fertilidad de los huevos tanto en la cría de pollos de engorde como en la de ponedoras. Este estudio utilizó modelos de aprendizaje profundo para detectar automáticamente gallinas y gallos en función del tamaño de la cresta y del cuerpo en una instalación de gallinas ponedoras sin jaulas. El rendimiento del modelo varió entre las variantes del modelo, siendo el mejor modelo el que logró un 88% de precisión en la detección de gallinas y gallos basado en el tamaño de la cresta y un 89% de precisión en la detección de gallos basado en las medidas del tamaño del cuerpo. Este estudio proporciona una línea base para la detección automática de gallos y ofrece una oportunidad para mejorar aún más la precisión de la detección integrando más características de los gallos, como el tamaño de la cresta, el color, la condición del plumaje, el peso corporal y la postura del cuerpo. También brinda la oportunidad de monitorear las actividades de los gallos en la granja de reproductores para la selección genética.
Descripción
Los gallos deseables son saludables, maduros, productivos, activos y gentiles con las gallinas durante el apareamiento, mientras que los indeseables deben ser reemplazados para mejorar la fertilidad de los huevos tanto en la cría de pollos de engorde como en la de ponedoras. Este estudio utilizó modelos de aprendizaje profundo para detectar automáticamente gallinas y gallos en función del tamaño de la cresta y del cuerpo en una instalación de gallinas ponedoras sin jaulas. El rendimiento del modelo varió entre las variantes del modelo, siendo el mejor modelo el que logró un 88% de precisión en la detección de gallinas y gallos basado en el tamaño de la cresta y un 89% de precisión en la detección de gallos basado en las medidas del tamaño del cuerpo. Este estudio proporciona una línea base para la detección automática de gallos y ofrece una oportunidad para mejorar aún más la precisión de la detección integrando más características de los gallos, como el tamaño de la cresta, el color, la condición del plumaje, el peso corporal y la postura del cuerpo. También brinda la oportunidad de monitorear las actividades de los gallos en la granja de reproductores para la selección genética.