Un dron con IA logra identificar el comportamiento de los pavos con un 87% de precisión, según Penn State

Un equipo de investigadores de la Universidad Estatal de Pensilvania probó un nuevo método para vigilar el bienestar de los pavos en granjas comerciales: un dron comercial equipado con una cámara en combinación con un modelo de visión artificial. El objetivo era comprobar si este sistema podía reconocer automáticamente qué estaban haciendo las aves a partir de imágenes aéreas y, así, reducir el trabajo manual de supervisión.

Monitorear el comportamiento y la salud de las aves de corral en grandes naves es una tarea costosa y que consume mucho tiempo. Sin embargo, es clave para la productividad y el bienestar animal. Por eso, el equipo dirigido por el científico animal Enrico Casella quiso evaluar si un dron con inteligencia artificial podía convertirse en una herramienta práctica y de bajo coste para los productores avícolas.

Qué ha pasado exactamente

El estudio, publicado en línea antes de su aparición en la edición de diciembre de la revista Poultry Science, es el primero en probar de forma sistemática si un dron combinado con un modelo de visión artificial podía detectar distintos comportamientos de pavos a partir de vídeos tomados desde el aire. Casella, profesor adjunto de ciencia de datos para sistemas animales en la Facultad de Ciencias Agrícolas de Penn State, lideró el trabajo.

Los investigadores utilizaron un dron comercial equipado con una cámara a color estándar para grabar vídeos cuatro veces al día de 160 pavos jóvenes, de entre cinco y 32 días de edad, en el Centro de Educación e Investigación Avícola de Penn State. Las trayectorias del dron se planificaron para cubrir toda el área de los corrales durante cada vuelo, de modo que el sistema registrara la actividad de las aves desde diferentes ángulos.

Datos y cifras clave del experimento

A partir de los vídeos, el equipo extrajo fotogramas individuales y etiquetó manualmente los comportamientos observados. Construyeron así un conjunto de datos con más de 19.000 instancias de acciones etiquetadas, que incluían conductas como comer, beber, sentarse, pararse, posarse, acurrucarse y aletear.

Con este material, entrenaron, probaron y validaron varias versiones de un modelo de visión artificial de la familia YOLO (“You Only Look Once”), una arquitectura ampliamente utilizada para detectar objetos y acciones en imágenes. Tras comparar el rendimiento de las distintas variantes, seleccionaron el modelo que ofrecía los mejores resultados.

Según los investigadores, el mejor modelo fue capaz de detectar correctamente el 87% de todos los comportamientos presentes en las imágenes y de clasificar comportamientos específicos con una precisión del 98% en muchos casos. Casella subrayó que estas métricas son especialmente positivas para un entorno agrícola real, que suele ser visualmente complejo por la iluminación, el movimiento y los elementos del corral.

Quién realizó el estudio

Además de Casella, el equipo contó con la participación de Giulio Calderone, estudiante de doctorado del Departamento de Ciencias Agrícolas, Alimentarias y Forestales de la Universidad de Palermo (Italia), que figura como primer autor del estudio. En Penn State también contribuyeron John Boney, becario Vernon E. Norris de Nutrición Avícola, y Mireia Molins, estudiante de posgrado en zootecnia.

Pietro Catania, profesor de mecánica agrícola de la Universidad de Palermo, también participó en el proyecto, que fue financiado por el Instituto Nacional de Alimentación y Agricultura del Departamento de Agricultura de Estados Unidos y apoyado por el Instituto de Ciencias Computacionales y de Datos de Penn State.

Por qué importa este enfoque

Para Casella, los resultados demuestran que los drones combinados con inteligencia artificial pueden convertirse en una herramienta eficaz y relativamente barata para supervisar el bienestar de los pavos en la producción comercial. Al automatizar la detección de comportamientos clave, los productores podrían reducir la necesidad de presencia humana constante en los corrales y disponer al mismo tiempo de información continua sobre el estado de las aves.

El sistema permitiría detectar cambios en la actividad de los animales que puedan indicar problemas de salud, estrés o alteraciones en el manejo. Además, al tratarse de un método no invasivo y aéreo, evita interferir directamente con el comportamiento de los pavos. Según el equipo, este trabajo sienta las bases para sistemas más avanzados y escalables que podrían aplicarse no solo a pavos, sino también a otras especies de aves de corral en el futuro.

Resumen

• El estudio probó un dron comercial con cámara a color combinado con un modelo de visión artificial.
• Se grabó el comportamiento de 160 pavos jóvenes entre los cinco y los 32 días de edad.
• Los investigadores etiquetaron más de 19.000 instancias de comportamientos como comer, beber o aletear.
• El mejor modelo YOLO detectó correctamente el 87% de los comportamientos y alcanzó hasta un 98% de precisión en acciones específicas.
• El método podría reducir la demanda de mano de obra y permitir un seguimiento continuo y no invasivo del bienestar de los pavos en granjas comerciales.

Fuente: Penn State