Aplicaciones veterinarias del procesamiento de imágenes

Abstract

Se presenta el desarrollo de un algoritmo de procesamiento de imágenes para el soporte de detección de celo vacuno. El método de detección se basa en el análisis del deterioro de pintadas lumbares, mediante la segmentación de fotografías color tomadas a la salida de un tambo. Inicialmente, las regiones de interés son aisladas del resto de la imagen en función de valores de umbral definidos en los espacios de color YUV e YIQ, generando un conjunto de componentes conectadas. Luego, se calcula un conjunto de características para posibilitar una evaluación cuantitativa de los objetos segmentados. Finalmente, la imagen es clasificada mediante una regla de decisión basada en el análisis de las diferencias entre las medidas obtenidas a partir de la imagen y las provenientes de un conjunto de imágenes manualmente segmentadas, de acuerdo a la evaluación de expertos. Este enfoque constituye una valiosa alternativa para la mejora del control de celo, ya que la ardua tarea de observación visual de los animales en el tambo puede ser reemplazada por el análisis automático de imágenes capturadas en ambientes controlados. Los resultados experimentales a partir de las segmentaciones obtenidas con este método resultan altamente satisfactorios, permitiendo una clasificación precisa de las imágenes con un bajo costo computacional.

This paper presents the development of an algorithm of image processing which was applied to a decision support tool for estrus detection in cattle. The detection method is based on the analysis of rubbed off lumbar paintings, by means of the segmentation of color pictures taken to cows in a cattle ranch. Firstly, the regions of interest are isolated from the rest of the image based on threshold functions defined in the YUV and YIQ color spaces, producing a set of connected components. Then, a set of features is computed to enable a quantitative evaluation of the segmented objects. Finally, the image is classified by means of a decision rule based on the analysis of the differences between the computed measures and a set of ideally segmented images, according to experts’ assessment. This approach constitutes a valuable alternative to improve this process, as it may replace the visual observation by the automatic analysis of pictures taken to cows in controlled environments. Experimental results show that the segmentations obtained with this method are highly satisfactory and they allow a precise classification of the images with low computational complexity.