Cabras detectadas e identificadas mediante una red neuronal para analizar grabaciones de vídeo en lapso de tiempo.
El vídeo en lapso de tiempo tiene muchas aplicaciones en el mundo académico. Un artículo reciente de Mathieu Bonneau et al. titulado “Seguimiento de animales al aire libre combinando red neuronal y cámaras de lapso de tiempo” fue publicado en la revista Journal of Computers and Electronics in Agriculture. Este artículo exploró la utilidad de las cámaras de lapso de tiempo Brinno para construcción (BCC100, BCC200, BCC2000) en estudios de investigación que involucran el seguimiento de animales al aire libre.
El proyecto consistió en monitorear una manada mediana de cabras en un pastizal. La manada de cabras necesitaba ser vigilada durante semanas seguidas y había cabras de diversas edades, tamaños y colores. Para revisar los datos de vídeo, el equipo de investigación creó una red neuronal que pudiera analizar sin problemas las imágenes capturadas por las cámaras BCC200 e identificar las ubicaciones de cada miembro de la manada.
Combinar el aprendizaje profundo y la fotografía en lapso de tiempo para rastrear los movimientos de los animales en un entorno al aire libre proporcionó a los investigadores un método no invasivo para monitorear la ubicación y los comportamientos de las cabras. Los investigadores mencionan que hay muchas razones para vigilar a los animales y estudiar sus movimientos, como la salud y la gestión del pastizal, pero hasta ahora los métodos comunes de monitoreo requerían seguimiento por GPS con etiquetas que no solo son dolorosas para el animal, sino también costosas y que consumen mucho tiempo para el investigador.
“El etiquetado por GPS no solo es doloroso para los animales, sino también costoso; las cámaras de lapso de tiempo Brinno ofrecen otra opción”
La conclusión de los investigadores es que la principal ventaja de usar cámaras de lapso de tiempo Brinno para fines de investigación es que son asequibles y pueden funcionar durante varias semanas sin necesidad de cambiar la batería.
Si realiza investigaciones en un lugar remoto o de difícil acceso, puede que no tenga acceso a electricidad ni la posibilidad de pasar casualmente a revisar sus cámaras. Además, la carcasa resistente a la intemperie de la serie ATH de Brinno asegura que su cámara pueda seguir grabando sin importar las condiciones climáticas.
La red neuronal identificó a cada cabra y las ubicó en un mapa fácil de leer.
Las cámaras Brinno ofrecen a los investigadores una solución de lapso de tiempo sencilla, confiable y económica. Los datos recogidos son claros y pueden analizarse fácilmente mediante una red neuronal. Además del monitoreo animal, algunos ejemplos de cómo se han utilizado las cámaras Brinno en estudios de investigación anteriores incluyen la gestión del tráfico, cambios geológicos y comportamiento humano.
Para saber más sobre las cámaras de lapso de tiempo Brinno y qué hace que las cámaras Brinno sean la mejor opción para los investigadores, visite: www.brinno.com
Si le interesa leer más sobre la investigación de Mathieu Bonneau, puede encontrar su artículo aquí: https://www.sciencedirect.com/science/article/pii/S0168169919322562
