ES3037272T3 - Apparatus for fly management - Google Patents

Apparatus for fly management

Info

Publication number
ES3037272T3
ES3037272T3 ES19724529T ES19724529T ES3037272T3 ES 3037272 T3 ES3037272 T3 ES 3037272T3 ES 19724529 T ES19724529 T ES 19724529T ES 19724529 T ES19724529 T ES 19724529T ES 3037272 T3 ES3037272 T3 ES 3037272T3
Authority
ES
Spain
Prior art keywords
bovine
image
flies
fly
infestation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES19724529T
Other languages
English (en)
Inventor
Veerle Hamaekers
Nazim Torun
Georg Berns
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Elanco Animal Health GmbH
Original Assignee
Elanco Animal Health GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Elanco Animal Health GmbH filed Critical Elanco Animal Health GmbH
Application granted granted Critical
Publication of ES3037272T3 publication Critical patent/ES3037272T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A01K29/005—Monitoring or measuring activity
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01N—PRESERVATION OF BODIES OF HUMANS OR ANIMALS OR PLANTS OR PARTS THEREOF; BIOCIDES, e.g. AS DISINFECTANTS, AS PESTICIDES OR AS HERBICIDES; PEST REPELLANTS OR ATTRACTANTS; PLANT GROWTH REGULATORS
    • A01N29/00—Biocides, pest repellants or attractants, or plant growth regulators containing halogenated hydrocarbons
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Recommending goods or services
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • B64U2101/31—UAVs specially adapted for particular uses or applications for imaging, photography or videography for surveillance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/40—UAVs specially adapted for particular uses or applications for agriculture or forestry operations
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Agronomy & Crop Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • Zoology (AREA)
  • Pest Control & Pesticides (AREA)
  • Dentistry (AREA)
  • Wood Science & Technology (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mining & Mineral Resources (AREA)

Abstract

La presente invención se refiere a un aparato (10) para el control de moscas. Se describe que proporciona (310) una unidad de procesamiento con al menos una imagen de un entorno agrícola, donde dicho entorno agrícola contiene varios bovinos. Dicha imagen comprende datos de imagen de al menos una parte de al menos un bovino de entre los bovinos. La unidad de procesamiento determina (320) el número de moscas en los datos de imagen de al menos una parte de al menos un bovino. La unidad de procesamiento determina (330) información relativa a la infestación de moscas en los bovinos. La determinación comprende el uso del número determinado de moscas. Una unidad de salida emite (340) una indicación relativa a un tratamiento para la infestación de moscas en los bovinos, basándose en la información determinada. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN
Aparato para el manejo de moscas
Campo de la invención
La presente invención se refiere a un aparato para el manejo de moscas, a un dispositivo para el manejo de moscas, a un sistema para el manejo de moscas, a un método para el manejo de moscas, así como a un elemento de programa informático y a un medio legible por ordenador.
Antecedentes de la invención
El trasfondo general de esta invención es el control de moscas para la industria ganadera, tanto en entornos de ganado vacuno como de vacas lecheras. Ciertas moscas, tales como las moscas de los cuernos, las moscas de los establos, las moscas de otoño y los tábanos, toman cada día múltiples comidas de sangre del ganado vacuno y de las vacas lecheras, en lo sucesivo denominados ganado o animales bovinos. El ganado infestado reacciona lamiéndose las zonas afectadas, moviendo la cola y crispando los flancos. Además del elevado número de mordeduras dolorosas que se producen a diario y del estrés asociado, las lesiones resultantes de dichas mordeduras pueden provocar infecciones secundarias y defectos estéticos en la piel de los animales. Las tasas de crecimiento del ganado infestado disminuyen significativamente con respecto al ganado no infestado, las tasas de lactación también son mucho más bajas y las pieles de menor calidad afectan la industria del cuero. Se calcula que el impacto anual de la infestación por moscas para la industria ganadera mundial se mide en miles de millones de dólares. Sin embargo, los ganaderos no disponen de una forma sencilla de determinar cuándo deben tratar a su ganado, y puede resultar difícil incluso para los ganaderos experimentados determinar si un campo entero lleno de ganado debe tratarse en función de las moscas que haya sobre y alrededor de una o varias reses en un campo.
US2018/000575Al describe que se detectan parásitos y se adoptan medidas paliativas mediante vehículos aéreos no tripulados equipados con sensores y equipos para dispensar materiales de tratamiento. Los datos de las características físicas que se obtuvieron mediante los sensores se complementan mediante un módulo de manejo de riesgos que aumenta el nivel de confianza en que el diagnóstico de un parásito concreto en un animal es correcto. El módulo de manejo de riesgos puede utilizarse además para evaluar factores adicionales, tal como el daño potencial al aplicar un tratamiento seleccionado, en la decisión de tomar o no una medida paliativa.
Breve descripción de la invención
Sería ventajoso disponer de medios mejorados para determinar si el ganado debe ser tratado contra la infestación por moscas.
El objeto de la presente invención se resuelve con el objeto de las reivindicaciones independientes, en donde se incorporan otras realizaciones en las reivindicaciones dependientes. Cabe señalar que los aspectos y ejemplos de la invención descritos a continuación se aplican también al aparato para el manejo de moscas, al dispositivo para el manejo de moscas, al sistema para el manejo de moscas, al método para el manejo de moscas, y al elemento de programa informático y al medio legible por ordenador.
De acuerdo con un primer aspecto, se proporciona un aparato para el manejo de moscas, que comprende: - una unidad de entrada;
- una unidad de procesamiento; y
- una unidad de salida.
La unidad de entrada está configurada para proporcionar a la unidad de procesamiento al menos una imagen de un entorno agrícola, en donde el entorno agrícola contiene una pluralidad de animales bovinos. La al menos una imagen comprende datos de imagen de al menos una parte de al menos un animal bovino de la pluralidad de animales bovinos. La unidad de procesamiento está configurada para determinar un número de moscas en los datos de imagen de al menos una parte de al menos un animal bovino. La unidad de procesamiento está configurada para determinar la información relativa a la infestación por moscas de la pluralidad de animales bovinos, comprendiendo la determinación la utilización del número determinado de moscas. La unidad de salida está configurada para generar una indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos basado en la información determinada relativa a la infestación por moscas de la pluralidad de animales bovinos.
En otras palabras, se analizan imágenes de ganado o incluso de una vaca/un buey para detectar moscas, y esto se utiliza para proporcionar al ganadero información objetiva sobre si todo el ganado de un área debe tratarse contra la infestación por moscas o no. Puede resultar difícil para un ganadero determinar si su ganado debe ser tratado contra la infestación por moscas, y esto proporciona una forma sencilla de dar automáticamente la alarma al ganadero de que es necesario actuar o, por el contrario, de que no es necesario actuar en ese momento. Por lo tanto, se proporciona una tecnología de diagnóstico de moscas que permite tomar mejores decisiones de manejo de ganado con respecto a la infestación por moscas.
En un ejemplo, los datos de imagen de al menos una parte de al menos un animal bovino comprenden datos de imagen distintos de los datos de imagen de un animal bovino contiguo al animal bovino.
De este modo, se analizan los datos de las imágenes alrededor de una o más reses además de los datos de las imágenes de esa una o más reses, y de este modo se pueden contar las moscas que están sobre la una o más reses y las moscas que están en vuelo alrededor de la una o más reses.
En un ejemplo, la unidad de procesamiento está configurada para identificar al menos un tipo particular de mosca en los datos de imagen de al menos una parte de al menos un animal bovino. El número determinado de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino puede ser entonces un número de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino que son el al menos un tipo particular de mosca.
De este modo, la decisión de aplicar un tratamiento contra las moscas puede tener en cuenta los tipos de moscas en evidencia. De esta manera, un mayor impacto financiero perjudicial asociado a ciertas moscas con respecto a otras moscas puede abordarse identificando esas moscas y aplicando un tratamiento, cuando ese tratamiento no se aplicaría si estuviera presente una mosca menos agresiva o perjudicial. Asimismo, el tratamiento específico contra las moscas que se aplique puede tener en cuenta el tipo o tipos de moscas en evidencia.
En un ejemplo, la determinación del número de moscas en la imagen comprende la implementación de un algoritmo de procesamiento de imágenes para analizar los datos de imagen de al menos una parte de al menos un animal bovino.
En un ejemplo, el algoritmo de procesamiento de imágenes comprende un algoritmo de aprendizaje automático. En un ejemplo, el algoritmo de aprendizaje automático es una red neuronal.
En un ejemplo, el algoritmo de aprendizaje automático es un algoritmo de aprendizaje automático entrenado. El entrenamiento de aprendizaje automático puede comprender la utilización de datos reales e imágenes asociadas. En un ejemplo, el entrenamiento posterior del algoritmo de aprendizaje automático comprende la utilización de los datos de imagen de al menos una parte de al menos un animal bovino.
De este modo, el algoritmo de aprendizaje automático puede seguir mejorando.
En un ejemplo, el entrenamiento posterior comprende la utilización del número determinado de moscas.
En un ejemplo, la unidad de entrada está configurada para recibir de un usuario una validación de la indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos. El entrenamiento posterior puede comprender la utilización de la validación.
De este modo, un ganadero o usuario podría estar de acuerdo o en desacuerdo o no totalmente de acuerdo con la indicación proporcionada. Esto permite mitigar el efecto de los falsos positivos, en donde, por ejemplo, las gotas de barro sobre el ganado que llevan al algoritmo de procesamiento de imágenes a contar demasiadas moscas, podrían dar lugar a que se presentara al ganadero un nivel de infestación y/o un número de moscas demasiado elevado (tal como un número promedio). El ganadero, utilizando su experiencia, podría consultar este resultado y, o bien descartar esos datos de imagen del conjunto de entrenamiento, o bien utilizarlos para ajustar los pesos dentro de las capas de la red neuronal con el fin de poder diferenciar mejor esos puntos de barro de las moscas. De este modo, con el tiempo se desarrolla una herramienta de diagnóstico cada vez más sólida.
En un ejemplo, un píxel de los datos de imagen de la al menos una parte del al menos un animal bovino proyectada hacia atrás es inferior o igual a 2 mm.
En otras palabras, las moscas son fotografiadas a un nivel de resolución adecuado para poder diferenciarlas de otros objetos e incluso a una resolución lo suficientemente alta como para diferenciar una mosca de otra. De este modo, por ejemplo, disponer de 5 o más píxeles que cubran una longitud y/o anchura de una mosca puede permitir una detección/identificación eficaz.
En un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende una indicación de un nivel de infestación definido de una pluralidad de posibles niveles de infestación.
En un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende un mensaje de que la pluralidad de animales bovinos necesita ser tratada contra la infestación por moscas.
En un ejemplo, la unidad de procesamiento está configurada para identificar al menos un producto químico utilizable para el tratamiento de la infestación por moscas. La indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos puede comprender un mensaje relativo a al menos un producto químico utilizable para el tratamiento de la infestación por moscas.
En un ejemplo, la unidad de entrada está configurada para permitir a un usuario introducir información relativa a al menos un producto químico anterior utilizado para el tratamiento de la infestación por moscas en el entorno agrícola. La identificación del al menos un producto químico utilizable para el tratamiento contra la infestación por moscas puede comprender la utilización de la información relativa a al menos un producto químico anterior utilizado para el tratamiento de la infestación por moscas en el entorno agrícola.
De este modo, se proporciona al ganadero información relativa a la rotación de los ingredientes activos y/o información relativa a lo que ha funcionado o no anteriormente, lo que permite tomar decisiones informadas sobre cuál es el mejor tratamiento y, por lo tanto, también mitigar la aparición de resistencias a los ingredientes activos.
En un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende un mensaje de que no es necesario tratar la pluralidad de animales bovinos contra la infestación por moscas.
En un ejemplo, la determinación de la información relativa a la infestación por moscas de la pluralidad de animales bovinos comprende la utilización de un número umbral de moscas.
De este modo, cuando el ganado esté infestado de moscas por encima de un determinado número umbral que se haya determinado que tiene consecuencias económicas, se puede informar al ganadero de que debe tomar medidas. Del mismo modo, cuando no se haya alcanzado ese umbral, se podrá informar al ganadero de que no es necesario tomar ninguna medida.
En un ejemplo, la al menos una imagen comprende una pluralidad de imágenes. La al menos una parte del al menos un animal bovino puede comprender una pluralidad de partes del al menos un animal bovino. Cada imagen de la pluralidad de imágenes puede asociarse a una parte diferente de la pluralidad de partes. El número determinado de moscas en los datos de imagen de al menos una parte de al menos un animal bovino puede comprender un número de moscas en cada imagen de la pluralidad de imágenes.
En un ejemplo, la determinación de la información relativa a la infestación por moscas de la pluralidad de animales bovinos comprende un análisis estadístico del número de moscas en cada imagen de la pluralidad de imágenes.
De este modo, se puede determinar una mejor apreciación de la infestación potencial de moscas, mediante, por ejemplo, una deselección de los casos atípicos, en donde algunas imágenes tienen un número estadísticamente significativo mucho mayor o mucho menor que el promedio y entonces no se toman en consideración. Asimismo, un valor medio devuelto puede tener un margen de error asociado, determinado a partir de la desviación estándar dividida por la raíz cuadrada del número de imágenes analizadas, y esto puede utilizarse para determinar un nivel de confianza. Por ejemplo, si una indicación está por encima de un nivel umbral pero tiene un gran margen de error debido a las grandes fluctuaciones del número de moscas en las imágenes, esto podría indicarse al ganadero, que entonces podría tomar una decisión aconsejada sobre cómo proceder. Del mismo modo, si el número de moscas por imagen se encuentra dentro de un rango coherente, lo que conduce a una indicación de retorno con un margen de error bajo, esto puede utilizarse para permitir a un ganadero iniciar el tratamiento, incluso cuando se acaba de alcanzar un umbral.
En un ejemplo, el al menos un animal bovino comprende al menos dos animales bovinos. Una primera parte de la pluralidad de partes puede asociarse a un primer animal bovino del al menos un animal bovino y una segunda parte de la pluralidad de partes puede asociarse a un segundo animal bovino del al menos un animal bovino.
De este modo, las imágenes que podían ser de una sola vaca/res/novillo incluyen ahora varias vacas/reses/novillos para determinar mejor si existe un problema de moscas en un rebaño de ganado.
En un ejemplo, cada parte de la pluralidad de partes está asociada a un animal bovino diferente.
En un ejemplo, al menos una primera imagen de la pluralidad de imágenes se adquirió en un día diferente al de al menos una segunda imagen de la pluralidad de imágenes.
De este modo, un ganadero puede obtener una comprensión de si un problema está aumentando o disminuyendo, y si es necesario tomar medidas preventivas de un problema en desarrollo antes de que se vuelva económicamente perjudicial, pero que si se deja sin tratar habría conducido a tales efectos perjudiciales.
En un ejemplo, la unidad de procesamiento está configurada para aplicar un algoritmo de segmentación para analizar la al menos una imagen para determinar los datos de imagen de la al menos una parte de al menos un animal bovino.
En un ejemplo, el algoritmo de segmentación está configurado para determinar al menos un área de la al menos una imagen que tiene datos de imagen de un objeto distinto de una o más moscas, y en donde ese objeto es distinto del al menos un bovino. La determinación de los datos de imagen de al menos una parte de al menos un animal bovino puede comprender una deselección de la al menos un área de la al menos una imagen.
De este modo, pueden identificarse datos de imagen, tales como manchas de barro en una vaca o una marca de identificación en la vaca, o datos de imagen de plantas delante de la vaca, y no incluirse en las imágenes que luego se analizan para determinar un número de moscas en pruebas. Esto mejora la velocidad y la precisión de dicha determinación, y ayuda a mitigar los falsos positivos.
En un ejemplo, la unidad de procesamiento está configurada para detectar el al menos un animal bovino, en donde la detección comprende el análisis de la al menos una imagen.
En un ejemplo, el análisis de la al menos una imagen para detectar el al menos un animal bovino comprende la utilización de un algoritmo de detección de objetos.
De acuerdo con un segundo aspecto, se proporciona un dispositivo para el manejo de moscas, que comprende: - una cámara;
- un aparato para el manejo de moscas de acuerdo con el primer aspecto; y
- un alojamiento.
La cámara y el aparato están alojados dentro del alojamiento. La cámara está configurada para adquirir la al menos una imagen del entorno agrícola.
De este modo, un ganadero puede recorrer un campo y obtener imágenes del ganado y sus alrededores, y recibir una indicación sobre si debe o no tratar el ganado contra la infestación por moscas.
En un ejemplo, la unidad de entrada está configurada para proporcionar a la unidad de procesamiento al menos una imagen inicial. La al menos una imagen inicial comprende datos de imagen de una serie de animales bovinos. La serie de animales bovinos comprende al menos un animal bovino. La unidad de procesamiento está configurada para seleccionar el al menos un animal bovino, en donde la selección comprende el análisis de la al menos una imagen inicial.
De este modo, el ganadero puede estar informado de en qué parte de un rebaño de vacas o ganado podría adquirir imágenes. De este modo, se puede informar al ganadero para que adquiera imágenes de vacas/ganado espaciadas a lo largo de un rebaño con el fin de obtener una mejor apreciación estadística de la situación de las moscas, en lugar de adquirir imágenes de las primeras vacas encontradas que pueden dar como resultado un número promedio artificialmente bajo o alto de moscas por vaca en el campo.
En un ejemplo, la unidad de salida está configurada para presentar a un usuario del dispositivo al menos una indicación relativa a al menos un animal bovino seleccionado.
En un ejemplo, la unidad de salida comprende una unidad de visualización. La unidad de visualización está configurada para mostrar la al menos una imagen inicial con la al menos una indicación relativa a al menos un bovino seleccionado resaltada en la al menos una imagen inicial.
Esto ayuda al ganadero a determinar qué vacas/reses fotografiar o capturar imágenes.
En un ejemplo, la unidad de entrada está configurada para permitir que un usuario introduzca una instrucción de comando para aplicar un tratamiento contra la infestación por moscas a la pluralidad de animales bovinos en respuesta a la salida de la indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos en la unidad de salida. El dispositivo está configurado para transmitir la instrucción de comando a al menos una unidad de aplicación del tratamiento contra la infestación por moscas.
De este modo, el ganadero recibe una indicación sobre el problema de las moscas, pero a continuación tiene el control y un medio sencillo de iniciar el tratamiento automatizado de las vacas/ganado en el campo.
De acuerdo con un tercer aspecto, se proporciona un sistema para el manejo de moscas, que comprende:
- una cámara;
- un primer transceptor;
- una unidad de procesamiento;
- un segundo transceptor; y
- un alojamiento.
La cámara y el primer transceptor están alojados en el alojamiento. La unidad de procesamiento y el segundo transceptor no están alojados en el alojamiento. La cámara está configurada para adquirir al menos una imagen
de un entorno agrícola. El entorno agrícola contiene una pluralidad de animales bovinos. La al menos una imagen comprende datos de imagen de al menos una parte de al menos un animal bovino de la pluralidad de animales bovinos. El primer transceptor está configurado para transmitir la al menos una imagen y el segundo transceptor
está configurado para recibir la al menos una imagen. El segundo transceptor está configurado para proporcionar
la al menos una imagen a la unidad de procesamiento. La unidad de procesamiento está configurada para determinar un número de moscas en los datos de imagen de al menos una parte de al menos un animal bovino.
La unidad de procesamiento está configurada para determinar la información relativa a la infestación por moscas
de la pluralidad de animales bovinos, comprendiendo la determinación la utilización del número determinado de moscas.
En un ejemplo, el sistema comprende al menos una unidad de aplicación del tratamiento contra la infestación por moscas. La al menos una unidad de aplicación del tratamiento contra la infestación por moscas está configurada
para aplicar un tratamiento contra la infestación por moscas a la pluralidad de animales bovinos con base en la información determinada relativa a la infestación por moscas de la pluralidad de animales bovinos.
En un ejemplo, el sistema comprende una unidad de salida alojada dentro del alojamiento. El segundo transceptor
está configurado para transmitir la información relativa a la infestación por moscas de la pluralidad de animales
bovinos y el primer transceptor está configurado para recibir la información relativa a la infestación por moscas de
la pluralidad de animales bovinos. La unidad de salida está configurada para generar una indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos basado en la información determinada relativa a la infestación por moscas de la pluralidad de animales bovinos.
En un ejemplo, el sistema comprende una unidad de entrada alojada dentro del alojamiento. La unidad de entrada
está configurada para permitir que un usuario introduzca una instrucción de comando para aplicar un tratamiento
contra la infestación por moscas a la pluralidad de animales bovinos en respuesta a la salida de la indicación
relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos en la unidad de
salida. El primer transceptor está configurado para enviar la instrucción de comando a la al menos una unidad de aplicación del tratamiento contra la infestación por moscas.
De acuerdo con un cuarto aspecto, se proporciona un método para el manejo de moscas, que comprende:
a) proporcionar al menos una imagen de un entorno agrícola a una unidad de procesamiento, en donde el entorno
agrícola contiene una pluralidad de animales bovinos; y en donde la al menos una imagen comprende datos de
imagen de al menos una parte de al menos un animal bovino de la pluralidad de animales bovinos;
b) determinar mediante la unidad de procesamiento un número de moscas en los datos de imagen de la al menos
una parte de al menos un animal bovino; y
c) determinar, mediante la unidad de procesamiento, la información relativa a la infestación por moscas de la pluralidad de animales bovinos, comprendiendo la determinación la utilización del número determinado de moscas.
De acuerdo con otro aspecto, se proporciona un elemento de programa informático para controlar un aparato de
acuerdo con lo descrito anteriormente y/o un dispositivo de acuerdo con lo descrito anteriormente y/o un sistema
de acuerdo con lo descrito anteriormente, que cuando es ejecutado por un procesador está configurado para llevar
a cabo el método de acuerdo con lo descrito anteriormente.
De acuerdo con otro aspecto, se proporciona un medio legible por ordenador que tiene almacenado el elemento
de programa informático descrito anteriormente.
Ventajosamente, los beneficios proporcionados por cualquiera de los aspectos anteriores se aplican igualmente a
todos los demás aspectos y viceversa.
Los aspectos y ejemplos anteriores se harán evidentes y se dilucidarán con referencia a las realizaciones descritas
a continuación.
Breve descripción de los dibujos
A continuación, se describirán realizaciones ejemplares haciendo referencia a los dibujos siguientes y a la Tabla 1:
La Fig. 1 muestra una configuración esquemática de un ejemplo de un aparato para el manejo de moscas; La Fig. 2 muestra una configuración esquemática de un ejemplo de un dispositivo para el manejo de moscas; La Fig. 3 muestra una configuración esquemática de un ejemplo de un sistema para el manejo de moscas; La Fig. 4 muestra un método para el manejo de moscas;
La Fig. 5 muestra una imagen de infestación por moscas y un esquema representativo de la imagen de infestación
por moscas;
La Fig. 6 muestra una representación esquemática de los pasos ejemplares que intervienen en el entrenamiento
de un algoritmo de aprendizaje automático utilizado en el manejo de moscas;
La Fig. 7 muestra un ejemplo de imágenes para su uso en el manejo de moscas y una representación esquemática de las imágenes para su uso en el manejo de moscas;
La Fig. 8 muestra una representación esquemática de un ejemplo de adquisición de imágenes para su uso en el manejo de moscas y una representación de un paso ejemplar en la utilización de esas imágenes;
La Fig. 9 muestra las imágenes y las imágenes procesadas en un ejemplo de los pasos implicados en el manejo de moscas y esquemas representativos de dichas imágenes; y
La Fig. 10 muestra una imagen del número de moscas contadas como parte del manejo de moscas y un esquema representativo de dicha imagen.
Descripción detallada de las realizaciones
La Fig. 1 muestra un ejemplo de un aparato 10 para el manejo de moscas. El aparato 10 comprende una unidad de entrada 20, una unidad de procesamiento 30 y una unidad de salida 40. La unidad de entrada 20 está configurada para proporcionar a la unidad de procesamiento 30 al menos una imagen de un entorno agrícola. El entorno agrícola contiene una pluralidad de animales bovinos. Aquí, “animales bovinos” se refiere a vacas, reses, bueyes, bisontes, búfalos. La al menos una imagen comprende datos de imagen de al menos una parte de al menos un animal bovino de la pluralidad de animales bovinos. La unidad de procesamiento 30 está configurada para determinar un número de moscas en los datos de imagen de al menos una parte de al menos un animal bovino. La unidad de procesamiento 30 también está configurada para determinar la información relativa a la infestación por moscas de la pluralidad de animales bovinos, comprendiendo la determinación la utilización del número determinado de moscas. La unidad de salida 40 está configurada para generar una indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de bovinos basado en la información determinada relativa a la infestación por moscas de la pluralidad de animales bovinos.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara de un dispositivo portátil.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara de un teléfono inteligente.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara con capacidad de zoom.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara montada de forma fija en el entorno agrícola.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara de un vehículo aéreo no tripulado (UAV).
De acuerdo con un ejemplo, los datos de imagen de al menos una parte de al menos un animal bovino comprenden datos de imagen distintos de los datos de imagen de un animal bovino contiguo al animal bovino.
De acuerdo con un ejemplo, la unidad de procesamiento está configurada para identificar al menos un tipo particular de mosca en los datos de imagen de al menos una parte de al menos un animal bovino. El número determinado de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino puede ser entonces un número de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino que son el al menos un tipo particular de mosca.
De acuerdo con un ejemplo, la determinación del número de moscas en la imagen comprende la implementación de un algoritmo de procesamiento de imágenes para analizar los datos de imagen de al menos una parte de al menos un animal bovino.
De acuerdo con un ejemplo, el algoritmo de procesamiento de imágenes comprende un algoritmo de aprendizaje automático.
En un ejemplo, el algoritmo de aprendizaje automático comprende un algoritmo de árbol de decisión.
Se utiliza un modelo de aprendizaje automático para encontrar correlaciones entre las imágenes del ganado y sus alrededores con el número real de moscas, y entre las imágenes del ganado y sus alrededores con la información real relativa a los tipos de moscas presentes, y las imágenes del ganado y sus alrededores con la información real relativa a características tales como el barro, las plantas, que aparecen en las imágenes. De este modo, un enfoque de aprendizaje automático entrenado de este modo puede utilizarse para procesar las imágenes y determinar el número de moscas presentes y los tipos de moscas, teniendo en cuenta otras características de las imágenes, tales como las plantas y las manchas de barro.
Para ello puede utilizarse la herramienta TensorFlow. TensorFlow es una biblioteca de software de código abierto para la programación de flujo de datos en un amplio rango de tareas. Es una biblioteca matemática simbólica, y también se utiliza para aplicaciones de aprendizaje automático, tales como las redes neuronales. La herramienta TensorFlow fue desarrollada por el equipo de Google Brain para uso interno de Google. Se publicó bajo la licencia de código abierto Apache 2,0 el 9 de noviembre de 2015.
De acuerdo con un ejemplo, el algoritmo de aprendizaje automático es una red neuronal.
En un ejemplo, la red neuronal en una red neuronal de aprendizaje profundo comprende al menos una capa oculta.
De acuerdo con un ejemplo, el algoritmo de aprendizaje automático es un algoritmo de aprendizaje automático entrenado, en donde el entrenamiento del aprendizaje automático comprende la utilización de datos reales e imágenes asociadas.
En un ejemplo, el algoritmo de aprendizaje automático se ha enseñado con base en una pluralidad de imágenes. En un ejemplo, el algoritmo de aprendizaje automático se ha enseñado con base en una pluralidad de imágenes que contienen imágenes de al menos un tipo de mosca y que contienen imágenes en las que no hay moscas. En un ejemplo, se proporciona al algoritmo de aprendizaje automático el número de moscas, incluyendo el número cero, como un número real para las imágenes asociadas. En un ejemplo, se proporcionan imágenes de moscas sobre y alrededor del ganado, así como imágenes de la piel del ganado sin moscas y de las áreas próximas al ganado sin moscas. En un ejemplo, las imágenes contienen imágenes de objetos distintos de las moscas, tales como manchas de barro, plantas, etc. En un ejemplo, las ubicaciones, así como el número de moscas, se proporcionan como información real junto con las imágenes asociadas. En un ejemplo, la identificación de diferentes tipos de moscas en las imágenes se proporciona como información real. En un ejemplo, todas las imágenes se proporcionan habiendo sido tomadas a lo largo de un rango de condiciones de luz diurna y meteorológicas.
De acuerdo con un ejemplo, el entrenamiento posterior del algoritmo de aprendizaje automático comprende la utilización de los datos de imagen de al menos una parte de al menos un animal bovino.
De acuerdo con un ejemplo, el entrenamiento posterior comprende la utilización del número determinado de moscas.
De acuerdo con un ejemplo, la unidad de entrada está configurada para recibir de un usuario una validación de la indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos, y en donde el entrenamiento posterior comprende la utilización de la validación.
De acuerdo con un ejemplo, un píxel de los datos de imagen de la al menos una parte del al menos un animal bovino proyectada hacia atrás es inferior o igual a 2 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 1,5 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 1,0 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 0,75 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 0,5 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 0,25 mm.
De acuerdo con un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende una indicación de un nivel de infestación definido de una pluralidad de posibles niveles de infestación.
De acuerdo con un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende un mensaje de que la pluralidad de animales bovinos necesita ser tratada contra la infestación por moscas.
De acuerdo con un ejemplo, la unidad de procesamiento está configurada para identificar al menos un producto químico utilizable para el tratamiento de la infestación por moscas. La indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos puede comprender entonces un mensaje relativo a al menos un producto químico utilizable para el tratamiento de la infestación por moscas.
De acuerdo con un ejemplo, la unidad de entrada está configurada para permitir a un usuario introducir información relativa a al menos un producto químico anterior utilizado para el tratamiento de la infestación por moscas en el entorno agrícola. La identificación del al menos un producto químico que podría utilizarse ahora para el tratamiento contra la infestación por moscas comprende la utilización de la información relativa a al menos un producto químico anterior utilizado para el tratamiento de la infestación por moscas en el entorno agrícola.
De acuerdo con un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende un mensaje de que la pluralidad de animales bovinos no necesita ser tratada contra la infestación por moscas.
De acuerdo con un ejemplo, la determinación de la información relativa a la infestación por moscas de la pluralidad de animales bovinos comprende la utilización de un número umbral de moscas.
De acuerdo con un ejemplo, la al menos una imagen comprende una pluralidad de imágenes, en donde la al menos una parte del al menos un animal bovino comprende una pluralidad de partes del al menos un animal bovino. Cada imagen de la pluralidad de imágenes está asociada a una parte diferente de la pluralidad de partes. El número determinado de moscas en los datos de imagen de al menos una parte de al menos un animal bovino puede comprender entonces un número de moscas en cada imagen de la pluralidad de imágenes.
De acuerdo con un ejemplo, la determinación de la información relativa a la infestación por moscas de la pluralidad de animales bovinos comprende un análisis estadístico del número de moscas en cada imagen de la pluralidad de imágenes.
De acuerdo con un ejemplo, el al menos un animal bovino comprende al menos dos animales bovinos. Una primera parte de la pluralidad de partes puede entonces asociarse a un primer animal bovino del al menos un animal bovino y una segunda parte de la pluralidad de partes puede asociarse a un segundo animal bovino del al menos un animal bovino.
De acuerdo con un ejemplo, cada parte de la pluralidad de partes está asociada a un animal bovino diferente. En un ejemplo, se adquieren y analizan imágenes de dos animales bovinos.
En un ejemplo, se adquieren y analizan imágenes de cuatro animales bovinos.
En un ejemplo, se adquieren y analizan imágenes de ocho animales bovinos.
En un ejemplo, se adquieren y analizan imágenes de más de ocho animales bovinos.
De acuerdo con un ejemplo, al menos una primera imagen de la pluralidad de imágenes se adquirió en un día diferente al de al menos una segunda imagen de la pluralidad de imágenes.
En un ejemplo, cada imagen de la pluralidad de imágenes se adquirió en un día diferente.
De acuerdo con un ejemplo, la unidad de procesamiento está configurada para aplicar un algoritmo de segmentación para analizar la al menos una imagen para determinar los datos de imagen de la al menos una parte de al menos un animal bovino.
De acuerdo con un ejemplo, el algoritmo de segmentación está configurado para determinar al menos un área de la al menos una imagen que tiene datos de imagen de un objeto distinto de una o más moscas, y en donde ese objeto es distinto del al menos un bovino. La determinación de los datos de imagen de al menos una parte de al menos un animal bovino puede comprender entonces una deselección de la al menos un área de la al menos una imagen.
En un ejemplo, el algoritmo de segmentación se entrena con base en imágenes en las que aparecen moscas y en las que aparecen objetos distintos de las moscas, tales como manchas de barro y plantas.
En un ejemplo, el algoritmo de segmentación está compuesto por el algoritmo de procesamiento de imágenes, tal como el algoritmo de procesamiento de imágenes basado en redes neuronales.
De acuerdo con un ejemplo, la unidad de procesamiento está configurada para detectar el al menos un animal bovino, en donde la detección comprende el análisis de la al menos una imagen.
De acuerdo con un ejemplo, el análisis de la al menos una imagen para detectar el al menos un animal bovino comprende la utilización de un algoritmo de detección de objetos.
La Fig. 2 muestra un ejemplo de un dispositivo 100 para el manejo de moscas. El dispositivo 100 comprende una cámara 110, un aparato 10 para el manejo de moscas como el descrito anteriormente con referencia a la Fig. 1, y un alojamiento 120. La cámara 110 y el aparato 10 están alojados dentro del alojamiento 120. La cámara 110 está configurada para adquirir la al menos una imagen del entorno agrícola.
En un ejemplo, el dispositivo es un dispositivo portátil.
En un ejemplo, el dispositivo es un teléfono inteligente.
En un ejemplo, el dispositivo tiene una cámara con capacidad de zoom.
En un ejemplo, el dispositivo está montado de forma fija en el entorno agrícola.
En un ejemplo, el dispositivo es un vehículo aéreo no tripulado (UAV). En un ejemplo, el UAV está configurado para llevar a cabo un tratamiento contra la infestación por moscas de uno o más animales bovinos. En un ejemplo, el tratamiento contra la infestación por moscas comprende la aplicación de un producto químico a uno o más animales bovinos.
De acuerdo con un ejemplo del aparato, la unidad de entrada 20 del aparato 10 está configurada para proporcionar al menos una imagen inicial a la unidad de procesamiento 30 del aparato. La al menos una imagen inicial comprende datos de imagen de una serie de animales bovinos. La serie de animales bovinos comprende al menos un animal bovino. La unidad de procesamiento está configurada para seleccionar el al menos un animal bovino, en donde la selección comprende el análisis de la al menos una imagen inicial.
De acuerdo con un ejemplo del aparato 100, la unidad de salida 40 del aparato 10 está configurada para presentar a un usuario del aparato al menos una indicación relativa a al menos un animal bovino seleccionado.
De acuerdo con un ejemplo, la unidad de salida comprende una unidad de visualización 130. La unidad de visualización está configurada para mostrar la al menos una imagen inicial con la al menos una indicación relativa a al menos un bovino seleccionado resaltada en la al menos una imagen inicial.
De acuerdo con un ejemplo, la unidad de entrada está configurada para permitir que un usuario introduzca una instrucción de comando para aplicar un tratamiento contra la infestación por moscas a la pluralidad de animales bovinos en respuesta a la salida de la indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos en la unidad de salida. El dispositivo está configurado para transmitir la instrucción de comando a al menos una unidad de aplicación del tratamiento contra la infestación por moscas 140.
En un ejemplo, la al menos una unidad de aplicación del tratamiento contra la infestación por moscas comprende uno o más vehículos aéreos no tripulados.
La Fig. 3 muestra un ejemplo de un sistema 200 para el manejo de moscas. El sistema 200 comprende una cámara 210, un primer transceptor 220, una unidad de procesamiento 230, un segundo transceptor 240 y un alojamiento 250. La cámara 210 y el primer transceptor 220 están alojados en el alojamiento 250. La unidad de procesamiento 230 y el segundo transceptor 240 no están alojados en el alojamiento 250. La cámara 210 está configurada para adquirir al menos una imagen de un entorno agrícola. El entorno agrícola contiene una pluralidad de animales bovinos. La al menos una imagen comprende datos de imagen de al menos una parte de al menos un animal bovino de la pluralidad de animales bovinos. El primer transceptor 220 está configurado para transmitir la al menos una imagen y el segundo transceptor 240 está configurado para recibir la al menos una imagen. El segundo transceptor 240 está configurado para proporcionar la al menos una imagen a la unidad de procesamiento 230. La unidad de procesamiento 230 está configurada para determinar un número de moscas en los datos de imagen de al menos una parte de al menos un animal bovino. La unidad de procesamiento 230 también está configurada para determinar la información relativa a la infestación por moscas de la pluralidad de animales bovinos, comprendiendo la determinación la utilización del número determinado de moscas.
De acuerdo con un ejemplo, el sistema comprende al menos una unidad de aplicación del tratamiento contra la infestación por moscas 260. La al menos una unidad de aplicación del tratamiento contra la infestación por moscas está configurada para aplicar un tratamiento contra la infestación por moscas a la pluralidad de animales bovinos con base en la información determinada relativa a la infestación por moscas de la pluralidad de animales bovinos.
En un ejemplo, el segundo transceptor está configurado para enviar una instrucción de comando a la al menos una unidad de tratamiento de la infestación por moscas para aplicar un tratamiento contra la infestación por moscas a la pluralidad de animales bovinos.
De acuerdo con un ejemplo, el sistema comprende una unidad de salida 270 alojada dentro del alojamiento. El segundo transceptor está configurado para transmitir la información relativa a la infestación por moscas de la pluralidad de animales bovinos y el primer transceptor está configurado para recibir la información relativa a la infestación por moscas de la pluralidad de animales bovinos. La unidad de salida está configurada para generar una indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos basado en la información determinada relativa a la infestación por moscas de la pluralidad de animales bovinos.
De acuerdo con un ejemplo, el sistema comprende una unidad de entrada 280 alojada dentro del alojamiento. La unidad de entrada está configurada para permitir que un usuario introduzca una instrucción de comando para aplicar un tratamiento contra la infestación por moscas a la pluralidad de animales bovinos en respuesta a la salida de la indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos en la unidad de salida. El primer transceptor está configurado para enviar la instrucción de comando a la al menos una unidad de aplicación del tratamiento contra la infestación por moscas.
En un ejemplo, la al menos una unidad de aplicación del tratamiento contra la infestación por moscas comprende uno o más vehículos aéreos no tripulados.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara de un dispositivo portátil.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara de un teléfono inteligente.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara con capacidad de zoom.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara montada de forma fija en el entorno agrícola.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara de un vehículo aéreo no tripulado (UAV). En un ejemplo, los datos de imagen de al menos una parte de al menos un animal bovino comprenden datos de imagen distintos de los datos de imagen de un animal bovino contiguo al animal bovino.
En un ejemplo, la unidad de procesamiento está configurada para identificar al menos un tipo particular de mosca en los datos de imagen de al menos una parte de al menos un animal bovino. El número determinado de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino puede ser entonces un número de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino que son el al menos un tipo particular de mosca.
En un ejemplo, la determinación del número de moscas en la imagen comprende la implementación de un algoritmo de procesamiento de imágenes para analizar los datos de imagen de al menos una parte de al menos un animal bovino.
En un ejemplo, el algoritmo de procesamiento de imágenes comprende un algoritmo de aprendizaje automático. En un ejemplo, el algoritmo de aprendizaje automático es una red neuronal.
En un ejemplo, la red neuronal en una red neuronal de aprendizaje profundo comprende al menos una capa oculta. En un ejemplo, el algoritmo de aprendizaje automático es un algoritmo de aprendizaje automático entrenado, en donde el entrenamiento del aprendizaje automático comprende la utilización de datos reales e imágenes asociadas.
En un ejemplo, el entrenamiento posterior del algoritmo de aprendizaje automático comprende la utilización de los datos de imagen de al menos una parte de al menos un animal bovino.
En un ejemplo, el entrenamiento posterior comprende la utilización del número determinado de moscas.
En un ejemplo, la unidad de entrada está configurada para recibir de un usuario una validación de la indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos, y en donde el entrenamiento posterior comprende la utilización de la validación.
En un ejemplo, un píxel de los datos de imagen de la al menos una parte del al menos un animal bovino proyectada hacia atrás es inferior o igual a 2 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 1,5 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 1,0 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 0,75 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 0,5 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 0,25 mm.
En un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende una indicación de un nivel de infestación definido de una pluralidad de posibles niveles de infestación.
En un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende un mensaje de que la pluralidad de animales bovinos necesita ser tratada contra la infestación por moscas.
En un ejemplo, la unidad de procesamiento está configurada para identificar al menos un producto químico utilizable para el tratamiento de la infestación por moscas. La indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos puede comprender entonces un mensaje relativo a al menos un producto químico utilizable para el tratamiento de la infestación por moscas.
En un ejemplo, la unidad de entrada está configurada para permitir a un usuario introducir información relativa a al menos un producto químico anterior utilizado para el tratamiento de la infestación por moscas en el entorno agrícola. La identificación del al menos un producto químico utilizable para el tratamiento contra la infestación por moscas puede comprender entonces la utilización de la información relativa a al menos un producto químico anterior utilizado para el tratamiento de la infestación por moscas en el entorno agrícola.
En un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende un mensaje de que no es necesario tratar la pluralidad de animales bovinos contra la infestación por moscas.
En un ejemplo, la determinación de la información relativa a la infestación por moscas de la pluralidad de animales bovinos comprende la utilización de un número umbral de moscas.
En un ejemplo, la al menos una imagen comprende una pluralidad de imágenes, en donde la al menos una parte del al menos un animal bovino comprende una pluralidad de partes del al menos un animal bovino. Cada imagen de la pluralidad de imágenes puede asociarse a una parte diferente de la pluralidad de partes. El número determinado de moscas en los datos de imagen de al menos una parte de al menos un animal bovino puede comprender entonces un número de moscas en cada imagen de la pluralidad de imágenes.
En un ejemplo, la determinación de la información relativa a la infestación por moscas de la pluralidad de animales bovinos comprende un análisis estadístico del número de moscas en cada imagen de la pluralidad de imágenes.
En un ejemplo, el al menos un animal bovino comprende al menos dos animales bovinos. Una primera parte de la pluralidad de partes puede asociarse a un primer bovino del al menos un bovino y una segunda parte de la pluralidad de partes puede asociarse a un segundo bovino del al menos un bovino.
En un ejemplo, cada parte de la pluralidad de partes está asociada a un animal bovino diferente.
En un ejemplo, al menos una primera imagen de la pluralidad de imágenes se adquirió en un día diferente al de al menos una segunda imagen de la pluralidad de imágenes.
En un ejemplo, la unidad de procesamiento está configurada para aplicar un algoritmo de segmentación para analizar la al menos una imagen para determinar los datos de imagen de la al menos una parte de al menos un animal bovino.
En un ejemplo, el algoritmo de segmentación está configurado para determinar al menos un área de la al menos una imagen que tiene datos de imagen de un objeto distinto de una o más moscas, y en donde ese objeto es distinto del al menos un bovino. La determinación de la imagen de al menos una parte de al menos un animal bovino puede comprender entonces una deselección de la al menos un área de la al menos una imagen.
En un ejemplo, la unidad de entrada está configurada para proporcionar al menos una imagen inicial a la unidad de procesamiento, en donde la al menos una imagen inicial comprende datos de imagen de una serie de animales bovinos. La serie de animales bovinos comprende al menos un animal bovino. El primer transceptor está configurado para transmitir la al menos una imagen inicial y el segundo transceptor está configurado para recibir la al menos una imagen inicial. El segundo transceptor está configurado para proporcionar la al menos una imagen inicial a la unidad de procesamiento. La unidad de procesamiento está configurada para seleccionar el al menos un animal bovino, en donde la selección comprende el análisis de la al menos una imagen inicial.
En un ejemplo, la unidad de procesamiento está configurada para generar al menos una indicación relativa a al menos un bovino. El segundo transceptor está configurado para transmitir al menos una indicación relativa a al menos un bovino seleccionado y el primer transceptor está configurado para recibir la al menos una indicación relativa a al menos un bovino seleccionado. La unidad de salida está configurada para presentar a un usuario del dispositivo al menos una indicación relativa a al menos un animal bovino seleccionado.
En un ejemplo, la unidad de salida comprende una unidad de visualización. La unidad de visualización está configurada para mostrar la al menos una imagen inicial con la al menos una indicación relativa a al menos un bovino seleccionado resaltada en la al menos una imagen inicial.
En un ejemplo, la unidad de procesamiento está configurada para detectar el al menos un animal bovino, en donde la detección comprende el análisis de la al menos una imagen.
En un ejemplo, el análisis de la al menos una imagen para detectar el al menos un animal bovino comprende la utilización de un algoritmo de detección de objetos.
La Fig. 3 muestra un método 300 para el manejo de moscas, en donde el paso d) es opcional. El método 300 comprende:
en un paso de proporcionado 310, también denominado paso a), proporcionar al menos una imagen de un entorno agrícola a una unidad de procesamiento, en donde el entorno agrícola contiene una pluralidad de animales bovinos; y en donde la al menos una imagen comprende datos de imagen de al menos una parte de al menos un animal bovino de la pluralidad de animales bovinos;
en un paso de determinación 320, también denominado paso b), determinar mediante la unidad de procesamiento un número de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino; y en un paso de determinación 330, también denominado paso c), determinar, mediante la unidad de procesamiento, la información relativa a la infestación por moscas de la pluralidad de animales bovinos, comprendiendo la determinación la utilización del número determinado de moscas.
En un ejemplo, el método comprende el paso d), la salida de datos 340 por una unidad de salida de una indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos con base en la información determinada relativa a la infestación por moscas de la pluralidad de animales bovinos.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara de un dispositivo portátil.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara de un teléfono inteligente.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara con capacidad de zoom.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara montada de forma fija en el entorno agrícola.
En un ejemplo, la al menos una imagen se adquirió mediante una cámara de un vehículo aéreo no tripulado (UAV). En un ejemplo, los datos de imagen de al menos una parte de al menos un animal bovino comprenden datos de imagen distintos de los datos de imagen de un animal bovino contiguo al animal bovino.
En un ejemplo, la unidad de procesamiento está configurada para identificar al menos un tipo particular de mosca en los datos de imagen de al menos una parte de al menos un animal bovino. El número determinado de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino puede ser entonces un número de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino que son el al menos un tipo particular de mosca.
En un ejemplo, la determinación del número de moscas en la imagen comprende la implementación de un algoritmo de procesamiento de imágenes para analizar los datos de imagen de al menos una parte de al menos un animal bovino.
En un ejemplo, el algoritmo de procesamiento de imágenes comprende un algoritmo de aprendizaje automático. En un ejemplo, el algoritmo de aprendizaje automático es una red neuronal.
En un ejemplo, la red neuronal en una red neuronal de aprendizaje profundo comprende al menos una capa oculta. En un ejemplo, el algoritmo de aprendizaje automático es un algoritmo de aprendizaje automático entrenado. El entrenamiento de aprendizaje automático puede comprender la utilización de datos reales e imágenes asociadas. En un ejemplo, el entrenamiento posterior del algoritmo de aprendizaje automático comprende la utilización de los datos de imagen de al menos una parte de al menos un animal bovino.
En un ejemplo, el entrenamiento posterior comprende la utilización del número determinado de moscas.
En un ejemplo, la unidad de entrada está configurada para recibir de un usuario una validación de la indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos. El entrenamiento posterior puede comprender la utilización de la validación.
En un ejemplo, un píxel de los datos de imagen de la al menos una parte del al menos un animal bovino proyectada hacia atrás es inferior o igual a 2 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 1,5 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 1,0 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 0,75 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 0,5 mm.
En un ejemplo, la proyección del píxel en el plano del objeto es inferior o igual a 0,25 mm.
En un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende una indicación de un nivel de infestación definido de una pluralidad de posibles niveles de infestación.
En un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende un mensaje de que la pluralidad de animales bovinos necesita ser tratada contra la infestación por moscas.
En un ejemplo, la unidad de procesamiento está configurada para identificar al menos un producto químico utilizable para el tratamiento de la infestación por moscas. La indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos puede comprender entonces un mensaje relativo a al menos un producto químico utilizable para el tratamiento de la infestación por moscas.
En un ejemplo, la unidad de entrada está configurada para permitir a un usuario introducir información relativa a al menos un producto químico anterior utilizado para el tratamiento de la infestación por moscas en el entorno agrícola. La identificación del al menos un producto químico utilizable para el tratamiento contra la infestación por moscas puede comprender la utilización de la información relativa a al menos un producto químico anterior utilizado para el tratamiento de la infestación por moscas en el entorno agrícola.
En un ejemplo, la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende un mensaje de que no es necesario tratar la pluralidad de animales bovinos contra la infestación por moscas.
En un ejemplo, la determinación de la información relativa a la infestación por moscas de la pluralidad de animales bovinos comprende la utilización de un número umbral de moscas.
En un ejemplo, la al menos una imagen comprende una pluralidad de imágenes. La al menos una parte del al menos un animal bovino comprende una pluralidad de partes del al menos un animal bovino. Cada imagen de la pluralidad de imágenes puede asociarse a una parte diferente de la pluralidad de partes. El número determinado de moscas en los datos de imagen de al menos una parte de al menos un animal bovino puede comprender un número de moscas en cada imagen de la pluralidad de imágenes.
En un ejemplo, la determinación de la información relativa a la infestación por moscas de la pluralidad de animales bovinos comprende un análisis estadístico del número de moscas en cada imagen de la pluralidad de imágenes. En un ejemplo, el al menos un animal bovino comprende al menos dos animales bovinos. Una primera parte de la pluralidad de partes puede asociarse a un primer animal bovino del al menos un animal bovino y una segunda parte de la pluralidad de partes puede asociarse a un segundo animal bovino del al menos un animal bovino. En un ejemplo, cada parte de la pluralidad de partes está asociada a un animal bovino diferente.
En un ejemplo, se adquieren y analizan imágenes de dos animales bovinos.
En un ejemplo, se adquieren y analizan imágenes de cuatro animales bovinos.
En un ejemplo, se adquieren y analizan imágenes de ocho animales bovinos.
En un ejemplo, se adquieren y analizan imágenes de más de ocho animales bovinos.
En un ejemplo, al menos una primera imagen de la pluralidad de imágenes se adquirió en un día diferente al de al menos una segunda imagen de la pluralidad de imágenes.
En un ejemplo, la unidad de procesamiento está configurada para aplicar un algoritmo de segmentación para analizar la al menos una imagen para determinar los datos de imagen de la al menos una parte de al menos un animal bovino.
En un ejemplo, el algoritmo de segmentación está configurado para determinar al menos un área de la al menos una imagen que tiene datos de imagen de un objeto distinto de una o más moscas, y en donde ese objeto es distinto del al menos un bovino. La determinación de los datos de imagen de al menos una parte de al menos un animal bovino puede comprender una deselección de la al menos un área de la al menos una imagen.
En un ejemplo, la unidad de procesamiento está configurada para detectar el al menos un animal bovino, en donde la detección comprende el análisis de la al menos una imagen.
En un ejemplo, el análisis de la al menos una imagen para detectar el al menos un animal bovino comprende la utilización de un algoritmo de detección de objetos.
El aparato, dispositivo, sistema y método para el manejo de moscas se describen a continuación con más detalle en conjunción con las Figuras. 5-10.
La Fig. 5a es una imagen de una vaca infestada de moscas y la Fig. 5b es una representación de dicha imagen. Se muestra el lomo de una vaca, con moscas en su piel y moscas volando alrededor de la vaca. El experto en la técnica conocerá este tipo de situaciones, en las que las moscas infestan el ganado. La Fig. 5 sirve para indicar el problema que abordan el aparato, el dispositivo, el sistema y el método descritos, en el sentido de que la infestación por moscas es problemática y puede estar a niveles inferiores al mostrado, y aún así ser económicamente perjudicial. Por ejemplo, la experiencia ha demostrado que 200 moscas por res para el ganado vacuno de carne y 50 moscas por res para el ganado vacuno de leche son niveles umbral por regla general, como un nivel promedio para los animales de un rebaño, por encima de los cuales debe aplicarse un tratamiento para mitigar el impacto económico. Sin embargo, antes del aparato, dispositivo, sistema y método descritos, un ganadero no disponía de una forma fácil de determinar si se habían alcanzado dichos umbrales, y hacerlo con exactitud para un rebaño completo sin tener en cuenta indebidamente los ejemplares individuales de ganado que o bien tienen un número de moscas mucho mayor que el promedio del rebaño o, por el contrario, un número de moscas mucho menor que el promedio es prácticamente imposible.
Como se ha descrito anteriormente, se ha desarrollado un aparato, un dispositivo, un sistema y un método para abordar este problema.
En un ejemplo particular, se utiliza un sistema de procesamiento de imágenes que utiliza una red neuronal para contar las moscas e incluso identificarlas en una vaca/res particular. La Fig. 6 muestra los pasos que intervienen en el entrenamiento de la red neuronal. Se ha comprobado que una mosca sobre, y de hecho alrededor de, una vaca (véase la Fig. 5) debe ser fotografiada con una resolución tal que una imagen de una mosca tenga al menos 5 píxeles que se extiendan en una dirección longitudinal de la mosca. De este modo, la resolución de imagen requerida en la vaca/el buey/el ganado objeto de la imagen depende de la especie de mosca concreta que prevalezca en un área. Por ejemplo, las moscas de 1 cm de longitud deben ser fotografiadas con una resolución en la vaca mejor o igual a 2 mm para que al menos 5 píxeles se extiendan a lo largo de la mosca. De este modo, con los sistemas de formación de imágenes estándar que cuentan con detectores de 2000 x 2000 píxeles o incluso más, se puede obtener la imagen de una vaca entera y, de hecho, incluso de más de una vaca/buey y tener imágenes de las moscas con la resolución requerida. Es preferible utilizar sistemas de formación de imágenes con detectores que tengan un mayor número de píxeles y, a continuación, obtener imágenes de la vaca con una resolución de 0,5 mm para poder capturar imágenes de todos los tipos de moscas con la resolución correcta y también de la vaca entera. Sin embargo, sólo es necesario obtener imágenes de una parte de la vaca y, como se ha mencionado anteriormente, se puede utilizar una resolución de 2 mm en la vaca con ciertas especies de moscas.
Continuando con la Fig. 6, se adquieren imágenes de la vaca y un usuario selecciona un área de interés con moscas en evidencia. A continuación, el usuario identifica una serie de áreas en esta área de la imagen, algunas con moscas y otras sin ellas; en la Fig. 6 se indica un área de la imagen con una mosca y otras también tienen moscas y otras no tienen moscas. Estos datos de imagen de todas las áreas se introducen en la red neuronal junto con los datos reales en cuanto a si hay una mosca presente en cada una de esas áreas. El usuario introduce realmente la especie de mosca presente. Este proceso se lleva a cabo para distintas especies de moscas que residen sobre y alrededor de vacas con pieles de distintos colores, y para distintas razas de ganado, a distintas horas del día y en distintas condiciones de iluminación. Además de las imágenes de moscas, también se introducen en la red neuronal imágenes de manchas de barro y otras marcas que podrían confundirse con moscas, junto con la información real de que no hay ninguna mosca presente. Además, las imágenes con dos o tres moscas o más en estrecha proximidad e incluso tocándose se introducen en la red neuronal, de nuevo junto con información real relativa al número y tipo de esta especie de mosca.
A continuación, la Fig. 7 muestra un ejemplo del funcionamiento del aparato, el dispositivo, el sistema y el método. La Fig. 7a muestra imágenes y la Fig. 7b muestra una representación esquemática de las mismas. Un UAV vuela dentro de un campo con ganado presente, y adquiere imágenes a una resolución como la mencionada anteriormente acorde para el análisis del recuento de moscas. Las imágenes pueden guardarse o enviarse para su análisis mediante un ejemplo del aparato descrito, que cuenta las moscas sobre un número del ganado presente con el fin de obtener una comprensión de la infestación por moscas dentro del rebaño. Entonces se podrán tomar medidas. El UAV puede adquirir imágenes que serán analizadas de forma similar por una unidad de procesamiento, formando así parte de un ejemplo del sistema descrito. Sin embargo, el vehículo aéreo no tripulado puede adquirir imágenes y analizarlas por sí mismo, y puede ser un ejemplo del dispositivo descrito. En lugar de un UAV que adquiere imágenes, podría ser una unidad portátil que tenga una cámara, y esa unidad puede entonces adquirir imágenes para ser procesadas mediante un ejemplo del aparato, o la unidad puede ser un ejemplo de una parte del sistema, o puede ser un ejemplo del dispositivo como se describe.
En efecto, la Fig. 8 muestra una unidad portátil de este tipo, en forma de teléfono inteligente dotado de una cámara con resolución suficiente para adquirir las imágenes requeridas. En un primer paso, como se muestra en la Fig. 8, un algoritmo de segmentación recorta la vaca de las imágenes de fondo para su posterior procesamiento. Las imágenes recortadas pueden, si es necesario, incluir el área alrededor de la vaca para contar las moscas que están en vuelo, como se muestra en la Fig. 5. Sin embargo, no es necesario contar estas moscas en vuelo.
La Fig. 9 muestra más detalles relativos al procesamiento de la imagen. La Fig. 9a muestra imágenes, y la Fig. 9b representaciones esquemáticas de esas imágenes. En la imagen superior, un granjero ha adquirido una imagen de una vaca. La vaca tiene moscas en la piel, pero no son claramente visibles en esta imagen. Primero adquirió una imagen de un número de vacas, y superpuesta a esa imagen había una indicación de las vacas de las que debía adquirir imágenes para obtener mejores estadísticas sobre el número de moscas. De este modo, por ejemplo, adquirió una imagen de 40 reses, de las que destacó 4 para adquirir una imagen con la resolución requerida (por ejemplo, una imagen de primer plano), estando esas 4 en distintas posiciones dentro del rebaño. No importa especialmente qué ganado se identifique, e incluso si el ganadero toma imágenes de ese ganado en particular o de un ganado diferente. Lo que el sistema intenta es garantizar que el ganadero no adquiera imágenes de las 4 primeras vacas que encuentre en el límite del rebaño. De hecho, esa indicación de las vacas de las que se capturarán imágenes no es necesaria, ya que se puede informar al ganadero para que capture imágenes de vacas aleatorias de todo el rebaño. Sin embargo, esta indicación puede ser útil para recordar al ganadero que adquiera imágenes de todo el rebaño.
Continuando con la Fig. 9, en la segunda imagen hacia arriba el algoritmo de segmentación descrito anteriormente ha recortado la vaca del fondo y ha eliminado una cierta cantidad de imágenes “ruidosas”, siendo aquéllas con plantas en primer plano que cubren partes de la vaca. En la tercera imagen desde arriba, un siguiente paso de procesamiento de imágenes ha identificado una parte de la vaca que se utilizará para contar las moscas. De este modo, esta imagen se muestra con un aumento mayor que las dos imágenes superiores, y el borde de la vaca queda fuera de la trama. Sin embargo, ahora se pueden ver las moscas. Esta identificación de la parte de la vaca puede basarse en una selección de una parte de la vaca conocida por atraer moscas, tal como el flanco, o puede basarse en una primera detección de lo que podrían ser moscas, o en una mezcla de ambas técnicas. En este paso del proceso se han identificado los objetos que no son moscas. Se trata de la parte superior del pasto, en la parte inferior derecha de la trama, y de una cicatriz en la piel de la vaca, a la izquierda de la imagen. Por lo tanto, para optimizar la precisión del recuento de moscas, estos objetos se deseleccionan de las imágenes, como se muestra en la imagen inferior en negrita, y sólo se procesa la imagen de la parte restante de la vaca para determinar el número de moscas (el área delimitada con una línea discontinua).
La Fig. 10a muestra una imagen de las moscas detectadas para una parte adecuada de una vaca, y la Fig. 10b muestra una representación esquemática de dicha imagen. La parte de la vaca que se ha utilizado para el recuento de moscas se ha seleccionado como se ha mencionado anteriormente. Las otras vacas de las que el ganadero ha capturado imágenes también se procesan de forma similar. A continuación, se calcula un número promedio de moscas, y este número puede ajustarse si es necesario para tener en cuenta el área de la que capturaron imágenes. Si se alcanza un número umbral de moscas por ganado, teniendo en cuenta si se trata de un ganado de vacas de carne o vacas lecheras, y teniendo en cuenta el tipo de moscas presentes, se proporciona una indicación al ganadero para que aplique un tratamiento contra las moscas al rebaño. Además, en función de cuánto supere el nivel umbral el número promedio determinado de moscas por ganado, se proporciona al ganadero una indicación sobre la gravedad de la infestación. Por ejemplo, si se acaba de superar el nivel umbral, se puede presentar al ganadero una escala que proporcione esta información de forma visual y sencilla de interpretar. Como una escala de temperatura en el nivel 7, de posibles indicaciones que van del 1 al 20, iluminada en ámbar. Si, por el contrario, el nivel umbral se superara con creces, entonces la escala de temperatura podría situarse en un nivel superior de 19-20, iluminándose en rojo, indicando así al ganadero que es necesario actuar de inmediato. En realidad, al ganadero se le presenta una barra que se extiende sobre la escala, centrada en 7 pero que se extiende de 6,5 a 7,5. Esto proporciona al ganadero una indicación de la exactitud del nivel de infestación determinado. La posición del centro de la barra se determina a partir de un promedio del número de moscas por imagen, y la anchura de la barra a cada lado del centro se determina a partir de la desviación estándar del número de moscas por imagen dividida por la raíz cuadrada del número de imágenes: un error sobre una media. De este modo, a medida que el granjero adquiere imágenes, la presentación visual se actualiza continuamente a medida que se adquieren imágenes, variando la posición del centro de la barra con la media del número de moscas, y disminuyendo el tamaño de la barra a medida que disminuye el error con el aumento del número de imágenes tomadas. De este modo, el ganadero también dispone de una forma sencilla de determinar si ha adquirido suficientes imágenes para proporcionarle una valoración precisa de la infestación por moscas de su rebaño, y puede, en caso necesario, seguir adquiriendo imágenes del ganado en el campo hasta obtener un resultado con un margen de error (el tamaño de la barra centrada en el número 7, por ejemplo) que permita al ganadero determinar si es necesario actuar o no. Además, si, por ejemplo, el ganadero ha visitado el campo en una o varias ocasiones anteriores y ha obtenido una determinación del nivel de infestación, se puede proporcionar un historial temporal sencillo para el ganadero. Por lo tanto, es posible que no se haya alcanzado el nivel umbral, indicándose un nivel de indicación de 6 en color amarillo-ámbar. Sin embargo, 10 días antes el nivel de indicación era de 1, y cinco días antes el nivel de indicación era de 3. Por lo tanto, además de la escala de temperatura del nivel de infestación en ese momento, se presenta al ganadero un sencillo gráfico temporal, con los días en el eje x y el nivel de infestación en el eje y. De este modo, aunque el nivel de infestación no se haya alcanzado realmente en esa ocasión, el ganadero recibe información que indica que se está desarrollando un problema y puede decidir iniciar el tratamiento contra la infestación por moscas. Éstas son sólo una de las formas en las que se puede proporcionar al ganadero una indicación del nivel de gravedad, y cómo evoluciona con el tiempo, y se pueden aplicar otras formas.
Continuando con la Fig. 10, en función del tratamiento que se haya llevado a cabo previamente, se presenta primero al ganadero una indicación en el teléfono inteligente de que es necesario un tratamiento, tal y como se ha mencionado anteriormente, y esto también puede proporcionar una indicación de la gravedad de la infestación e información temporal. También se le presenta una propuesta de ingrediente activo/producto a utilizar. El ganadero puede entonces realizar el trabajo él mismo. Sin embargo, en este caso pulsa un botón del teléfono para activar el tratamiento a distancia del rebaño por una flota de vehículos aéreos no tripulados. Uno de estos vehículos aéreos no tripulados puede ser el que se muestra en la Fig. 7, que cuenta con una unidad de atomizador químico además de un sistema de cámara de captura de imágenes. De hecho, todo este proceso de adquisición y análisis de imágenes para determinar si es necesario un tratamiento contra las moscas y, a continuación, la aplicación de dicho tratamiento puede ser realizado por el UAV con otros UAV si es necesario, sin que sea necesaria la intervención del ganadero.
Cabe señalar que la descripción anterior se ha centrado en el ejemplo del manejo de la infestación por moscas, sin embargo, el aparato, dispositivo, sistema y método proporcionados pueden utilizarse para permitir el tratamiento mejorado de garrapatas y otros parásitos, como entenderá un experto dentro del concepto inventivo descrito anteriormente.
En otra realización ejemplar, se proporciona un programa informático o un elemento de programa informático que se caracteriza por estar configurado para ejecutar los pasos del método de acuerdo con una de las realizaciones anteriores, en un aparato, dispositivo o sistema apropiado.
Por lo tanto, el elemento de programa informático podría almacenarse en una unidad informática, que también podría formar parte de una realización. Esta unidad informática puede estar configurada para realizar o inducir la realización de los pasos del método descrito anteriormente. Además, puede estar configurado para hacer funcionar los componentes del aparato y/o sistema descritos anteriormente. La unidad informática puede estar configurada para funcionar automáticamente y/o para ejecutar las órdenes de un usuario. Un programa informático puede cargarse en una memoria de trabajo de un procesador de datos. De este modo, el procesador de datos puede estar equipado para llevar a cabo el método de acuerdo con una de las realizaciones anteriores.
Esta realización ejemplar de la invención cubre tanto un programa informático que desde el principio utiliza la invención como un programa informático que mediante una actualización convierte un programa existente en un programa que utiliza la invención.
Más adelante, el elemento de programa informático podría ser capaz de proporcionar todos los pasos necesarios para cumplir el procedimiento de una realización ejemplar del método descrito anteriormente.
De acuerdo con otra realización ejemplar de la presente invención, se presenta un medio legible por ordenador, tal como un CD-ROM, una memoria USB o similares, en donde el medio legible por ordenador tiene almacenado un elemento de programa informático cuyo elemento de programa informático se describe en la sección anterior.
Un programa informático puede almacenarse y/o distribuirse en un soporte adecuado, tal como un soporte de almacenamiento óptico o un soporte de estado sólido suministrado junto con o como parte de otro hardware, pero también puede distribuirse de otras formas, tal como a través de Internet u otros sistemas de telecomunicación por cable o inalámbricos.
Sin embargo, el programa informático también puede presentarse a través de una red como la World Wide Web y puede descargarse en la memoria de trabajo de un procesador de datos desde dicha red. De acuerdo con otra realización ejemplar de la presente invención, se proporciona un medio para poner a disposición un elemento de programa informático para su descarga, cuyo elemento de programa informático está dispuesto para realizar un método de acuerdo con una de las realizaciones de la invención descritas anteriormente.
Aunque la invención se ha ilustrado y descrito en detalle en los dibujos y en la descripción anterior, dicha ilustración y descripción deben considerarse ilustrativas o ejemplares y no restrictivas. La invención está definida en las reivindicaciones anexas.
En las reivindicaciones, la palabra “comprender” no excluye otros elementos o pasos, y el artículo indefinido “un” o “una” no excluye una pluralidad. Cualquier signo de referencia en las reivindicaciones no debe interpretarse como una limitación del alcance.

Claims (38)

REIVINDICACIONES
1. Un aparato (10) para el manejo de moscas, que comprende:
- una unidad de entrada (20);
- una unidad de procesamiento (30); y
- una unidad de salida (40);
en donde la unidad de entrada está configurada para proporcionar a la unidad de procesamiento al menos una imagen de un entorno agrícola, en donde el entorno agrícola contiene una pluralidad de animales bovinos; en donde la al menos una imagen comprende datos de imagen de al menos una parte de al menos un animal bovino de la pluralidad de animales bovinos;
en donde la unidad de procesamiento está configurada para determinar un número de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino;
en donde la unidad de procesamiento está configurada para determinar la información relativa a la infestación por moscas de la pluralidad de animales bovinos, comprendiendo la determinación la utilización del número determinado de moscas; y
en donde la unidad de salida está configurada para generar una indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos basado en la información determinada relativa a la infestación por moscas de la pluralidad de animales bovinos.
2. El aparato de acuerdo con la reivindicación 1, en donde los datos de imagen de al menos una parte de al menos un animal bovino comprenden datos de imagen distintos de los datos de imagen de un animal bovino contiguo al animal bovino.
3. El aparato de acuerdo con cualquiera de las reivindicaciones 1-2, en donde la unidad de procesamiento está configurada para identificar al menos un tipo particular de mosca en los datos de imagen de la al menos una parte de al menos un animal bovino, y en donde el número determinado de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino es un número de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino que son el al menos un tipo particular de mosca.
4. El aparato de acuerdo con cualquiera de las reivindicaciones 1-3, en donde la determinación del número de moscas en la imagen comprende la implementación de un algoritmo de procesamiento de imágenes para analizar los datos de imagen de la al menos una parte de al menos un animal bovino.
5. El aparato de acuerdo con la reivindicación 4, en donde el algoritmo de procesamiento de imágenes comprende un algoritmo de aprendizaje automático.
6. El aparato de acuerdo con la reivindicación 5, en donde el algoritmo de aprendizaje automático es una red neuronal.
7. El aparato de acuerdo con cualquiera de las reivindicaciones 5-6, en donde el algoritmo de aprendizaje automático es un algoritmo de aprendizaje automático entrenado, en donde el entrenamiento del aprendizaje automático comprende la utilización de datos reales e imágenes asociadas.
8. El aparato de acuerdo con la reivindicación 7, en donde el entrenamiento posterior del algoritmo de aprendizaje automático comprende la utilización de los datos de imagen de la al menos una parte de al menos un animal bovino.
9. El aparato de acuerdo con la reivindicación 8, en donde el entrenamiento posterior comprende la utilización del número determinado de moscas.
10. El aparato de acuerdo con cualquiera de las reivindicaciones 8-9, en donde la unidad de entrada está configurada para recibir de un usuario una validación de la indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos, y en donde el entrenamiento posterior comprende la utilización de la validación.
11. El aparato de acuerdo con cualquiera de las reivindicaciones 1-10, en donde un píxel de los datos de imagen de al menos una parte de al menos un animal bovino proyectado de nuevo sobre al menos una parte del al menos un animal bovino es inferior o igual a 2 mm.
12. El aparato de acuerdo con cualquiera de las reivindicaciones 1-11, en donde la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende una indicación de un nivel de infestación definido de una pluralidad de posibles niveles de infestación.
13. El aparato de acuerdo con cualquiera de las reivindicaciones 1-12, en donde la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende un mensaje de que la pluralidad de animales bovinos necesita ser tratada contra la infestación por moscas.
14. El aparato de acuerdo con cualquiera de las reivindicaciones 1-13, en donde la unidad de procesamiento está configurada para identificar al menos un producto químico utilizable para el tratamiento contra la infestación por moscas, y en donde la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende un mensaje relativo al menos un producto químico utilizable para el tratamiento contra la infestación por moscas.
15. El aparato de acuerdo con la reivindicación 14, en donde la unidad de entrada está configurada para permitir a un usuario introducir información relativa a al menos un producto químico anterior utilizado para el tratamiento de la infestación por moscas en el entorno agrícola, y en donde la identificación del al menos un producto químico utilizable para el tratamiento contra la infestación por moscas comprende la utilización de la información relativa al menos un producto químico anterior utilizado para el tratamiento de la infestación por moscas en el entorno agrícola.
16. El aparato de acuerdo con cualquiera de las reivindicaciones 1-12, en donde la indicación relativa al tratamiento contra la infestación por moscas de la pluralidad de animales bovinos comprende un mensaje de que la pluralidad de animales bovinos no necesita ser tratada contra la infestación por moscas.
17. El aparato de acuerdo con cualquiera de las reivindicaciones 1-16, en donde la determinación de la información relativa a la infestación por moscas de la pluralidad de animales bovinos comprende la utilización de un número umbral de moscas.
18. El aparato de acuerdo con cualquiera de las reivindicaciones 1-17, en donde la al menos una imagen comprende una pluralidad de imágenes, en donde la al menos una parte del al menos un animal bovino comprende una pluralidad de partes del al menos un animal bovino, y en donde cada imagen de la pluralidad de imágenes está asociada a una parte diferente de la pluralidad de partes, en donde el número determinado de moscas en los datos de imagen de la al menos una parte del al menos un animal bovino comprende un número de moscas en cada imagen de la pluralidad de imágenes.
19. El aparato de acuerdo con la reivindicación 18, en donde la determinación de la información relativa a la infestación por moscas de la pluralidad de animales bovinos comprende un análisis estadístico del número de moscas en cada imagen de la pluralidad de imágenes.
20. El aparato de acuerdo con cualquiera de las reivindicaciones 18-19, en donde el al menos un animal bovino comprende al menos dos animales bovinos, y en donde una primera parte de la pluralidad de partes está asociada a un primer animal bovino del al menos un animal bovino y una segunda parte de la pluralidad de partes está asociada a un segundo animal bovino del al menos un animal bovino.
21. El aparato de acuerdo con cualquiera de las reivindicaciones 18-20, en donde cada parte de la pluralidad de partes está asociada a un animal bovino diferente.
22. El aparato de acuerdo con cualquiera de las reivindicaciones 18-21, en donde al menos una primera imagen de la pluralidad de imágenes se adquirió en un día diferente al de al menos una segunda imagen de la pluralidad de imágenes.
23. El aparato de acuerdo con cualquiera de las reivindicaciones 1-22, en donde la unidad de procesamiento está configurada para aplicar un algoritmo de segmentación para analizar la al menos una imagen para determinar los datos de imagen de la al menos una parte de al menos un animal bovino.
24. El aparato de acuerdo con la reivindicación 23, en donde el algoritmo de segmentación está configurado para determinar al menos un área de la al menos una imagen que tiene datos de imagen de un objeto distinto de una o más moscas, y en donde dicho objeto es distinto del al menos un bovino, y en donde la determinación de los datos de imagen de la al menos una parte de al menos un animal bovino comprende una deselección de el al menos un área de la al menos una imagen.
25. El aparato de acuerdo con cualquiera de las reivindicaciones 1-24, en donde la unidad de procesamiento está configurada para detectar el al menos un animal bovino, donde la detección comprende el análisis de la al menos una imagen.
26. El aparato de acuerdo con la reivindicación 25, en donde el análisis de la al menos una imagen para detectar el al menos un animal bovino comprende la utilización de un algoritmo de detección de objetos.
27. Un dispositivo (100) para el manejo de moscas, que comprende:
- una cámara (110);
- un aparato (10) para el manejo de moscas de acuerdo con cualquiera de las reivindicaciones 1-26; y
- un alojamiento (120);
en donde la cámara y el aparato están alojados dentro del alojamiento; y
en donde la cámara está configurada para adquirir la al menos una imagen del entorno agrícola.
28. El dispositivo de acuerdo con la reivindicación 27, en donde la unidad de entrada (20) está configurada para proporcionar al menos una imagen inicial a la unidad de procesamiento (30), en donde la al menos una imagen inicial comprende datos de imagen de una serie de animales bovinos, en donde la serie de animales bovinos comprende el al menos un animal bovino, y en donde la unidad de procesamiento está configurada para seleccionar el al menos un animal bovino, donde la selección comprende el análisis de la al menos una imagen inicial.
29. El dispositivo de acuerdo con la reivindicación 28, en donde la unidad de salida (40) está configurada para presentar a un usuario del dispositivo al menos una indicación relativa al menos un animal bovino seleccionado.
30. El dispositivo de acuerdo con la reivindicación 29, en donde la unidad de salida comprende una unidad de visualización (130), y en donde la unidad de visualización está configurada para mostrar la al menos una imagen inicial con la al menos una indicación relativa al menos un bovino seleccionado resaltada en la al menos una imagen inicial.
31. El dispositivo de acuerdo con cualquiera de las reivindicaciones 27-30, en donde la unidad de entrada está configurada para permitir que un usuario introduzca una instrucción de comando para aplicar un tratamiento contra la infestación por moscas a la pluralidad de animales bovinos en respuesta a la salida de la indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos en la unidad de salida, y en donde el dispositivo está configurado para transmitir la instrucción de comando a al menos una unidad de aplicación del tratamiento contra la infestación por moscas (140).
32. Un sistema (200) para el manejo de moscas, que comprende:
- una cámara (210);
- un primer transceptor (220);
- una unidad de procesamiento (230);
- un segundo transceptor (240); y
- un alojamiento (250);
en donde la cámara y el primer transceptor están alojados en el alojamiento;
en donde la unidad de procesamiento y el segundo transceptor no están alojados en el alojamiento;
en donde la cámara está configurada para adquirir al menos una imagen de un entorno agrícola, en donde el entorno agrícola contiene una pluralidad de animales bovinos, en donde la al menos una imagen comprende datos de imagen de al menos una parte de al menos un animal bovino de la pluralidad de animales bovinos;
en donde el primer transceptor está configurado para transmitir la al menos una imagen y el segundo transceptor está configurado para recibir la al menos una imagen, y en donde el segundo transceptor está configurado para proporcionar la al menos una imagen a la unidad de procesamiento;
en donde la unidad de procesamiento está configurada para determinar un número de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino; y
en donde la unidad de procesamiento está configurada para determinar la información relativa a la infestación por moscas de la pluralidad de animales bovinos, comprendiendo la determinación la utilización del número determinado de moscas.
33. El sistema de acuerdo con la reivindicación 32, en donde el sistema comprende al menos una unidad de aplicación del tratamiento contra la infestación por moscas (260), y en donde la al menos una unidad de aplicación del tratamiento contra la infestación por moscas está configurada para aplicar un tratamiento contra la infestación por moscas a la pluralidad de animales bovinos con base en la información determinada relativa a la infestación por moscas de la pluralidad de animales bovinos.
34. El sistema de acuerdo con cualquiera de las reivindicaciones 32-33, en donde el sistema comprende una unidad de salida (270) alojada dentro del alojamiento, y en donde el segundo transceptor está configurado para transmitir la información relativa a la infestación por moscas de la pluralidad de animales bovinos y el primer transceptor está configurado para recibir la información relativa a la infestación por moscas de la pluralidad de animales bovinos; y en donde la unidad de salida está configurada para generar una indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos basado en la información determinada relativa a la infestación por moscas de la pluralidad de animales bovinos.
35. El sistema de acuerdo con la reivindicación 34 cuando depende de la reivindicación 33, en donde el sistema comprende una unidad de entrada (280) alojada dentro del alojamiento, y en donde la unidad de entrada está configurada para permitir que un usuario introduzca una instrucción de comando para aplicar un tratamiento contra la infestación por moscas a la pluralidad de animales bovinos en respuesta a la salida de la indicación relativa a un tratamiento contra la infestación por moscas de la pluralidad de animales bovinos en la unidad de salida, y en donde el primer transceptor está configurado para enviar la instrucción de comando a la al menos una unidad de aplicación del tratamiento contra la infestación por moscas.
36. Un método (300) para el manejo de moscas, que comprende:
a) proporcionar (310) al menos una imagen de un entorno agrícola a una unidad de procesamiento, en donde el entorno agrícola contiene una pluralidad de animales bovinos; y en donde la al menos una imagen comprende datos de imagen de al menos una parte de al menos un animal bovino de la pluralidad de animales bovinos; b) determinar (320) mediante la unidad de procesamiento un número de moscas en los datos de imagen de la al menos una parte de al menos un animal bovino; y
c) determinar (330) mediante la unidad de procesamiento, la información relativa a la infestación por moscas de la pluralidad de animales bovinos, comprendiendo la determinación la utilización del número determinado de moscas.
37. Un elemento de programa informático para controlar un aparato de acuerdo con cualquiera de las reivindicaciones 1 a 16 y/o un dispositivo de acuerdo con cualquiera de las reivindicaciones 27-31 y/o un sistema de acuerdo con cualquiera de las reivindicaciones 32-35, que al ser ejecutado por un procesador está configurado para llevar a cabo el método de la reivindicación 36.
38. Un medio legible por ordenador que tiene almacenado el elemento de programa informático de la reivindicación 37.
ES19724529T 2018-05-28 2019-05-21 Apparatus for fly management Active ES3037272T3 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP18174587.8A EP3574751A1 (en) 2018-05-28 2018-05-28 Apparatus for fly management
PCT/EP2019/063092 WO2019228861A1 (en) 2018-05-28 2019-05-21 Apparatus for fly management

Publications (1)

Publication Number Publication Date
ES3037272T3 true ES3037272T3 (en) 2025-09-30

Family

ID=62455381

Family Applications (1)

Application Number Title Priority Date Filing Date
ES19724529T Active ES3037272T3 (en) 2018-05-28 2019-05-21 Apparatus for fly management

Country Status (18)

Country Link
US (1) US11464211B2 (es)
EP (2) EP3574751A1 (es)
JP (1) JP7386814B2 (es)
KR (1) KR102761793B1 (es)
CN (1) CN112153892B (es)
AR (1) AR115444A1 (es)
AU (1) AU2019275912B2 (es)
CL (1) CL2020003054A1 (es)
CR (1) CR20200635A (es)
ES (1) ES3037272T3 (es)
IL (1) IL278890A (es)
MX (1) MX2020012807A (es)
NZ (1) NZ769338A (es)
PE (1) PE20210534A1 (es)
PH (1) PH12020552030A1 (es)
SG (1) SG11202011020UA (es)
WO (1) WO2019228861A1 (es)
ZA (1) ZA202007952B (es)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10936870B2 (en) * 2018-07-05 2021-03-02 Iron Ox, Inc. Method for selectively deploying sensors within an agricultural facility
US12360044B2 (en) * 2018-12-19 2025-07-15 InnerPlant, Inc. Method for identifying stressors in an agricultural environment based on characteristics of microbe sensors
NL2028234B1 (nl) * 2021-05-18 2022-12-02 Lely Patent Nv Camerainrichting voor bewaken en herkennen van dieren of delen daarvan, alsmede veestal daarmee

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2639259A (en) * 1948-07-20 1953-05-19 Union Carbide & Carbon Corp Insecticides
US3265568A (en) * 1962-03-12 1966-08-09 Exxon Research Engineering Co Wax-water emulsions containing pyrethrum in the phase
JP2001005974A (ja) * 1999-06-17 2001-01-12 Matsushita Electric Ind Co Ltd 物体認識方法及び物体認識装置
US6746682B2 (en) * 2001-09-26 2004-06-08 Julio Angel Daffunchio Biological control of horn flies
IL150915A0 (en) * 2002-07-25 2003-02-12 Vet Tech Ltd Imaging system and method for body condition evaluation
US7496228B2 (en) * 2003-06-13 2009-02-24 Landwehr Val R Method and system for detecting and classifying objects in images, such as insects and other arthropods
EP2013823A1 (en) * 2006-03-28 2009-01-14 The University Court Of The University Of Edinburgh A method for automatically characterizing the behavior of one or more objects
US9052740B2 (en) * 2013-03-12 2015-06-09 Qualcomm Incorporated Adaptive data path for computer-vision applications
US20150193971A1 (en) * 2014-01-03 2015-07-09 Motorola Mobility Llc Methods and Systems for Generating a Map including Sparse and Dense Mapping Information
JP2016019505A (ja) * 2014-07-15 2016-02-04 近藤電子株式会社 害虫発生推定装置
IL236606B (en) * 2015-01-11 2020-09-30 Gornik Amihay Standards and methods for agricultural monitoring
AU2015387254B2 (en) * 2015-03-13 2019-03-14 Telefonaktiebolaget Lm Ericsson (Publ) Device for handheld operation and method thereof
CN104835164B (zh) * 2015-05-11 2017-07-28 京东方科技集团股份有限公司 一种双目摄像头深度图像的处理方法及装置
US9836839B2 (en) * 2015-05-28 2017-12-05 Tokitae Llc Image analysis systems and related methods
DK3316680T4 (da) * 2015-07-01 2023-10-23 Vikinggenetics Fmba System og fremgangsmåde til identifikation af individuelle dyr baseret på billeder af ryggen
SG10201506012SA (en) * 2015-07-31 2017-02-27 Accenture Global Services Ltd Inventory, growth, and risk prediction using image processing
US20170071164A1 (en) * 2015-09-11 2017-03-16 Flysorter, LLC Insect singulating device
US10176588B2 (en) * 2015-09-14 2019-01-08 Sightline Innovation Inc. System and method for specular surface inspection
CN205455287U (zh) 2016-02-26 2016-08-17 广州翼鲲生物科技有限公司 用于牧场虫害防控的系统
EP3279831A1 (en) * 2016-08-03 2018-02-07 Bayer CropScience AG Recognition of weed in a natural environment using a digital image
US9943387B2 (en) * 2016-06-29 2018-04-17 International Business Machines Corporation Unmanned aerial vehicle-based system for livestock parasite amelioration
WO2018049289A1 (en) * 2016-09-09 2018-03-15 Cibo Technologies, Inc. Systems for adjusting agronomic inputs using remote sensing, and related apparatus and methods
US11406610B2 (en) * 2016-09-20 2022-08-09 Nanyang Technological University Co-crystals of Nurr1-LBD in complex with a cyclopentenone prostaglandin and modulators of Nurr1
ES2956102T3 (es) * 2016-10-28 2023-12-13 Verily Life Sciences Llc Modelos predictivos para clasificar visualmente insectos

Also Published As

Publication number Publication date
BR112020024144A2 (pt) 2021-03-02
CA3098953A1 (en) 2019-12-05
WO2019228861A1 (en) 2019-12-05
CL2020003054A1 (es) 2021-06-11
IL278890A (en) 2021-01-31
US11464211B2 (en) 2022-10-11
SG11202011020UA (en) 2020-12-30
EP3801005A1 (en) 2021-04-14
NZ769338A (en) 2024-12-20
US20210204521A1 (en) 2021-07-08
PE20210534A1 (es) 2021-03-17
KR20210014122A (ko) 2021-02-08
CN112153892A (zh) 2020-12-29
CN112153892B (zh) 2024-01-30
AU2019275912B2 (en) 2024-03-21
EP3574751A1 (en) 2019-12-04
JP7386814B2 (ja) 2023-11-27
MX2020012807A (es) 2021-02-15
AU2019275912A1 (en) 2020-11-12
ZA202007952B (en) 2025-06-25
JP2021525422A (ja) 2021-09-24
AR115444A1 (es) 2021-01-20
KR102761793B1 (ko) 2025-02-03
CR20200635A (es) 2021-03-01
EP3801005B1 (en) 2025-05-07
PH12020552030A1 (en) 2021-08-02

Similar Documents

Publication Publication Date Title
Bennitt et al. Terrestrial mammalian wildlife responses to Unmanned Aerial Systems approaches
Gerencsér et al. Identification of behaviour in freely moving dogs (Canis familiaris) using inertial sensors
US20170202185A1 (en) Unmanned livestock monitoring system and methods of use
ES3037272T3 (en) Apparatus for fly management
de Lima Weber et al. Counting cattle in UAV images using convolutional neural network
US12321808B2 (en) System and method for tracing members of an animal population
Ulrich et al. Autonomous tracking of honey bee behaviors over long-term periods with cooperating robots
Bogolin et al. A drone-based survey for large, basking freshwater turtle species
Knauer et al. Bee Tracker—an open‐source machine learning‐based video analysis software for the assessment of nesting and foraging performance of cavity‐nesting solitary bees
US20180092336A1 (en) Autonomous mobile beehives
Ryckman et al. Behavioral responses of blue-winged teal and northern shoveler to unmanned aerial vehicle surveys
Rozenbaum et al. Machine learning-based bee recognition and tracking for advancing insect behavior research
Chimento et al. Peering into the world of wild passerines with 3D‐SOCS: Synchronized video capture and posture estimation
Tsuichihara et al. Drone and GPS sensors-based grassland management using deep-learning image segmentation
Gálvez-Gutiérrez et al. On the usage of deep learning techniques for unmanned aerial vehicle-based citrus crop health assessment
RU2798879C2 (ru) Устройство для борьбы с летающими насекомыми
CA3098953C (en) Apparatus for fly management
Padubidri et al. The be-hive project—counting bee traffic based on deep learning and pose estimation
BR112020024144B1 (pt) Aparelho, dispositivo, sistema e método para gerenciamento de mosca
Nieckarz et al. A novel method for automatically analysing the activity of fast-moving animals: a case study of Callimico goeldii monkeys housed in a zoological garden
Hadjitofi et al. Honeybees express foodward flight vectors after a detour
Warburton et al. Markerless tracking of bumblebee foraging allows for new metrics of bee behavior and demonstrations of increased foraging efficiency with experience: R. Warburton and P. Jones
Tousios Computer Vision for Resource Optimisation in Dairy Cows Drinking and Backyard Chickens Nesting behaviour
Segaran et al. Nesting waterbird colony population size monitoring using automated counts on drone imagery
Perivolioti Use of geospatial technologies and hydroacoustics of monitoring aquatic ecosystems