Este trabajo presenta el desarrollo de un sistema de seguimiento y análisis del
comportamiento de las hormigas cortadoras de hojas (HCH) utilizando técnicas de
Visión por Computador. Las HCH son una especie invasora que puede causar daños significativos en cultivos y campos. Las técnicas tradicionales de seguimiento
son costosas y subjetivas, lo que ha impulsado el uso de Visión por Computador
para obtener un seguimiento automático y objetivo.
En concreto, se emplean Redes Neuronales Convolucionales (del inglés Convolutional Neural Networks, CNNs) para la detección de hormigas y para el seguimiento individual. El sistema propuesto permite el registro continuo y objetivo de
la posición y movimiento de las hormigas, proporcionando información valiosa
sobre su comportamiento.
El proyecto es una colaboración con la Universidad de Entrerrios en Argentina. Se busca reducir el coste computacional, mejorar la precisión en el conteo de
hormigas con cargas y desarrollar un sistema adaptable a diferentes entornos.
En la presente investigación, se ha desarrollado un método integral para la detección, seguimiento y clasificación de hormigas en variados contextos ambientales. Mediante la aplicación del algoritmo YOLOv8, se consiguió una detección
altamente precisa de hormigas en distintos entornos, desde hábitats naturales hasta ambientes de laboratorio controlados. En el seguimiento de múltiples objetos
en secuencias de vídeo, BoT-SORT demostró ser eficaz al conservar los identificadores consistentemente a través de las sucesivas imágenes. Además, se introdujo
un modelo de clasificación que distingue eficazmente entre hormigas cargadas y
no cargadas. Es importante subrayar que los resultados alcanzados en este estudio superan, en términos de precisión y latencia, los obtenidos en investigaciones
previas dentro del mismo campo de estudio.
Buscar en Dimension