ES3045785T3

ES3045785T3 - Autonomous livestock monitoring

Info

Publication number: ES3045785T3
Application number: ES23176219T
Authority: ES
Inventors: Terry Canning; Adam Askew; Ian Thompson; Mark Lennox
Original assignee: Cattle Eye Ltd
Current assignee: Cattle Eye Ltd
Priority date: 2023-05-30
Filing date: 2023-05-30
Publication date: 2025-11-28
Anticipated expiration: 2043-05-30
Also published as: PL4470368T3; WO2024246239A1; AU2024280680A1; EP4598343A1; CN121729137A; EP4470368B1; EP4470368C0; EP4470368A1; KR20260036434A

Abstract

La presente invención proporciona un método para identificar un animal individual de entre una pluralidad de animales, comprendiendo el método los siguientes pasos: a) obtener, a través de al menos un módulo de registro de animales en un primer momento durante una primera ventana de tiempo, datos asociados con la pluralidad de animales, comprendiendo los datos un video de un sensor de imágenes bidimensionales; b) obtener, a través del módulo de identificación de animales en un segundo momento durante una segunda ventana de tiempo, datos asociados con un identificador de cada uno de un subconjunto de la pluralidad de animales; donde el módulo de registro de animales está ubicado en una primera ubicación y el módulo de identificación de animales está ubicado en una segunda ubicación, donde la primera ubicación está separada de la segunda ubicación; donde el al menos un módulo de registro de animales está configurado para identificar animales individuales dentro de la primera ventana de tiempo y asociar los animales individuales con una marca de tiempo correspondiente a un punto de detección para ese animal; donde el al menos un módulo de identificación de animales está configurado para identificar animales individuales dentro de la segunda ventana de tiempo y asociar los animales individuales con una marca de tiempo correspondiente a un punto de detección para ese animal; c) correlacionar el animal individual identificado por al menos un módulo de registro de animales en la primera ventana de tiempo con el animal identificado por al menos un módulo de identificación de animales en la segunda ventana de tiempo; d) ajustar el ancho de la segunda ventana de tiempo con respecto a la primera ventana de tiempo y/o un desplazamiento de la segunda ventana de tiempo con respecto a la primera ventana de tiempo; repetir los pasos a) a c) con el ancho y/o el desplazamiento ajustados de la ventana de tiempo. (Traducción automática con Google Translate, sin valor legal)

Description

[0001] DESCRIPCIÓN

[0002] Monitorización autónoma de ganado

[0003] Campo

[0004] La presente invención se refiere a un método y a un sistema de monitorización autónoma de ganado. Más específicamente, la presente invención proporciona un método y un sistema para determinar la identidad de animales individuales en una población de animales.

[0005] Antecedentes de la invención

[0006] La tecnología de análisis de vídeo ha experimentado rápidos avances en los últimos años. Las complejas metodologías y algoritmos de aprendizaje automático son cada vez más accesibles. Además, la tecnología de captura de vídeo se ha vuelto omnipresente, y tanto las cámaras fijas como los drones equipados con cámaras son cada vez más sofisticados y menos costosos.

[0007] La disponibilidad de esta tecnología ha creado una oportunidad en el sector ganadero para aprovechar las ventajas de la analítica de vídeo con el fin de mejorar la vigilancia de los animales y permitir normas más estrictas de bienestar animal. Unas normas más estrictas de bienestar animal aumentan la eficiencia de las explotaciones, evitan el sufrimiento de los animales y responden a la demanda de los consumidores de tener la certeza de que los animales que les suministran proteínas han sido sometidos a elevadas normas de bienestar.

[0008] Una parte importante del seguimiento de los animales es su identificación individual. Algunos sistemas de seguimiento de animales existentes identifican a los animales utilizando tecnología de sensores que depende de la intervención manual, p. ej., añadiendo etiquetas RFID. Esta tecnología es, por naturaleza, no escalable y propensa a la incoherencia y la imprecisión. Por ejemplo, sensores como las etiquetas de identificación por radiofrecuencia, RFID, pueden desprenderse de un animal y/o romperse, lo que hace que el animal no pueda ser identificado por los sistemas RFID. Incluso cuando los sensores RFID funcionan según lo previsto, el porcentaje de éxito de la identificación basada en RFID no es del 100 %.

[0009] Otras soluciones de vigilancia de animales se basan en imágenes obtenidas con cámaras 3D especializadas. Estas cámaras especializadas son difíciles de configurar, mantener y actualizar: a menudo son necesarios complejos procedimientos de configuración y calibración para garantizar el correcto funcionamiento de las cámaras especializadas.

[0010] Otros sistemas para animales que emplean sensores de imágenes y sensores como la identificación por radiofrecuencia, RFID, sufren problemas de sincronización, ya que estos sistemas pueden no estar sincronizados entre sí debido al horario de verano o a las diferencias horarias de los dispositivos informáticos. En consecuencia, las soluciones conocidas de vigilancia de animales suelen tener problemas, como la dificultad de ampliarlas o actualizarlas; ser inexactas o poco fiables; estar restringidas en intervalo operativo; tener problemas de sincronización y ser difíciles de manejar en exteriores, en condiciones inclementes o adversas, o en espacios poco iluminados.

[0011] Por lo tanto, existe la necesidad de ofrecer una solución rentable y eficaz para el seguimiento de los animales que supere los inconvenientes de las soluciones existentes.

[0012] El documento WO2017031532 A1 describe un sistema integrado de trazabilidad de la cadena de suministro y de vigilancia del bienestar animal. Se describe un método y un sistema para identificar a un animal individual de una pluralidad de animales que comprende un módulo de identificación, un módulo de registro de animales, un sensor de imagen bidimensional para obtener en una ventana temporal datos asociados a los animales a través del módulo de registro y el módulo de identificación y correlacionar el animal identificado a través del módulo de registro y el módulo de identificación.

[0013] La patente europea EP3342280 A1 describe un sistema de registro de ganado que incluye una unidad de adquisición de datos de imagen, una unidad de adquisición de señales y una unidad de registro.

[0014] Compendio

[0015] Según la invención se proporciona un método según la reivindicación 1 y un sistema según la reivindicación 11. La presente invención tiene por objeto proporcionar un método y un sistema para identificar un animal individual a partir de una pluralidad de animales que supere los problemas de las soluciones conocidas.

[0016] La invención proporciona un método y un sistema que, dinámicamente, de forma autónoma, identifica a los animales utilizando múltiples modalidades de medición y aprende continuamente de los datos operativos obtenidos.

[0018] Un objetivo de la presente invención es proporcionar un método y un sistema para identificar un animal individual en una población de animales, p. ej., vacas, cerdos, y similares, que pueden integrarse y utilizarse en una granja, que es un entorno difícil para mucha tecnología de identificación conocida.

[0020] El sistema puede utilizarse para reforzar los sistemas existentes. Por ejemplo, los sistemas RFID existentes no funcionan a la perfección, y el nuevo sistema puede utilizarse para complementar los RFID existentes cuando fallen. Por tanto, el sistema puede identificar a un animal cuando falla el sistema RFID existente y proporcionar la identificación a los sistemas posteriores, como un sistema de gestión de salas de ordeño, evitando retrasos. El sistema también puede alertar al usuario de los animales que no logran ser identificados por el sistema RFID. Como resultado, el usuario puede solucionar rápidamente cualquier problema que pueda existir, p. ej., sustituir o reparar el dispositivo RFID, como una etiqueta. El sistema también puede reaccionar dinámicamente a los retrasos entre que los animales son escaneados y aparecen bajo un módulo de registro de animales. Esto elimina la necesidad de que el lector RFID esté directamente debajo o en las proximidades del módulo de registro de animales.

[0022] Asimismo, ya que la identidad de cada animal puede determinarse mediante la comparación o correlación autónoma de un animal identificado en un módulo de registro de animales durante una primera ventana temporal con un animal identificado por un módulo de identificación de animales, el sistema es dinámico y autoexpansivo. Por ejemplo, incluso si no se facilitan datos de configuración cuando se monitorizan los animales de una población, con el tiempo se volverá a escanear al mismo animal. El sistema también puede reconocer un animal a partir de una capa visual, como un vector de identificación con un vector de identificación formado anteriormente para el mismo animal. A su debido tiempo, todos los animales pueden ser inscritos e identificados automáticamente. Además, una vez correlacionados, los datos de los animales pueden utilizarse para seguir afinando el algoritmo y mejorar su rendimiento en el futuro. De este modo, el sistema puede adaptarse a las cambiantes condiciones ambientales de las explotaciones. El sistema puede entonces monitorizar la población, para ver si cambia el número de animales.

[0024] Un aspecto de la presente invención se refiere a un método realizado por un sistema para identificar un animal individual de una pluralidad de animales, comprendiendo el método las etapas siguientes:

[0026] a) obtener, a través del al menos un módulo de registro de animales en un primer momento a lo largo de una primera ventana temporal, datos asociados a la pluralidad de animales, comprendiendo los datos un vídeo procedente de un sensor de imagen bidimensional;

[0028] b) obtener, a través del módulo de identificación de animales en un segundo momento a lo largo de una segunda ventana temporal, datos asociados a un identificador de cada uno de un subconjunto de la pluralidad de animales;

[0030] en donde el módulo de registro de animales está situado en una primera ubicación y el módulo de identificación de animales está situado en una segunda ubicación, en donde la primera ubicación está separada de la segunda ubicación;

[0032] en donde el módulo de registro de al menos un animal está configurado para identificar animales individuales dentro de la primera ventana temporal y asociar los animales individuales con una marca de tiempo correspondiente a un punto de detección para ese animal;

[0034] en donde el módulo de identificación de al menos un animal está configurado para identificar animales individuales dentro de la segunda ventana temporal y asociar los animales individuales con una marca de tiempo correspondiente a un punto de detección para ese animal;

[0036] c) correlacionar el animal individual identificado por el al menos un módulo de registro de animales en la primera ventana temporal con el animal identificado por el al menos un módulo de identificación de animales en la segunda ventana temporal;

[0038] d) ajustar la anchura de la segunda ventana temporal con respecto a la primera ventana temporal y/o un desfase de la segunda ventana temporal con respecto a la primera ventana temporal;

[0040] repetir las etapas a) a c) con la anchura y/o el desfase ajustados de la ventana temporal.

[0042] Algunos sistemas de identificación de animales se basan en la asignación predeterminada de una única lectura RFID a la detección de un animal. En el mundo real hay un intervalo de escenarios donde esto no es posible, por ejemplo, cuando un receptor RFID no está a la vista de una cámara. ¿Cómo se correlacionan entonces? Este es un escenario común en una granja donde el número exacto de animal / identidad de un objeto / vaca que pasa no puede ser confirmado a un animal individual, sin embargo, puede reducirse a una colección de posibilidades. Una ventaja de la presente divulgación es que proporciona una disposición para recoger los rasgos de identificación visual de los animales cuando pasan por delante de una cámara y asignarles una matriz de señales RFID. Con el tiempo, el sistema es capaz de comparar las detecciones visuales con la lista de señales RFID comunes de la lista y, finalmente, deducir y hacer coincidir la señal RFID animal correcta con el animal detectado visualmente. Las instancias de animales pueden detectarse y luego clasificarse en el orden en que aparecen en las secuencias de vídeo y sincronizarse con las identificaciones reales de los animales, p. ej., a partir de una etiqueta RFID. Por ejemplo, puede colocarse un lector RFID en un lugar a lo largo de un pasillo que capture la información de identificación de una etiqueta RFID adherida al cuerpo de cada animal. El orden en el que el animal aparece en la secuencia de vídeo puede asociarse al orden en el que el lector RFID capturó el ID de cada animal. Las ventanas temporales se utilizan para sincronizar las identificaciones del módulo de registro de animales y del módulo de identificación de animales, estas identificaciones sincronizadas pueden utilizarse como etiquetas de entrenamiento junto con las imágenes extraídas de cada animal en la grabación de vídeo para entrenar una red de clasificación de identificaciones. Por ejemplo, una vez identificados/inscritos los animales, el sistema puede utilizar los datos asociados a esos animales para volver a entrenar redes neuronales que discriminen entre animales y se adapten a las condiciones cambiantes de las explotaciones. Si hay demasiadas lecturas en la segunda ventana temporal, el sistema puede readaptarse para tener una ventana temporal reducida que mejore la correlación. De este modo, la ventana puede estrecharse para reducir el número de candidatos potenciales y, por lo tanto, la correlación se convierte en una tarea más fácil al comparar o correlacionar la información o los datos obtenidos del módulo de registro de animales y del módulo de identificación de animales.

[0044] El sistema está configurado para repetir las etapas a) a c) hasta que el sistema haya correlacionado el animal individual identificado por el al menos un módulo de registro de animales en la primera ventana temporal con el animal identificado por el al menos un módulo de identificación de animales en la segunda ventana temporal durante al menos cuatro veces. De este modo, se obtiene un historial de lecturas y vectores de los módulos de registro e identificación de animales antes de una asignación final de identidad del animal. El historial de lecturas y vectores puede requerir al menos cuatro apariciones de un animal concreto antes de que el sistema inscriba a ese animal identificado. Por ejemplo, puede haber cuatro animales obtenidos por el sistema, digamos cuatro vacas, un lector como un módulo de identificación de animales puede obtener información como vacas numeradas 1, 2, 3, 4 y un módulo de registro de animales, tal como una cámara, puede obtener información como la vaca negra, vaca blanca, vaca blanca y negra y vaca parda. Durante una próxima observación, un lector puede obtener vacas numeradas 2, 3, 4, 5 y por lo tanto la vaca número 1 no se detecta en este caso y la cámara tiene todas las vacas aparte de la vaca negra, durante dos días, el sistema ya sabe que la vaca n.° 1 es la vaca negra. En una siguiente observación, el sistema obtiene la misma información, es decir, el lector obtiene información como las vacas numeradas 1, 2, 3, 4 y el módulo de registro de animales, tal como una cámara, puede obtener información como la vaca negra, vaca blanca, vaca blanca y negra y vaca parda. El sistema es capaz de determinar que la vaca negra apareció más tarde y la vaca leída n.° 1 también apareció más tarde y entonces determina que la vaca n.°1 es la vaca negra.

[0046] Según las realizaciones de la presente divulgación, en donde, tras identificar el animal individual identificado en la primera ventana temporal con el animal identificado en la segunda ventana temporal durante al menos cuatro veces, se inscribe al animal identificado en el sistema. Durante una fase de inscripción, se puede capturar una grabación de vídeo para cada animal mediante una cámara 2D. Durante la fase de inscripción, a las instancias detectadas del animal se les puede asignar una identificación única (ID) arbitraria. El identificador único arbitrario de cada animal inscrito se asocia con el identificador real del animal obtenido de una fuente independiente, p. ej., un dispositivo RFID como una etiqueta, marcado y similares. De este modo, las instancias detectadas en una grabación de vídeo para cada animal inscrito se asocian con el ID real del animal. Cada grabación de vídeo puede segmentarse en un conjunto de fotogramas individuales, y en cada fotograma puede detectarse una instancia del animal. Se puede aplicar una máscara de segmentación a cada instancia detectada del animal en cada fotograma y, por consiguiente, se pueden detectar los puntos de referencia y sus posiciones correspondientes en cada fotograma. Así mismo, el sistema coteja o correlaciona los dos animales en el módulo de registro de animales, a nivel de vector de rasgos, y el módulo de identificación de animales, en un identificador como el nivel de identificación RFID, antes de que el sistema inscriba a ese animal. Una vez que el animal está inscrito y el animal no aparece en el módulo de identificación de animales, el sistema registra esta identificación como un fallo del módulo de identificación del animal, pero sigue identificando al animal inscrito mediante el procesamiento y el análisis realizados en el módulo de registro del animal. Es decir, si la información sobre el animal no se recibe en el módulo de identificación, el sistema sigue identificando al animal a través del módulo de registro de animales una vez que el animal ha sido inscrito. Por ejemplo, una vez que un animal está inscrito o registrado en el sistema, siguiendo las cuatro instancias de correlación, es decir, si el módulo de identificación de animales dejara de funcionar debido a, por ejemplo, interrupción de dicho sistema, el sistema está configurado para seguir identificando al animal basándose en la información del vector visual de ese animal obtenida para esas cuatro ocurrencias, incluso si la información de identificación del animal no se recibe u obtiene en un módulo de identificación del animal. De este modo, el sistema está aprendiendo qué animal es cuál. Cada nuevo animal introducido en el sistema o cada animal cuya identificación haya sido sustituida, como un dispositivo RFID en forma de etiqueta, hasta que se inscriba, es decir, el sistema ha procesado al menos cuatro apariciones de ese animal. Se apreciará que, si un animal es único, como que tiene rasgos identificativos únicos, que el animal pueda ser identificado antes de las cuatro instancias.

[0048] Según las realizaciones de la presente divulgación, en donde la correlación del animal individual identificado por el al menos un módulo de registro de animales con el animal identificado por el al menos un módulo de identificación de animales se realiza en las ventanas temporales primera y segunda. De este modo, mediante el uso de ventanas temporales, el número de candidatos potenciales puede reducirse y, por lo tanto, la correlación se convierte en una tarea más fácil al comparar o correlacionar la información o los datos obtenidos del módulo de registro de animales y del módulo de identificación de animales. Esto mejora el procesamiento y la eficacia del sistema.

[0050] Según las realizaciones de la presente divulgación, el módulo de identificación de animales tiene un alcance de detección y el sensor de imagen bidimensional tiene un campo de visión tal que el intervalo de detección y el campo de visión no coinciden. El módulo de registro de animales y el módulo de detección de animales son dos sistemas independientes que se unen para permitir la identificación de un animal individual. Los sistemas individuales pueden no estar de acuerdo, por ejemplo, las horas de reloj de cada uno de estos sistemas pueden ser diferentes o no estar sincronizadas y el sistema está configurado para compensar las diferencias entre los dos sistemas y combina la información de los dos sistemas separados, o módulos, para proporcionar una identidad animal.

[0052] Según las realizaciones de la presente divulgación, el campo de visión cubre una distancia de hasta 30 metros, preferiblemente de hasta 10 metros. El campo de visión necesario para un módulo de registro de animales puede basarse en el entorno en el que se despliega el sistema. Por tanto, un módulo de registro de animales puede tener un campo de visión ampliado en función de la instalación o el despliegue del módulo de registro. Por ejemplo, un módulo de registro de animales puede instalarse en el techo de un establo, se puede utilizar un módulo de registro de animales adecuado para observar a todos los animales que se encuentren en la zona del establo situada debajo y, por lo tanto, se puede utilizar un módulo de registro de animales que tenga un intervalo adecuado lo suficientemente grande como para detectar a los animales que se encuentren en su campo de visión situado debajo.

[0054] Según las realizaciones de la presente divulgación, la primera ubicación está separada de la segunda por una distancia, D, de hasta 50 metros, preferiblemente de hasta 10 metros. La distancia de separación puede determinarse en función de la instalación del sistema en el lugar de montaje. Una distancia menor da lugar a una ventana temporal más pequeña con un menor número de candidatos, o animales que estarán correlacionados. Como resultado, la eficacia y el procesamiento del sistema pueden mejorarse adaptando la distancia de separación.

[0056] Según las realizaciones de la presente divulgación, el intervalo de detección es de hasta 5 metros, preferiblemente de hasta 3 metros, 3m. El intervalo de la detección puede depender de la configuración del sistema y del alcance necesario. El intervalo garantiza la obtención o detección de un identificador único de animal a medida que el animal o los animales pasan por el módulo de detección de animales.

[0058] Según las realizaciones de la presente divulgación, la anchura o el desfase de la segunda ventana temporal con respecto a la primera es de hasta 20 minutos, preferiblemente de hasta 5 minutos. La anchura y/o el desfase de la segunda ventana temporal son ajustables. Cuanto mayor sea el tamaño de una ventana temporal, mayor será el número de candidatos, o de animales, pasar por la(s) cámara(s) y el(los) lector(es) RFID. Como tal, el sistema puede configurarse para evitar una variación excesiva en los desfases temporales que daría lugar a una ventana temporal RFID demasiado amplia con demasiados candidatos. De este modo, la ventana temporal puede ajustarse para mejorar la correlación y garantiza la eficacia del tratamiento, al tiempo que minimiza el número de datos/información que debe procesar el sistema.

[0060] Según las realizaciones de la presente divulgación, las ventanas temporales primera y segunda se fijan con un valor de ventana temporal inicial, en donde el valor se basa en una velocidad o intervalo de velocidades de al menos uno o más de los animales que se desplazan entre el módulo identificador de animales y el módulo de registro de animales. De este modo, el sistema está configurado para ajustar la ventana temporal en función de la información obtenida a través del módulo de registro de animales y del módulo de identificación de animales. Como tal, las ventanas temporales se basan en dos sistemas y en la información que obtienen los dos sistemas. La posibilidad de adaptar o modificar la ventana temporal permite configurar el sistema para mejorar el tratamiento y la eficacia. Es decir, las ventanas temporales pueden modificarse para cambiar el número de candidatos o la información sobre animales que se está detectando u obteniendo dentro de esa ventana temporal.

[0062] Según las realizaciones de la presente divulgación, el valor inicial de la ventana temporal se basa en la información introducida por el usuario. De este modo, un usuario introduce un valor inicial de arranque, por ejemplo, un agricultor que haya implantado o instalado el sistema en una explotación. Este valor puede basarse en las ubicaciones del módulo de registro de animales y del módulo de identificación de animales, la distancia entre ellos. Por ejemplo, si un animal tarda cinco segundos en ir de un módulo a otro, la ventana podría fijarse en /- 20 segundos.

[0064] Según las realizaciones de la presente divulgación, el sensor de imagen bidimensional es una cámara en color. De este modo, la presente invención puede implementarse utilizando cámaras de estantería para identificar un animal individual de una pluralidad de animales. Por ejemplo, puede utilizarse una cámara 2D que funcione a 20 fotogramas/segundo. Por lo tanto, la presente solución no requiere equipos especializados, como es el caso de las soluciones existentes, por lo que resulta rentable. Así mismo, al permitir la utilización de cámaras 2D como en la presente invención, como las cámaras 2D estándar, se evita la necesidad de cámaras y configuraciones de hardware a medida, como, por ejemplo, sistemas de imágenes 3D. La cámara 2D puede estar montada en una ubicación aérea fija o en un objeto móvil, p. ej., un dron.

[0066] Según las realizaciones de la presente divulgación, el módulo de identificación de animales comprende un lector de identificación por radiofrecuencia, RFID. De este modo, un identificador único de un animal puede ser obtenido o detectado por el sistema cuando un animal pasa dentro de un intervalo de detección del módulo de identificación.

[0068] Según las realizaciones de la presente divulgación, en donde los datos asociados al identificador de cada uno del subconjunto de la pluralidad de animales es información recibida, en el lector de RFID, de un dispositivo de RFID conectado a cada uno del subconjunto de la pluralidad de animales. Un dispositivo de RFID puede tener la forma de una etiqueta RFID, por ejemplo, configurada para enviar información de identificación al ser leída por un lector de RFID. La información de identificación proporciona un identificador único para el animal al que está unido el dispositivo de RFID.

[0070] Según las realizaciones de la presente divulgación, en donde el sensor de imagen bidimensional tiene un ángulo de campo de visión de entre 30 y 150 grados, preferiblemente de entre 20 y 160 grados. La elección del sensor de imagen bidimensional puede depender del entorno en el que se instale el sistema y de la posición del sensor de imágenes. El ángulo del campo de visión es tal que se pueden obtener imágenes en directo de los animales que pasan por el campo de visión del sensor de imágenes, de modo que las imágenes de vídeo en directo se pueden analizar y procesar para identificar a un animal concreto.

[0072] Según un segundo aspecto de la presente divulgación, se proporciona un sistema para determinar la identidad de un animal a partir de una pluralidad de animales que comprende:

[0074] un sistema de detección de animales que comprende:

[0076] medios para obtener una grabación de vídeo de un animal desplazándose por un espacio, la grabación de vídeo captada por un dispositivo de imagen bidimensional desde un ángulo superior;

[0078] medios para obtener un identificador de un animal que se desplaza por un espacio, el identificador detectado por un módulo de identificación de animales separado del dispositivo de imagen bidimensional;

[0080] un dispositivo de usuario acoplado comunicativamente al sistema de detección de animales y configurado para recibir información asociada a la identidad del animal;

[0082] en donde el sistema de detección de animales comprende:

[0084] al menos un procesador configurado para realizar el método según el primer aspecto de la invención.

[0085] De este modo, se proporciona un medio para identificar a un animal de forma continua y autónoma que requiere poca o ninguna intervención humana. Como resultado, el sistema es capaz de comparar las detecciones visuales con una lista de señales RFID comunes y, finalmente, deducir y hacer coincidir la señal RFID animal correcta con el animal o animales detectados visualmente. Así mismo, puede comunicarse una alerta para informar a un usuario de que un dispositivo de identificación, como que una etiqueta RFID ha desaparecido o se ha caído de un animal o poder informar a un usuario de qué animal se trata mediante una identificación que permita a un usuario asignar una información sanitaria a ese animal. Como tal, puede preverse una fase de inscripción en la que el sistema está aprendiendo qué animal es un determinado animal, identificando visualmente el animal que es, y siguiendo una fase de inscripción, se puede proporcionar información sobre el estado de salud y bienestar del animal en cualquier momento en que se observe al animal. El sistema ahorra así los costes y el tiempo que conlleva la realización de estas tareas. Así mismo, podría enviarse una alerta a un dispositivo de usuario para informarle de que una identificación animal como, por ejemplo, una etiqueta, no está asociada a un animal identificado en el módulo de registro de animales, pero no identificado por el módulo de identificación de animales. El sistema también puede informar o indicar al usuario de qué animal se trata, es decir, se identifica a un animal, para que el usuario pueda asignar o proporcionar una información sanitaria a ese animal identificado. El sistema también puede alertar al usuario de los animales que no logran ser identificados por el sistema RFID. Como resultado, el usuario puede solucionar rápidamente cualquier problema que pueda existir, p. ej., sustituir o reparar el dispositivo RFID, como una etiqueta.

[0086] Según un tercer aspecto de la presente divulgación, una puerta de selección, una sala de ordeño rotativa o una sala de ordeño en espina de pez que comprende el sistema según el segundo aspecto de la invención. El sistema de la presente invención puede instalarse en cualquier lugar para alojar animales que se desplacen de un lugar a otro. Por ejemplo, el sistema puede instalarse o desplegarse en una puerta de selección, una sala de ordeño rotativa o una sala de ordeño en espina de pez, y similares. Tales disposiciones pueden tener una pasarela y/o un pasillo por donde el animal pase para moverse de una zona a otra, p. ej., una pasarela que permita clasificar a un animal en grupos sin interrumpir el tráfico de animales, o una disposición de pasarela que conduzca a los animales a determinados lugares para ordeñarlos. Los pasajes pueden estar dimensionados para permitir que un número de animales se desplacen en una dirección predeterminada y/o residan en un lugar determinado. Los pasillos pueden, por ejemplo, estar configurados para alojar animales que se desplacen uno tras otro o uno al lado del otro en una o varias filas. Los pasajes pueden separarse a su vez en varias secciones, cada sección configurada para alojar a un número de animales que se mueven uno tras otro o uno al lado del otro en una línea única o múltiple, o puede tener múltiples salidas y puntos de entrada. Según un cuarto aspecto de la presente invención, se proporciona una explotación ganadera que comprende el sistema según el segundo aspecto. El sistema de la presente invención puede instalarse en cualquier lugar de la explotación. Por ejemplo, el sistema puede instalarse en una pasarela y/o un pasillo por donde pase el animal para desplazarse a otra zona de la granja, p. ej., una pasarela entre la estación de alimentación y la de ordeño. El pasillo puede estar dimensionado para permitir el movimiento de varios animales en una dirección predeterminada. El pasillo puede, por ejemplo, estar configurado para acomodar animales que se mueven uno tras otro o uno al lado del otro en una o varias líneas. El pasillo puede separarse a su vez en varias secciones, cada sección configurada para alojar un número de animales que se desplazan uno tras otro o uno al lado del otro en una línea única o múltiple.

[0087] Breve descripción de los dibujos

[0088] La presente solicitud se describirá ahora con referencia a los dibujos adjuntos en los que:

[0089] la Figura 1 muestra un sistema para determinar la identidad de un animal;

[0090] la Figura 2a muestra un proceso de funcionamiento del sistema de la Figura 1;

[0091] la Figura 2b muestra el proceso de la Figura 2a con detección opcional del flujo animal;

[0092] la Figura 3 muestra un proceso de funcionamiento del sistema de la Figura 1;

[0093] la Figura 4 muestra una instalación de parte del sistema de la Figura 1;

[0094] la Figura 5a muestra una imagen segmentada y un cuadro delimitador de un animal a partir de un fotograma de una grabación de vídeo;

[0095] la Figura 5b muestra la imagen segmentada de la Figura 5a con puntos de referencia asociados a partes del cuerpo del animal;

[0096] la Figura 5c muestra una serie de imágenes segmentadas con puntos de referencia;

[0097] la Figura 6a muestra una imagen segmentada y un cuadro delimitador de un animal con puntos de referencia adicionales asociados a partes del cuerpo del animal;

[0098] la Figura 6b muestra una serie de imágenes segmentadas con puntos de referencia;

[0099] la Figura 7 muestra las principales áreas de interés al extraer los rasgos relacionados con la puntuación de la condición corporal del animal;

[0100] la Figura 8a muestra un proceso para añadir a una base de datos un vector de identificación generado asociado a un animal desconocido;

[0101] la Figura 8b muestra un proceso para promover vectores de identificación desconocidos a una base de datos; la Figura 9 muestra un proceso para añadir un vector de identificación a una base de datos a partir de los datos obtenidos durante una fase de inscripción;

[0102] la Figura 10 muestra un proceso de entrenamiento de una red de aprendizaje automático para generar un vector de identificación y generar una red de identificación;

[0104] la Figura 11 muestra un proceso para utilizar una red entrenada de generación e identificación de vectores de identificación para identificar un animal;

[0106] la Figura 12 muestra vectores de identificación y RFID generados para animales, e información seleccionada de vectores de identificación conocidos y puntuaciones de correlación asociadas; y

[0108] la Figura 13 muestra partes de un vector de identificación concreto y las bases de datos de vectores de identificación conocidos o desconocidos.

[0110] La Figura 14 muestra el proceso de la Figura 2a con una disposición de retroalimentación de ventana temporal refinada adicional;

[0112] la Figura 15 muestra una disposición para correlacionar datos de un módulo de registro de animales y un módulo de identificación de animales.

[0114] las Figuras 16a y 16b muestran una disposición ilustrativa del sistema de la Figura 15 cuando se instala en una puerta de selección;

[0116] las Figuras 17a, 17b, 17c y 17d muestran una disposición ilustrativa del sistema de la Figura 15 cuando se instala en una sala de ordeño rotativa;

[0118] las Figuras 18a, 18b y 18c muestran una disposición ilustrativa del sistema de la Figura 15 instalado en una sala de ordeñado de espinas de pescado;

[0120] la Figura 19 muestra un proceso de funcionamiento del sistema de la Figura 15;

[0122] la Figura 20 muestra un proceso para refinar una ventana temporal.

[0124] Descripción detallada

[0126] La presente invención se ilustrará utilizando las realizaciones ejemplificadas que se muestran en las figuras. Si bien esta invención se ha mostrado y descrito con referencia a ciertas realizaciones ilustradas de la misma, los expertos en la técnica entenderán que se pueden realizar diversos cambios en la forma y los detalles sin desviarse del alcance de la presente invención como se define en las realizaciones adjuntas.

[0128] La Figura 1 muestra un ejemplo de sistema 100 para determinar la identificación de un animal. El sistema 100 incluye un módulo 110 de registro de animales. El módulo 110 de registro de animales comprende al menos un sensor de imagen bidimensional. El módulo 110 de registro de animales proporciona vídeo desde un sensor de imagen bidimensional, tal como una cámara. En algunas realizaciones, el sensor de imagen bidimensional es de color, p. ej., una cámara RGB. El vídeo puede definirse como una serie de imágenes bidimensionales o fotogramas.

[0130] El sensor de imagen bidimensional sirve para obtener imágenes de un animal. La velocidad de fotogramas puede ajustarse según sea necesario y puede variar entre realizaciones según sea necesario.

[0132] En algunas realizaciones, puede producirse en secuencias de datos de vídeo que no se han dividido en fotogramas como tales. No obstante, el procesamiento de los datos de vídeo, con independencia de cómo se dividan, es esencialmente equivalente, al menos en cuanto al resultado, al procesamiento que tiene lugar a nivel de fotogramas. Por lo tanto, para abreviar, solo se aborda el tratamiento de tramas de datos.

[0134] El módulo 110 de registro de animales también puede incluir un sensor para identificar animales. Puede utilizarse cualquier tecnología de detección que comparta información sobre el animal. Por ejemplo, una cámara puede identificar los números de una etiqueta que se coloca a cada animal. En algunas realizaciones, el sensor comprende al menos un receptor electrónico para recibir señales inalámbricas. El al menos un receptor electrónico para recibir señales inalámbricas puede ser un lector de identificación por radiofrecuencia, RFID, para recibir dichas señales inalámbricas, por ejemplo, información RFID procedente de una etiqueta RFID fijada a un animal.

[0135] El sensor de imagen bidimensional puede estar configurado para rastrear a uno o más animales, o puede estar configurado para tomar imágenes de cualquier animal que se mueva dentro de su campo de visión. En algunas realizaciones, el sensor de imagen bidimensional puede estar situado por encima de un pasillo, de modo que uno o más animales puedan ser fotografiados cuando pasen por debajo del sensor de imagen bidimensional.

[0136] En algunas realizaciones, al menos otro sensor de imagen bidimensional también puede estar situado en otra ubicación, diferente a la ubicación de un primer sensor de imagen bidimensional. El uso de múltiples sensores de imágenes bidimensionales ayuda a garantizar el registro de cualquier animal que pase. En algunos casos, se registra un animal a su paso por una primera zona de un espacio y el segundo sensor de imagen bidimensional puede registrar un animal a su paso por una segunda zona del espacio, la segunda zona es diferente de la primera. La primera zona puede ser una zona en las proximidades de una entrada a un espacio y la segunda zona puede ser una zona en las proximidades de una salida al espacio. En una disposición ilustrativa, al menos un sensor de imagen bidimensionales puede estar situado dentro de un edificio de la granja, tal como, pero sin limitación, un establo y configurado para registrar al menos un animal mientras se desplaza por la zona dentro del establo. El sensor de imagen bidimensional puede estar configurado para rastrear a uno o más animales, o puede estar configurado para tomar imágenes de cualquier animal que se mueva dentro de su campo de visión. En algunas realizaciones, el sensor de imagen bidimensionales puede estar situado por encima de un pasillo del establo, de modo que uno o más animales puedan ser fotografiados cuando pasen por debajo del sensor de imagen bidimensionales. La disposición puede ser operable en conjunción con la disposición del sensor por encima de un pasillo como se ha descrito anteriormente con el fin de permitir el seguimiento de los animales en lugares separados dentro de un entorno de granja. Una ventaja de esta disposición es que los animales se pueden limitar fácilmente dentro del campo de visión y se puede conocer la dirección del movimiento y el terreno atravesado durante la toma de imágenes. Esto ayuda a limitar la variación en el movimiento de los animales debido a factores medioambientales.

[0138] El módulo 110 de registro de animales está acoplado comunicativamente a un enlace 120 de comunicación. El módulo de registro de animales puede estar acoplado comunicativamente al enlace 120 de comunicación mediante una conexión por cable o inalámbrica.

[0140] Un vídeo de animales obtenido a partir del sensor de imagen bidimensional puede almacenarse en una base de datos, en un servidor informático local o remoto. La base de datos puede tener cualquier forma adecuada, como una base de datos relacional como una base de datos SQL, o en un sistema de almacenamiento de contenido fijo utilizado para almacenar grabaciones de vídeo.

[0142] El módulo 110 de registro de animales puede estar configurado además para transmitir secuencias de vídeo en directo de los animales observados a través de una red de comunicación por cable o inalámbrica a una plataforma 130 de procesamiento para su posterior procesamiento y análisis. Por ejemplo, la grabación de vídeo puede ser recuperada directamente del módulo 110 de registro de animales por la plataforma 130 de procesamiento para su procesamiento y análisis a través del enlace 120 de comunicación. Como alternativa, las secuencias de vídeo pueden recuperarse de la base de datos para su procesamiento y análisis.

[0144] La plataforma de aplicaciones informáticas puede ejecutarse en un servidor, p. ej., un servidor de aplicaciones informáticas remoto o local, y puede estar configurado para determinar una identidad del animal, basándose en el tratamiento y/o el análisis de las secuencias de vídeo. La plataforma de la aplicación de software puede estar configurada para determinar otras percepciones de un animal, como la salud y el comportamiento del animal. Un ejemplo de información sanitaria es el estado de cojera de un animal, ya que la cojera es un buen indicador de la salud del animal, como la puntuación de la condición corporal del animal. Un ejemplo de conocimiento del comportamiento es el nivel de movilidad de un animal, ya que la evaluación de la movilidad es un buen sustituto del comportamiento de un animal. Otros ejemplos de comportamiento pueden ser la movilidad del animal y otros ejemplos de salud pueden ser la condición corporal del animal.

[0146] Cuando se une a la identificación robusta de un animal, el conocimiento inferido sobre la salud y/o el comportamiento puede proporcionar información importante para el usuario. Por ejemplo, significa que un animal enfermo, incluso en una población numerosa, puede identificarse rápidamente. De este modo, el sistema puede evaluar con precisión el número de animales que pueden estar enfermos, incluso si éstos se encuentran en medio de una gran población. Los resultados del análisis pueden transmitirse, por medios de comunicación alámbricos o inalámbricos, a un dispositivo electrónico 140a - 140c de usuario que ejecuta una aplicación de software que permite a un usuario final ver y gestionar los datos obtenidos de la plataforma 130 de software de monitorización del ganado. Por ejemplo, un usuario final puede compartir una dirección de Protocolo de Internet, IP, de una cámara o dispositivo de obtención de imágenes existente utilizado en el entorno de la explotación con fines de seguridad y/u observación de animales, de modo que las imágenes de vídeo en directo puedan ser analizadas y procesadas por la plataforma de software de monitorización de ganado. El sistema puede proporcionar la capacidad de identificar de forma autónoma al animal o animales y extraer información sobre el estado del animal, incluidas las puntuaciones de movilidad, puntuación de la condición corporal y otros datos.

[0148] Por ejemplo, la presente invención puede utilizarse para identificar a un animal entre una pluralidad de animales de un rebaño, que forma parte de la monitorización del ganado. Al determinar la identificación de un animal, el comportamiento y/o la salud de ese animal identificado también pueden ser monitorizados y asociados al animal identificado por consiguiente. Por ejemplo, un ganadero puede estar interesado en la salud general de su rebaño. La presente invención puede también o alternativamente determinar la identidad de un animal del rebaño y los indicadores de bienestar del animal determinado pueden asociarse a cada animal identificado. De este modo, un ganadero puede recibir notificaciones sobre el estado del animal o animales monitorizados, identificándose cada animal en el rebaño, junto con los conocimientos sobre comportamiento y salud asociados. La aplicación informática que se ejecuta en el dispositivo 140a - 140c también puede iniciar ciertas acciones para abordar posibles problemas de salud.

[0150] La presente invención determina la identidad del animal basándose en los rasgos visuales y en una o más características del animal. Los rasgos visuales pueden ser, por ejemplo, marcas en el cuerpo del animal. Por ejemplo, las vacas frisonas tienen patrones distintivos en el cuerpo. También puede añadirse al cuerpo del animal un número o un patrón de marcas para proporcionar una indicación visual artificial de la identidad del animal. El número o patrón de marcas puede haber sido añadido al cuerpo del animal de una manera manual o automatizada conocida en la técnica.

[0152] La presente invención también determina una o más características del animal a partir de un cambio en el animal visto en la grabación de vídeo. Por ejemplo, puede determinarse el modo de andar del animal para ayudar a su identificación. Las una o más características también pueden incluir una determinación de movilidad y/o una determinación de salud.

[0154] Estas determinaciones pueden entregarse a, por ejemplo, un usuario final 140a - 140c en una notificación y, opcionalmente, en un formato procesable, p. ej., una lista de animales identificados que puede imprimirse o enviarse por correo electrónico a un veterinario, o un mensaje de texto al ganadero para alertas urgentes. Por ejemplo, un ganadero puede recibir notificaciones sobre el estado de los animales controlados en la aplicación informática que se ejecuta en su dispositivo electrónico y, por consiguiente, podría iniciar determinadas acciones, como, por ejemplo, contactar con un veterinario para que atienda a los animales identificados que tengan, por ejemplo, problemas de movilidad o de peso, como insuficiencia ponderal.

[0156] Las Figuras 2a y 2b muestran un método 200 para determinar la identidad de un animal.

[0158] A modo de ilustración, un número de animales puede ser observado en la etapa 210. Los datos asociados a los animales, obtenidos mediante un módulo de registro de animales, pueden obtenerse en la etapa 220, por ejemplo, mientras los animales pasan por una pasarela. Los datos comprenden un vídeo procedente de un sensor de imagen bidimensional. Los datos de vídeo obtenidos pueden ser, por tanto, un conjunto de datos asociados con el animal moviéndose a través del espacio, o pasarela. A continuación, el conjunto de datos se procesa para extraer 230 rasgos del animal observado. Los rasgos incluyen rasgos visuales y una o más características del animal observado. Las una o más características pueden comprender un patrón de movimiento del animal y/o una puntuación de salud. A continuación, el sistema extrae 230 un conjunto de parámetros del conjunto de datos obtenidos asociados al animal.

[0160] Durante la etapa de extracción 230, el vídeo se separa en un conjunto de fotogramas. A continuación, se determina un rasgo visual de cada animal a partir de al menos uno de los fotogramas. En algunos casos, los rasgos visuales se extraerán de múltiples, o de todos los, fotogramas. Algunos ejemplos de rasgos visuales son, pero sin limitación, el patrón de marcas de un animal.

[0162] Además de la determinación del rasgo visual, durante la extracción 230 el sistema determina una instancia que representa una forma del animal en cada fotograma para formar instancias detectadas del animal. A continuación, se identifica un conjunto de puntos de referencia en cada una de las instancias detectadas. Los puntos de referencia de cada conjunto de puntos de referencia representan posiciones concretas del animal en cada fotograma.

[0164] A continuación, se pueden determinar una o más características del animal procesando al menos algunos de los conjuntos de puntos de referencia identificados en un primer módulo, comprendiendo el primer módulo una red neuronal entrenada. La red neuronal entrenada identifica la característica del animal que daría lugar a los conjuntos determinados de puntos de referencia identificados.

[0166] Una vez determinados los rasgos visuales y una o varias características del animal, se combinan para generar un conjunto de parámetros. Por lo tanto, el conjunto de parámetros comprende el rasgo visual y la o las características determinadas del animal. Para cada animal, a continuación se genera 240 un vector de identificación a partir del conjunto de parámetros. A continuación, se describen los detalles del vector de identificación generado, haciendo referencia a la Figura 12.

[0168] En la etapa 250, se seleccionan vectores de identificación conocidos de una primera base de datos de vectores de identificación conocidos. Cada vector de identificación conocido corresponde a un único animal registrado. La selección de los vectores de identificación conocidos puede comprender la selección de toda la primera base de datos. En otras realizaciones, la selección será un subconjunto de la primera base de datos.

[0170] En algunos casos, la selección puede ser un único vector de identificación conocido. En este caso, el proceso de identificación sirve más como confirmación de la identidad seleccionada asociada al vector de identificación conocido seleccionado.

[0171] La selección también puede basarse en otras señales. Por ejemplo, la información RFID adquirida puede utilizarse para limitar el número de animales candidatos. En este caso, la selección puede comprender únicamente los vectores de identificación conocidos que tengan los valores RFID adquiridos. Cualquier señal o método para realizar la selección de los vectores de identificación conocidos supondrá un ahorro en el procesamiento porque habrá menos vectores de identificación conocidos candidatos que procesar. Puede añadirse un intervalo inicial para garantizar que la selección de los vectores de identificación conocidos cubra los candidatos probables. Por ejemplo, la selección de los vectores de identificación conocidos puede incluir todos los vectores de identificación conocidos que tengan valores RFID detectados en los 5 segundos siguientes al momento en que se adquirieron los datos de vídeo. A continuación, este intervalo puede afinarse aún más a medida que se obtienen coincidencias satisfactorias, como se describe con más detalle en las Figuras 15 a 20.

[0173] A continuación, se determina 255 una lista de puntuaciones correlacionadas. La determinación se realiza comparando el vector de identificación generado con los vectores de identificación conocidos seleccionados. Puede utilizarse cualquier método de comparación de vectores que proporcione una puntuación de correlación. Por ejemplo, puede utilizarse para la comparación uno o más parámetros del vector de identificación generado y el vector de identificación conocido que se encuentren dentro de un umbral o intervalo. Aumentar el número de parámetros a comparar entre los vectores aumenta la probabilidad de correlación. En otros ejemplos, la similitud coseno entre el vector de identificación generado y el vector de identificación conocido puede utilizarse para la comparación. En algunas realizaciones, cada puntuación de correlación se determina evaluando el número de valores comunes entre el vector de identificación generado y el vector de identificación conocido comparado. Un valor común no es necesariamente el mismo valor, sino un valor que se encuentra dentro de un intervalo del valor comparado. El intervalo real depende de la naturaleza de los valores que se comparan. Algunos valores pueden tener asociados intervalos mayores debido a una mayor variación en la medición subyacente. Esencialmente, se trata de una prueba de similitud de vectores y se conocen varias técnicas que pueden utilizarse para realizarla.

[0175] A continuación, se realiza una prueba 260 para comprobar si al menos uno de los vectores de identificación conocidos seleccionados tiene una puntuación de correlación superior a un umbral.

[0177] Si al menos uno de los vectores de identificación conocidos seleccionados supera el umbral, se realiza una selección entre los vectores de identificación conocidos seleccionados que superan el umbral. En algunos casos, solo uno de los vectores de identificación conocidos seleccionados superará el umbral, en cuyo caso el único vector de identificación conocido seleccionado que supere el umbral podrá utilizarse para identificar al animal. Si, sin embargo, varios vectores de identificación conocidos seleccionados superan el umbral, se requiere otra selección 270. Esta selección posterior puede basarse en cualquier criterio, como cuál de los vectores de identificación conocidos seleccionados que superan el umbral tiene la puntuación de correlación más alta. El resultado es la determinación de un único vector de identificación conocido seleccionado.

[0179] A continuación, se realiza la asociación del animal con el único vector de identificación conocido seleccionado 275. Cada vector de identificación conocido está asociado a un único animal registrado. Por lo tanto, el animal del vídeo puede ser identificado 280, como el animal registrado único del vector de identificación conocido seleccionado. Como se describe con más detalle en la Figura 14, con una correlación exitosa, el sistema puede entonces utilizar un desfase entre el tiempo de escaneado RFID y el animal que aparece bajo el sensor de detección de animales para refinar una ventana temporal de escaneados RFID bajo consideración. De este modo, se reducirá la tramitación de los posibles candidatos y aumentarán las probabilidades de éxito de las correlaciones.

[0181] Si la prueba 260 de puntuaciones de correlación revela que ningún vector de identificación conocido seleccionado tiene una puntuación de correlación que supere el umbral, se determina 290 que la identidad del animal es desconocida.

[0183] Opcionalmente, antes de extraer el conjunto de parámetros del conjunto de datos obtenidos asociados al animal en la etapa 230, puede verificarse el movimiento continuo del animal por el espacio designado, como se muestra en la Figura 2b. Por ejemplo, se puede proporcionar un proceso de detección de flujo para detectar si el movimiento del animal a través del espacio fue continuo o impedido durante la grabación de vídeo. En general, el movimiento natural de los animales por el espacio puede verse interferido por obstáculos como otros animales, lo que puede dar lugar a resultados sesgados. Mejorar la precisión de la determinación de la identificación del animal, el análisis solo puede realizarse en intervalos que muestren al animal moviéndose libremente por el pasillo. En otros acuerdos, puede que no sea necesario supervisar el movimiento libre de un animal, como por ejemplo cuando se supervisa un solo animal dentro del campo de visión de un sensor de imagen bidimensional. Preferiblemente, los intervalos de vídeo que muestran a un animal cerca de otro animal, que puedan impedir su movimiento, o que muestren que el animal se ha detenido por completo, debido a un animal delante o a algún otro obstáculo, pueden descartarse del análisis de identificación. El análisis de los rasgos de movilidad del animal solo puede realizarse cuando el animal se mueve libremente para mejorar los resultados. El animal puede seguir siendo identificado mediante el análisis de los rasgos visuales y el estado de condición corporal. La determinación con respecto al movimiento continuo del animal puede obtenerse analizando los recuadros delimitadores producidos por un algoritmo de segmentación. Si no se pueden extraer suficientes intervalos de movimiento libre, el animal no se analiza. El uso de un sistema de detección de flujo puede ser ventajoso en el sentido de que la identificación del animal se realiza selectivamente en vídeos que muestran al animal moviéndose libremente a través del pasillo. En el caso, donde el sistema de detección de flujo determinó 222 que el movimiento del animal se había interrumpido, entonces el intervalo que muestra el animal detectado no se tiene en cuenta en el análisis, y el proceso pasa al siguiente animal en la etapa 224.

[0184] La Figura 3 muestra un método 300 para determinar la identidad de un animal y calcular al menos una característica de movimiento del animal. A modo de ilustración, puede detectarse un número de animales 305 a partir de los datos obtenidos de al menos un sensor de imagen bidimensional como el descrito anteriormente. Los animales pueden detectarse en cada fotograma. El animal puede ser detectado utilizando, por ejemplo, un algoritmo de detección de objetos. Para cada animal detectado 310, los datos asociados al animal detectado se procesan para calcular 315 los rasgos visuales y los puntos 320 de referencia. Opcionalmente, los datos se procesan para calcular 325 atributos de la condición corporal del animal detectado, como la cantidad de cobertura grasa del animal detectado en lugares del cuerpo del animal. El punto de referencia puede utilizarse para ayudar en esta evaluación, ayudando a seleccionar la parte adecuada del cuerpo de los animales que se va a evaluar.

[0185] Opcionalmente, el sistema puede estar configurado para recibir 330 una lectura de identificación por radiofrecuencia, RFID, del animal detectado. Opcionalmente, puede utilizarse una máscara, como una máscara de segmentación, para distinguir a un animal dentro de una pluralidad de animales que pueden estar muy cerca unos de otros. Para el animal asociado a una máscara de segmentación, pueden llevarse a cabo las etapas 315, 320 y 325. De este modo, el sistema es capaz de distinguir claramente cada animal respectivo entre una pluralidad de animales, garantizando así que cualquier cálculo de los atributos del animal se asigne al animal correcto. En situaciones en las que solo haya un animal monitorizado, en este caso no es necesaria dicha máscara de segmentación. A continuación, el sistema puede utilizar una o varias de los rasgos visuales 315 calculadas, los puntos de referencia calculados 320 del animal, la puntuación/los atributos de la condición corporal 325 calculados del animal o las lecturas RFID y asignarlos a un animal rastreado 340 que esté siendo monitorizado por el sensor de imágenes. El sistema puede estar configurado para rastrear simultáneamente 355 al animal mediante, por ejemplo, un algoritmo de rastreo de animales y asignar la información del animal detectado 310 al animal rastreado. Una vez que el sistema ha asignado la información al animal rastreado, el sistema puede configurarse aún más, para cada animal rastreado 340, para calcular 345 características de movimiento y, a continuación, determinar la identidad 350. De este modo, el sistema no solo determina la identidad de los animales rastreados, sino que también complementa la información relacionada con la identidad de ese animal con datos sobre su salud y comportamiento en forma de 345 características calculadas de movimiento y/o condición corporal.

[0187] La Figura 4 muestra una posible disposición 400 para capturar una grabación de un animal 430a - 430n como, por ejemplo, una vaca, un cerdo, un caballo, y similares. El animal o animales podrán pasar por el pasillo de forma ordenada. Por ejemplo, animales etiquetados n.° C100, n.° C101, n.° C102, n.° C109, n.° C108, n.° C110, n.° C112. En otros casos, los animales pueden acabar pasando por el pasillo de forma desordenada y pueden atropellarse unos a otros. Por lo tanto, el orden de los animales evaluado por las grabaciones y/o lecturas del animal al pasar por la mitad inferior del pasillo puede ser diferente al de las grabaciones y/o lecturas que pueden obtenerse cuando el animal pasa por la mitad superior del pasillo en el ejemplo ilustrado. La grabación del animal se realiza mediante vídeo procedente de un sensor 460a de imagen bidimensional. Otro sensor 460b de imagen bidimensional se utiliza para capturar grabaciones del animal en otros lugares a lo largo de la pasarela. Los sensores de imágenes bidimensionales 460a, 460b pueden denominarse colectivamente 460. También se obtienen grabaciones adicionales del animal mediante al menos un receptor electrónico 470 del módulo de registro de animales para recibir señales inalámbricas. El receptor electrónico puede ser, por ejemplo, un lector RFID y las señales inalámbricas pueden ser, por ejemplo, información RFID transmitida desde una etiqueta RFID. En algunas aplicaciones, el sensor 460 de imagen bidimensional está montado en un lugar elevado y en un edificio 405, con una entrada 410 y una salida 420, de un entorno de granja puede utilizarse para captar la grabación de vídeo. El sensor de imágenes puede ser una cámara en color. El sensor de imagen puede ser una cámara existente utilizada para otros fines, como la seguridad y/o la observación de animales en el entorno de la explotación. Una vez obtenidas las imágenes de vídeo, el dispositivo de procesamiento de imágenes puede extraer, del módulo de registro de animales, un conjunto de puntos de referencia asociados a lugares específicos del cuerpo del animal. Pueden registrarse otras características visuales, como un número de identificación que se haya fijado al cuerpo del animal, y/u otras características visuales del animal, como los patrones corporales del animal. Una o más características del animal pueden determinarse mediante procesamiento, mediante una red neuronal entrenada, al menos algunos de los conjuntos de puntos de referencia. De este modo, puede generarse un conjunto de parámetros que comprenda rasgos visuales y una o más características determinadas del animal o animales.

[0189] En algunas realizaciones, un receptor electrónico 470 puede estar situado adyacente, o cerca, la posición del sensor 460 de imagen bidimensional a una altura para recibir una señal inalámbrica que identifique al animal.

[0190] La señal inalámbrica que identifica al animal puede ser enviada desde un sensor inalámbrico 440 fijado al cuerpo del animal cuando éste pasa por el receptor 470.

[0192] Por ejemplo, la señal inalámbrica que identifica al animal puede ser una etiqueta RFID colocada en al menos un lugar del cuerpo del animal, la etiqueta RFID configurada para transmitir la señal inalámbrica que contiene información relacionada con el animal al que está fijada la etiqueta. La señal inalámbrica es recibida por el receptor electrónico 470, que en este ejemplo puede ser un lector RFID configurado para recibir la señal inalámbrica y obtener información que identifique al animal a partir de la salida de la etiqueta RFID. De este modo, la etiqueta RFID está acoplada comunicativamente al lector RFID para enviar información RFID del animal asociado al lector RFID a medida que el animal pasa por el lector RFID mientras se desplaza por la pasarela 415. La información RFID del animal asociado puede comprender una identificación única para el animal respectivo.

[0194] Una vez obtenidas las imágenes de vídeo, el dispositivo de procesamiento extrae un conjunto de parámetros a partir de los datos obtenidos asociados al animal que se desplaza por el espacio. Los datos comprenden un vídeo procedente de un sensor de imagen bidimensional.

[0196] La extracción puede comprender las etapas explicadas anteriormente en referencia a la Figura 2a. En cada conjunto de puntos de referencia identificados en cada una de las instancias detectadas, cada punto de referencia tiene una coordenada x y una coordenada y. Los valores de las coordenadas x e y de cada punto de referencia pueden extraerse para determinar la posición de cada punto de referencia y, en consecuencia, el movimiento de cada parte del cuerpo correspondiente, en el conjunto de fotogramas individuales. La plataforma de procesamiento, en función de la x,yo valores de las coordenadas x e y del conjunto extraído de puntos de referencia correspondientes a cada fotograma individual, puede determinar una puntuación característica, que es indicativa de la característica, como un patrón de movimiento del animal.

[0198] Los puntos de referencia en los fotogramas y/o su cambio relativo de posición entre fotogramas pueden permitir la determinación de las siguientes percepciones. El cambio de posición de los puntos de referencia entre fotogramas puede utilizarse para analizar la movilidad del animal, proporcionando así una visión del comportamiento para ayudar en la identificación de un animal. Un cambio en la posición de los puntos de referencia en un marco puede utilizarse para evaluar el nivel de cojera del animal, proporcionando así una visión sanitaria que ayude a la identificación de un animal.

[0200] Un cambio en los puntos de referencia puede ayudar a localizar las áreas de datos de imagen en un solo fotograma para evaluar el exceso de cobertura grasa, para la puntuación de la condición corporal, proporcionando así una visión sanitaria que ayude a la identificación de un animal. Por tanto, las variaciones en los valores de las coordenadas de los puntos de referencia pueden ser indicativas de problemas en el animal, tales como, por ejemplo, problemas de movilidad del animal que pueden servir para identificar a un animal concreto.

[0202] La Figura 5a ilustra otros detalles del tratamiento de los datos asociados a un animal obtenidos a partir de un módulo de registro de animales. Se muestra una imagen segmentada 500 obtenida durante la etapa de extracción 230 del módulo 110 de registro de animales. En la imagen segmentada 500 se detecta una instancia del cuerpo del animal 510. La instancia animal 510 puede ser detectada por un algoritmo de detección de objetos que crea una caja delimitadora 511 alrededor de la instancia detectada 510. A continuación, la Figura 5b muestra el conjunto de puntos de referencia 510_1 a 510_n que han sido identificados mediante el procesamiento de la instancia detectada 510 de la imagen segmentada 400 del animal. En el ejemplo de la Figura 5b, doce puntos de referencia, que muestran las formas circulares, se identifican a lo largo del cuerpo del animal, desde la cabeza hasta la cola. A continuación, la Figura 5c muestra un conjunto de imágenes segmentadas 500_1 a 500_n del animal 510, uno por fotograma, con los puntos de referencia identificados. Se trata, pues, de un conjunto de puntos de referencia.

[0204] La patente europea EP20183152.6, presentada el 30 de junio de 2020, describe un proceso ilustrativo que puede utilizarse para determinar los puntos de referencia en ubicaciones de la instancia animal.

[0206] En resumen, el proceso ilustrativo realiza las siguientes etapas:

[0208] i) proporcionar datos de entrada, por ejemplo, una serie de vídeos obtenidos de animales de distintas granjas. Por ejemplo, se puede proporcionar un conjunto de datos de trescientas grabaciones de vídeo de animales moviéndose por un espacio predeterminado para entrenar una red de clasificación de identificación estándar del sistema para identificar puntos de referencia en el cuerpo de un animal. Por ejemplo, la red de clasificación ID puede ser una red neuronal, como ResNet50, o ResNet101, u otro tipo de arquitectura de red neuronal convolucional, CNN. En una fase de formación, cada punto de referencia puede etiquetarse manualmente. Así mismo, la red de clasificación puede entrenarse con grabaciones de vídeo históricas del mismo animal, para hacer frente a los animales que tienen una locomoción naturalmente anormal, evitando el caso de falsos positivos.

[0209] ii) detectar los puntos de referencia, que puede realizarse utilizando la red de clasificación ID entrenada de la etapa i). Una capa de clasificación estándar dentro de la red neuronal convolucional puede sustituirse por capas de deconvolución para escalar mapas de rasgos del animal en mapas térmicos que representen áreas de probabilidad para cada punto de referencia mediante el entrenamiento con los datos de la etapa i)

[0210] iii) extraer los valores de las coordenadas x e y de cada punto de referencia en cada fotograma. Los valores de las coordenadas x e y de los puntos de referencia pueden tomarse como las zonas de mayor magnitud de los mapas térmicos elaborados en la etapa ii). A continuación, estos puntos de referencia pueden asociarse a un caso específico de cada animal mediante una máscara de segmentación precalculada.

[0212] El uso de al menos doce puntos de referencia garantiza la eficacia del procesamiento al tiempo que minimiza el número de datos/información que debe procesar el dispositivo de procesamiento y, por lo tanto, mejora la capacidad de identificar problemas de patrones de movimiento de los animales, como la cojera, o problemas de condición corporal, como el bajo peso del animal.

[0214] En una disposición alternativa, los puntos de referencia pueden extraerse mediante un algoritmo entrenado en la identificación de la forma del animal en el campo de visión del sensor de imagen bidimensional. A continuación, los puntos de referencia pueden utilizarse junto con al menos uno o varios de los siguientes elementos, un algoritmo para determinar la movilidad del animal o animales monitorizados, un algoritmo para determinar la puntuación de la condición corporal, BCS, del animal o animales monitorizados o como un conjunto de rasgos secundarios para determinar la identificación del animal monitorizado. Por ejemplo, un algoritmo de identificación puede, en lugar de utilizar puntos de referencia, pasar los datos del sensor de imagen bidimensionales de un animal concreto a una red neuronal ResNet50. La salida de uno o más del algoritmo de punto de referencia, el algoritmo de movilidad y el algoritmo de puntuación de la condición corporal pueden utilizarse entonces para reforzar el algoritmo de identificación y proporcionar un vector de características global de salida del algoritmo de identificación para identificar a un animal respectivo. El algoritmo puede ser un algoritmo como You Only Look Once- Pose, YOLO-Pose.

[0216] También pueden determinarse una o varias características del animal, mediante una red neuronal convolucional. Para ayudar en la tramitación, el conjunto de puntos de referencia puede formarse en matriz multidimensional. Para formar las matrices, se extraen los valores de las coordenadas x e y de cada punto de referencia, generando una primera matriz y una segunda matriz para cada fotograma individual. La primera matriz comprende los valores de las coordenadas x de los puntos de referencia en cada fotograma individual, y la segunda matriz comprende los valores de las coordenadas y de los puntos de referencia en cada fotograma individual. Los valores de las matrices primera y segunda se combinan para crear una matriz multidimensional de valores de coordenadas x e y con un tamaño definido por el número de fotogramas individuales y el número de puntos de referencia.

[0218] La red neuronal convolucional se entrena para determinar una o más características de un animal basándose en el movimiento obtenido de los puntos de referencia correspondientes. En un ejemplo de red neuronal, las etapas para determinar una puntuación de movilidad del animal comprenden iteraciones sucesivas de convolución y agrupación sobre los valores de las coordenadas x e y del conjunto extraído de puntos de referencia correspondientes a cada fotograma individual de los datos de entrada. Los valores iniciales del núcleo y el filtro se seleccionan aleatoriamente y se van refinando gradualmente a través del entrenamiento de la red con los datos proporcionados. Después de cada convolución, puede realizarse una normalización por lotes y una activación de la unidad lineal rectificada (ReLu). Tras las sucesivas iteraciones de convolución y agrupación, puede realizarse una agrupación media de la salida. Se puede realizar una activación lineal en la salida de la operación de agrupación de medias. Siguiendo la activación lineal, se genera una puntuación que indica la puntuación de movilidad del animal. De este modo, el filtrado inicial y la agrupación máxima realizados por las sucesivas iteraciones de convolución y agrupación se transmiten a lo largo del eje temporal, en donde el eje temporal puede ser indicativo del movimiento a través de la matriz de entrada desde un punto de referencia a otro punto de referencia, por ejemplo, de la cabeza a la oreja, a la cola, etc., con un proceso de filtrado final a lo largo del eje del rasgo, en donde el eje del rasgo es indicativo del movimiento del fotograma uno al dos al tres y así sucesivamente, antes de pasar a una capa final totalmente conectada con activación lineal dentro de la plataforma de procesamiento de imágenes. El resultado final del análisis es la generación de una puntuación de movilidad, p. ej., un número de coma flotante entre 0,0 y 100,0, lo que indica el nivel de movilidad. Por ejemplo, una puntuación de 0,0 puede indicar un animal con un alto grado de movilidad, mientras que una puntuación de 100,0 puede indicar un escaso grado de movilidad. Estos valores pueden traducirse mediante umbrales a otras medidas. Por ejemplo, un 0,0 puede traducirse en una puntuación ROMS de 0, que puede indicar ausencia o un bajo grado de cojera, mientras que 100,0 puede traducirse en una puntuación ROMS de 3, lo que significa un alto grado de cojera en el animal. De este modo, en función de la puntuación determinada por la CNN, por ejemplo, un usuario final del sistema en una notificación y, opcionalmente, en un formato procesable, p. ej., una lista de animales puede ser impresa o enviada por correo electrónico a un veterinario, o un texto al agricultor para alertas urgentes.

[0219] En algunos casos, el método antes mencionado de evaluación de la puntuación de movilidad, que no utiliza una red neuronal puede utilizarse para proporcionar el entrenamiento de la red. Como alternativa, el etiquetado experto de la puntuación de movilidad puede utilizarse para proporcionar datos de entrenamiento. La información de la puntuación de movilidad se puede utilizar como un conjunto de datos secundarios para ayudar en la identificación de un animal, mientras que el conjunto de datos primarios pueden ser los datos transmitidos desde el sensor de imagen bidimensional para un animal en particular a una red neuronal ResNet50 para identificar al animal. De este modo, las una o varias características, como la puntuación de movilidad, complementa la identidad determinada del animal mediante, por ejemplo, la red neuronal ResNet50.

[0221] Las Figuras 6a y 6b ilustran un caso de un cuerpo animal 610 que puede detectarse en la imagen segmentada 600 de manera similar a las Figuras 4b y 4c. En la disposición de ejemplo, se muestran 16 puntos de referencia representados por las formas circulares, que se identifican a lo largo del cuerpo del animal, desde la cabeza hasta la cola. La Figura 6b muestra un conjunto de imágenes segmentadas 600_1 a 600_n del animal 610, uno por fotograma, con los 16 puntos de referencia identificados. Aumentar el número de puntos de referencia es ventajoso, ya que proporciona un medio para ser capaz de generar áreas de enfoque que los algoritmos de salud y/o comportamiento pueden entonces proporcionar ideas.

[0223] La Figura 7 ilustra un caso de cuerpo animal 710 que puede detectarse en la imagen segmentada 700 y analizarse para la puntuación de la condición corporal. La instancia animal 710 puede detectarse mediante un algoritmo de detección de objetos que crea un cuadro delimitador alrededor de la instancia detectada de forma similar a la descrita con referencia a las Figuras 4a - 4c. La Figura 7 muestra el conjunto de puntos de referencia 710_1 a 710_n que se han identificado mediante el procesamiento de la instancia detectada 710 de la imagen segmentada 700 del animal. En el ejemplo de la Figura 7, 16 puntos de referencia, que muestran las formas circulares, se identifican a lo largo del cuerpo del animal, desde la cabeza hasta la cola. El algoritmo de detección de objetos analiza todo el cuerpo del animal y puede estar configurado para utilizar los puntos de referencia con el fin de generar áreas de enfoque 720a - 720d que el algoritmo puede entonces proporcionar información sobre la salud y/o el comportamiento del animal en una o más áreas de enfoque respectivas. En una disposición de ejemplo, un algoritmo como "You Only Look Once", YOLO, puede utilizarse para producir los recuadros delimitadores antes mencionados para cada animal. A continuación, los recuadros delimitadores pueden pasarse a un algoritmo de puntos de referencia para que el algoritmo identifique puntos de referencia del animal respectivo detectado dentro del recuadro delimitador. Estos puntos de referencia se utilizan entonces para determinar puntos de vista del animal, como, por ejemplo, pero sin limitación, la salud y/o el comportamiento. Más específicamente, la Figura 7 muestra las áreas de interés clave en las que se centrará la red neuronal de puntuación de la condición corporal para determinar la puntuación de la condición corporal. Estas son las espinas y la región 720a de cola, la región 720b de las tuberosidades coxales y de la columna posterior, la región 720c de las costillas y la columna media y la región 720d de la columna frontal. El análisis de estas regiones producirá una estimación de la cobertura total de grasa del animal.

[0225] La Figura 8a muestra un ejemplo de método 800 para gestionar un animal que ha sido identificado como desconocido. Los vectores de identificación asociados al animal desconocido pueden almacenarse en una base de datos para futuras referencias cruzadas. Tras la generación del vector de identificación del animal observado, el animal se identifica 290 como animal desconocido tras la etapa de determinación 260 de la Figura 2a. El vector de identificación generado para el animal desconocido se añade 292 a una segunda base de datos que contiene vectores de identificación desconocidos, es decir, animales desconocidos o no registrados. De este modo, la segunda base de datos puede mantener un registro de vectores de identificación desconocidos. Dicho de otro modo, el vector de identificación generado de los animales cuyos rasgos visuales y una o más características no son suficientemente similares a los vectores de identificación conocidos se almacena para su uso futuro. Esto permitirá registrar en el futuro animales actualmente desconocidos.

[0227] El procesamiento posterior 810 de la base de datos de vectores de identificación desconocidos se muestra en la Figura 8b, una pluralidad de vectores de identificación puede compararse 297 para identificar vectores de identificación similares dentro de la base de datos y para identificar identificaciones coincidentes obtenidas de otra fuente de datos, como una etiqueta RFID asociada a un animal. El sistema identificará entonces estos vectores de identificación previamente desconocidos como asociados a un animal concreto. Los vectores de identificación desconocidos que han sido identificados con un animal son entonces promovidos 298 a la primera base de datos. De este modo, el sistema es capaz de aumentar automáticamente el número de vectores de identificación conocidos en el sistema. Dicho de otro modo, el sistema puede ampliarse automáticamente para incluir nuevos animales. Esto significa que el sistema puede integrarse en sistemas ya existentes, como los que utilizan RFID y etiquetas RFID adheridas a un animal para identificarlo. Los sistemas existentes pueden no proporcionar la identificación de todos y cada uno de los animales debido a cuestiones como, por ejemplo, cuando una etiqueta RFID se ha desprendido de un animal y, por tanto, cuando el animal pasa por delante de un lector RFID, el animal no es identificado debido a la falta de la etiqueta RFID. Por consiguiente, el sistema complementa los sistemas existentes, ya que puede adaptarse para identificar nuevos animales y, por lo tanto, el sistema puede ampliarse automáticamente para incluir nuevos animales que, de otro modo, no podrían identificarse debido a, por ejemplo, a los que les faltan marcas auriculares para la identificación por RFID o pueden no estar etiquetados por haber sido incluidos recientemente en la población de animales de la misma, por ejemplo, un entorno agrícola. Además, los animales identificados pueden utilizarse para afinar aún más la red neuronal 299 con el fin de mejorar la capacidad de discriminación entre los distintos animales en días futuros según las condiciones de la explotación, como el clima y la iluminación cambian gradualmente con el paso del tiempo.

[0229] La Figura 9 muestra un ejemplo de método 900 para la identificación del animal o animales. El método comprende una inscripción 910 para inscribir al animal o animales en el sistema, generar un vector de identificación en la etapa 920 para generar los vectores de identificación a partir del conjunto de parámetros generados para animales individuales, y añadir 930 de los vectores de identificación a una primera base de datos. En la disposición mostrada, la etapa de inscripción puede adaptarse para permitir que el animal se inscriba en el sistema mediante la preparación de un conjunto de datos etiquetados del animal o animales, garantizando así que los vectores de identificación de cada animal se asignen al animal correcto y evitando así errores de identificación. De este modo, puede proporcionarse una base de datos de vectores de identificación conocidos, de forma que los vectores de identificación conocidos correspondan a un animal único para la futura comparación de un animal observado a fin de identificar si el animal observado es conocido o no.

[0231] La Figura 10 muestra un proceso 1000 para inscribir a un animal. Por ejemplo, y en referencia a la Figura 4 comentada anteriormente, durante la etapa de inscripción, el animal o animales bajo observación 1010, 210 pueden moverse a lo largo de la pasarela 415. A continuación, se obtendrá un registro del animal o animales 1020 del módulo 110 de registro de animales. Una fuente adicional 470 también obtiene la identidad del animal o animales. Por ejemplo, la identidad real del animal puede determinarse mediante un lector RFID configurado para recibir una etiqueta de identificación por radiofrecuencia, RFID, 440, unida al cuerpo del animal. Como alternativa, la identidad podría obtenerse a partir de la lectura visual de una marca numérica 450 en el cuerpo del animal. La información se registra en el orden en que el animal o los animales han pasado por el sensor 460 de imagen bidimensional. Se podrán adoptar medidas para garantizar que el orden de los animales no cambie durante el proceso de inscripción, por ejemplo, una pasarela puede tener unas dimensiones tales que los animales pasen por el pasillo en fila india y, por lo tanto, se garantice que los animales no puedan adelantarse unos a otros mientras caminan por el pasillo, permitiendo así rastrear a los animales.

[0233] A continuación, los datos de inscripción pueden almacenarse en un formato legible por ordenador, p. ej., JavaScript Object Notation (JSON), lenguaje de marcado extensible (XML) y similares y puede contener una lista de identificaciones de animales en el orden en que pasaron por el módulo 110 de registro de animales, 460, 470. A continuación, las secuencias de vídeo asociadas a la inscripción pueden pasarse a través de un algoritmo de procesamiento de vídeo del dispositivo de procesamiento 130. El algoritmo de procesamiento de vídeo puede entonces adaptarse para realizar al menos las siguientes tareas:

[0235] i) cada fotograma de vídeo se pasa a una red de detección de objetos 1030 previamente entrenada que crea un cuadro delimitador para cada instancia/imagen de animal detectada en cada fotograma de vídeo y, opcionalmente, se puede crear una máscara de segmentación para cada instancia/imagen de animal detectada en cada fotograma de vídeo. Una máscara de segmentación permite al algoritmo de detección de objetos centrarse en un animal respectivo dentro del cuadro delimitador creado cuando los hay, por ejemplo, porciones superpuestas de otro o de una pluralidad de animales en el cuadro delimitador creado del animal respectivo.

[0236] ii) los recuadros delimitadores generados para cada animal se pasan a un algoritmo de seguimiento de objetos 1030 que agrupa múltiples recuadros delimitadores a través de fotogramas y genera un vector de identificación y asigna una identificación obtenida a partir de un medio de identificación de animales, como la etiqueta RFID, que corresponde a un animal individual en el metraje. Como se describirá más adelante con referencia a las Figuras 14 a 20, se proporciona otra disposición ilustrativa por la que una vez que un grupo de animales se procesan en una ventana temporal, el sistema está configurado para recoger todos los recuadros delimitadores rastreados y todas las lecturas de identificación de cualquier dispositivo de identificación, como un módulo de registro de animales, que puede ser una cámara, y módulo de identificación de animales, que puede ser un lector RFID, en la zona de instalación/despliegue del sistema y el sistema, comparando la colección de lecturas, los vectores de identificación y el número de veces que el módulo de identificación ha determinado o detectado que una identificación estaba en las proximidades siempre que un animal con estos vectores estaba bajo nuestra cámara, el sistema puede destilar hasta la identificación más común de un animal.

[0238] iii) para cada animal detectado en la grabación de vídeo, pueden seleccionarse al menos diez recuadros delimitadores a partir del número correspondiente de fotogramas que se extraen como imágenes.

[0240] A continuación, los animales detectados pueden clasificarse por orden de aparición en la grabación y sincronizarse con las identificaciones reales de los animales, ID, 1050, 440 obtenidas anteriormente de la fuente adicional 470. Las identificaciones sincronizadas de los animales inscritos pueden utilizarse como datos de entrenamiento junto con las imágenes extraídas en la etapa iii) para determinar una puntuación de correlación en la etapa 1060.

[0241] La red entrenada 1070 de generación e identificación de vectores procesa las nuevas secuencias de vídeo según las etapas (i) - (iii) anteriores. Para cada animal detectado en el registro por vídeo, cada imagen generada en la etapa (iii) puede pasarse a través de la red entrenada 1070 de generación e identificación de vectores para generar una matriz de vectores de identificación para cada uno de los animales inscritos. Estos vectores de identificación pueden entonces promediarse sobre un número de imágenes, p. ej., cinco, diez o más imágenes extraídas en la etapa iii) anterior de los fotogramas de vídeo para generar un vector de identificación para el animal detectado. Una vez procesadas todas las secuencias, los vectores de identificación de cada animal se postprocesan para asignar la identificación más probable a ese animal basándose en los vectores de identificación de todos los demás animales. El tratamiento posterior de los vectores de identificación generados para cada animal permite evitar que se asigne la misma identificación a más de un animal. Así mismo, el postprocesamiento permite comprobar si hay animales que no se hayan inscrito en el sistema o si hay algún problema con los datos de inscripción. De este modo, mediante la asignación de una identificación por medios de identificación animal, el sistema proporciona un medio para detectar fácilmente cada animal individual entre una pluralidad de animales al permitir que se asigne una identificación única a cada animal, evitando así posibles problemas, como, identidad errónea y, por tanto, evitar que se asigne una identificación al animal equivocado. Como tal, basándose en los datos de inscripción, el sistema puede detectar la identidad de cada animal sin necesidad de intervención manual, p. ej., lectura de las etiquetas RFID, y similares.

[0243] La Figura 11 muestra un proceso 1100 de identificación de un animal basado en una red 1070 de generación e identificación de vectores previamente entrenada. Por ejemplo, una disposición para capturar imágenes en un animal 1110 puede proporcionarse según la disposición discutida con referencia a la Figura 4. La disposición puede estar configurada para capturar la grabación 1120, 460, 110 de una pluralidad de animales o de un animal individual. A continuación, dicha grabación puede ser analizada por una plataforma 130 de procesamiento. La plataforma de procesamiento puede entonces utilizar algoritmos 1130 de detección y rastreo de objetos, como las comentadas anteriormente, para detectar y rastrear al animal o animales dentro de la grabación. Los datos del animal o animales detectados y rastreados por la plataforma de procesamiento de imágenes pueden entonces ser procesados por la red entrenada 1070 de generación e identificación de vectores. De este modo, las nuevas imágenes obtenidas por el dispositivo de grabación de animales pueden ser procesadas por la disposición ilustrada para evaluar en la etapa 1140 una identidad del animal o animales en las nuevas imágenes utilizando una red de generación e identificación de vectores 1070 previamente entrenada. Esto permite comprobar si hay identificaciones de animales que probablemente no se hayan registrado en el sistema. Ventajosamente, el sistema se actualiza continuamente con la información de identificación de los animales, con lo que se entrena y aprende a medida que el sistema analiza de forma autónoma la información obtenida para cada animal.

[0245] La Figura 12 muestra una disposición en la que se puede utilizar una red entrenada de generación e identificación de vectores para identificar al animal individual 1210. Hay varios recuadros delimitadores del mismo animal de diferentes fotogramas posteriores 1210_1 a 1210_n, de forma similar a las ilustradas en la Figura 5c, 6b. Cada cuadro delimitador individual se hace pasar por la red entrenada de generación e identificación de vectores 1070, como se ha descrito anteriormente con referencia a las Figuras 10 y 11, para la extracción de rasgos del animal, es decir, puntos de referencia, patrón, etc. a través de, por ejemplo, pero sin limitación, modelos de aprendizaje profundo como ResNet50 y similares, y se extraen los puntos de referencia, a fin de generar un vector 1220 que comprenda información de identificación y se tome un promedio de los vectores de identificación para formar un vector 1230 de identificación generado. Además de la extracción de rasgos, la información RFID de una etiqueta RFID 1212 del animal es obtenida por un lector RFID 470. Otra tecnología de sensores para proporcionar la identidad de un animal también puede utilizarse alternativa o adicionalmente. La información de la señal inalámbrica del transmisor inalámbrico 1212 se extrae para formar un vector 1240 de lectura del sensor inalámbrico. Cada detección de animales, detección 1, detección 2 y así sucesivamente tiene asociada cada una un vector de identificación y un vector de lectura de señal inalámbrica. Dicho de otro modo, el sistema realiza una serie de detecciones de animales y obtiene a través del módulo de registro de animales un conjunto de datos asociados al desplazamiento del animal por un espacio, o pasarela. Un conjunto de parámetros del conjunto de datos obtenidos asociados al animal se extrae del módulo de registro del animal utilizando la plataforma del dispositivo de procesamiento. El sistema puede estar configurado para generar un vector de identificación a partir del conjunto de parámetros para cada detección como se ilustra 1250. El sistema puede estar configurado para seleccionar vectores de identificación conocidos de una primera base de datos de vectores de identificación conocidos en la que cada vector de identificación conocido corresponde a un animal único. El sistema puede determinar una lista de puntuaciones de correlación comparando el vector de identificación generado con los vectores de identificación conocidos seleccionados, como se muestra 1260. Puede utilizarse cualquier método de comparación de vectores que proporcione una puntuación de correlación. Por ejemplo, puede utilizarse para la comparación uno o más parámetros del vector de identificación generado y el vector de identificación conocido que se encuentren dentro de un umbral o intervalo. Aumentar el número de parámetros a comparar entre los vectores aumenta la probabilidad de correlación. En otros ejemplos, la similitud coseno entre el vector de identificación generado y el vector de identificación conocido puede utilizarse para la comparación. En otro ejemplo, cada puntuación de correlación se determina evaluando el número de valores comunes entre el vector de identificación generado y el vector de identificación conocido comparado. Un valor común no es necesariamente el mismo valor, sino un valor que se encuentra dentro de un intervalo del valor comparado. El intervalo real depende de la naturaleza de los valores que se comparan. Algunos valores pueden tener asociados intervalos mayores debido a una mayor variación en la medición subyacente.

[0247] En respuesta a la determinación de que al menos uno de los vectores de identificación conocidos tiene una puntuación de correlación superior a un umbral, se selecciona uno de los al menos un vector de identificación conocido el animal se identifica utilizando el vector de identificación conocido seleccionado, como se ilustra por la información de la señal inalámbrica que se asocia con el número de animal, una vaca en el ejemplo ilustrado de 1260 junto con una puntuación de correlación e información del vector de identificación.

[0249] Como se muestra, puede detectarse una serie de señales, como las señales inalámbricas de una etiqueta RFID. Cada señal incluye una hora y está asociada a un único animal 1210. La selección de vectores de identificación conocidos a partir de una primera base de datos de vectores de identificación conocidos puede comprender además la determinación de una hora en la que el módulo 110 de registro de animales, 460, 470 obtuvo los datos 1230, 1240 y un intervalo de tiempo que se encuentra dentro de un intervalo de la hora determinada. La serie de señales puede filtrarse para seleccionar solo las señales de la serie de señales dentro del intervalo de tiempo. En el ejemplo ilustrado, las series de señales son 1561, 1734, 2631 y 1934 en un intervalo de tiempo de t<1>- t4. Las señales se filtran para seleccionar aquellas señales de la serie de señales dentro del intervalo de tiempo t2-t31265. De este intervalo de tiempo, se selecciona el vector de identificación conocido del animal único de las señales seleccionadas que tenga la mayor puntuación de correlación, determinando así la identidad del animal observado.

[0251] La Figura 13 muestra una tabla 1300 de un conjunto de parámetros que comprenden rasgos visuales, rasgos de salud y comportamiento e información de identificación de la señal inalámbrica. La tabla contiene información asociada al rasgo visual del animal que tiene una longitud n1, información asociada a los puntos de referencia del animal con una longitud n2, información asociada al patrón de movimiento del animal de longitud n3, información asociada a la puntuación de salud, como, por ejemplo, la puntuación de la condición corporal, del animal de una longitud n4 e información asociada a la señal inalámbrica del animal de una longitud n5. Las longitudes n1-5 pueden variar de una realización a otra y no tienen por qué ser necesariamente del mismo tamaño. El punto de referencia, la información sobre el patrón de movimiento y la puntuación de salud son ejemplos de una o más características del animal comentadas anteriormente. La información sobre la movilidad y la puntuación de la condición corporal son otros ejemplos de una o más características del animal comentadas anteriormente. De este modo, la mesa puede incluir rasgos visuales, rasgos de movilidad, rasgos del estado corporal e identificadores de señales inalámbricas. La información del vector de identificación se promedia a lo largo de los fotogramas de la grabación del animal y se almacena en una base de datos. Basándose en la información de la puntuación de concordancia comentada anteriormente, la información del vector de identificación se almacena en una base 1310 de datos de animales conocidos, por lo que se considera un vector de identificación conocido que corresponde a un animal único 1320, o puede almacenarse en una base 1330 de datos de vectores de identificación desconocidos, por lo que se consideran vectores de identificación que no corresponden a un animal único. Las bases de datos de animales conocidos y de vectores de identificación desconocidos se consultan y actualizan continuamente para llevar a cabo el proceso de determinación de la identidad de un animal, tal y como se ha comentado anteriormente. Por consiguiente, la información sobre cada animal conocido y desconocido se conserva en las bases de datos respectivas. Con más detalle, durante un seguimiento continuo de los animales, los animales desconocidos para los que no se ha determinado una identidad se promueven a la base de datos de animales conocidos al determinar la identidad de ese animal tras el procesamiento del animal y la confianza de que su identidad sea la de un animal conocido supera un umbral predeterminado. Por el contrario, cuando el nivel de confianza en la identidad de lo que antes era un animal conocido desciende por debajo de un umbral predeterminado, el sistema reconsidera, o identifica, el animal como animal desconocido y desinscribe al animal de la base de datos de animales conocidos a la base de datos de animales desconocidos. El sistema actualiza automática y continuamente las bases de datos basándose en el análisis y la determinación de si el animal monitorizado es un animal conocido o desconocido. Dicho de otro modo, el sistema se entrena y aprende de los animales monitorizados, pero nunca olvida y, por lo tanto, se actualiza continuamente en función de la información que se está obteniendo y de la información obtenida anteriormente, tanto si el animal es un animal recién introducido o forma parte de un rebaño nuevo, por ejemplo, como si forma parte de un rebaño ya existente. Debido a la naturaleza autónoma del sistema, el sistema alcanza un nivel de confianza para un animal monitorizado y lo asigna a la base de datos conocida y a medida que desciende el nivel de confianza, el sistema determina que el animal es desconocido y lo asigna a la base de datos de desconocidos.

[0253] La Figura 14 muestra un método 200a de identificación individual. A modo de ilustración, el método 200a es similar al método 200 ilustrado en la Figura 2a, con la excepción de la inclusión de la etapa 295. Cada una de las etapas 210, 220, 230, 240, 250, 255, 260, 270, 275, 280, 290 son como las descritas anteriormente para la Figura 2a. En la disposición mostrada, con una coincidencia exitosa, el sistema puede utilizar un desfase entre un tiempo de escaneado RFID y el tiempo en que un animal aparece bajo el sensor de detección de animales, o el módulo de grabación de vídeo/animales 110, para afinar una ventana temporal de escaneos RFID bajo consideración 295. El dispositivo no solo captura vídeo de información de identificación de animales de, por ejemplo, un RFID durante un intervalo de tiempo determinado, la identificación, o información RFID, y el vídeo se captura durante un periodo de tiempo continuo y cuando el sistema está procesando los datos, se genera una ventana temporal, es decir, se utiliza una ventana temporal para procesar una parte de los datos capturados. Esta ventana temporal puede ajustarse y perfeccionarse para mejorar el tratamiento y la determinación de la identidad de los animales. De este modo, se reducirá la tramitación de los posibles candidatos y aumentarán las probabilidades de éxito de las correlaciones.

[0255] De manera similar, la disposición de la Figura 2b puede modificarse aún más con la incorporación de la etapa 295 después de la etapa 280 y la retroalimentación a la etapa 250 a fin de incorporar la ventana temporal refinada o ajustada para recibir la información del identificador del animal en el módulo de identificación de animales, de modo que mejore el procesamiento de los candidatos potenciales y aumente la probabilidad de correlaciones exitosas.

[0257] La Figura 15 muestra una disposición ilustrativa del sistema 1400 para determinar la identidad de un animal. En esta realización, uno o más de los animales 1405_1 - 1405_6 pueden ser observados por al menos un módulo 1410 de registro de animales, como, por ejemplo, una cámara, cuando el animal o animales se encuentren dentro del campo 1415 de visión del módulo de registro de animales. De este modo, la información visual del animal se obtiene como se ha descrito anteriormente a medida que los animales pasan dentro del campo de visión del módulo 1410 de registro de animales. Los datos comprenden un vídeo procedente de un sensor de imagen bidimensional. El sensor de imagen bidimensional puede ser una cámara en color. El módulo 1410 de registro de animales se encuentra en una primera ubicación 1420, Limagen. El sensor de imagen bidimensional puede tener un campo de visión de entre 30 y 150 grados, preferiblemente de entre 20 y 160 grados. El módulo de registro de animales puede estar configurado para identificar animales individuales dentro de la primera ventana temporal y asociar los animales individuales 1405_1 - 1405_6 con una marca de tiempo correspondiente a un punto de detección para ese animal.

[0259] Uno o más de los animales o un subconjunto de animales 1405_1 - 1405_6 es detectado por al menos un módulo 1440 de identificación de animales. Los animales no pueden seguir un camino necesario o un identificador de animal, como, por ejemplo, un dispositivo RFID en forma de etiqueta RFID, puede desprenderse de un animal y, por lo tanto, no todos los animales observados a través del módulo 1410 de registro de animales pueden ser detectados o identificados en el módulo 1440 de identificación de animales. El módulo de identificación de animales está configurado para obtener en un segundo momento durante una segunda ventana temporal, datos asociados a un identificador de cada uno de un subconjunto de la pluralidad de animales 1405_1 - 1405_6. El identificador puede ser, por ejemplo, pero sin limitación, Información RFID de un dispositivo RFID, como una etiqueta RFID, unido a un animal o animales y el módulo de identificación de animales puede ser, por ejemplo, pero no exclusivamente, un lector RFID. El al menos un módulo de identificación de animales tiene un intervalo 1445 de detección para detectar información asociada al animal o animales 1405_1 - 1405_6. El intervalo de detección puede ser de hasta 5 metros, 5m, preferiblemente de hasta 3 metros, 3m. Se apreciará que el intervalo de detección puede ser mayor o menor de 5m dependiendo del tipo de lector RFID que se despliegue y de la ubicación del lector RFID. Por ejemplo, puede utilizarse otra tecnología, como etiquetas activas, que pueden tener un intervalo de hasta 100 metros, 100m. El módulo de identificación de al menos un animal 1440 se encuentra en una segunda ubicación 1430, Lidentificador. La primera ubicación 1420 está separada de la segunda ubicación 1450. La primera ubicación 1420 puede estar separada de la segunda ubicación 1450 por una distancia, D, de hasta cincuenta metros, preferiblemente de hasta 10 metros. Se apreciará que la distancia, D, puede ser mayor o menor que estas distancias y puede determinarse en función de la instalación del sistema. Cuanto menor sea la distancia, menor será la ventana temporal y menor el número de candidatos o animales.

[0261] El sistema puede estar configurado para funcionar cuando el módulo de registro de animales y el módulo de identificación de animales están físicamente cerca o en el mismo lugar. En algunas disposiciones, el intervalo de detección y el campo de visión no coinciden. En algunas disposiciones, el intervalo de detección y el campo de visión pueden solaparse parcialmente hasta, por ejemplo, del 10 al 20 %, pueden solaparse completamente o no solaparse. Se apreciará que el intervalo de detección puede o no estar dentro del campo de visión y se basa en la disposición de la instalación. El módulo de identificación de al menos un animal 1440 puede estar configurado para identificar animales individuales dentro de la segunda ventana temporal y asociar los animales individuales 1405_1 - 1405_6 con una marca de tiempo correspondiente a un punto de detección para ese animal.

[0263] En la realización mostrada, el módulo 1410 de registro de animales y el módulo 1440 de identificación de animales están capturando/obteniendo datos continuamente. El sistema puede estar configurado para procesar los datos obtenidos y superponer o colocar artificialmente una ventana temporal en los datos obtenidos para refinar o ajustar el procesamiento o análisis de esta información como parte de la determinación de una identidad del animal o animales 1405_1 - 1405_6. Por ejemplo, una vez que el módulo de registro de animales observa o detecta un animal, la ventana temporal para el módulo de identificación de animales puede ser el tiempo de la cámara /- 300 segundos, dando una ventana temporal de 10 minutos o la ventana temporal podría ser 600 segundos desde la hora de la cámara y -300 segundos desde la hora de la cámara. Los valores +/- de la ventana temporal pueden ajustarse o afinarse con el tiempo a diferentes valores en función de la adaptación del sistema a los datos obtenidos. Las ventanas temporales se reducen o aumentan en anchura o las ventanas temporales, para los módulos respectivos, se desplazan entre sí.

[0265] En la realización mostrada, se puede realizar una correlación del animal individual identificado por el al menos un módulo de registro de animales 1440 en la primera ventana temporal con el animal identificado por el al menos un módulo 1440 de identificación de animales en la segunda ventana temporal. Las ventanas temporales están configuradas para ajustarse con el fin de maximizar la correlación entre los dos sistemas independientes, 1410 y 1440, con el fin de aumentar las probabilidades de éxito de la búsqueda de correlaciones para el animal o los animales. Así pues, hay dos sistemas independientes, uno que sabe que una identidad conocida estuvo presente en un lugar conocido en un momento conocido y otro que sabe que una identidad desconocida estuvo presente en el lugar del módulo de registro de animales en otro momento.

[0266] Con el tiempo, el sistema es capaz de comparar las detecciones visuales del módulo de registro con una lista de señales RFID comunes, o la identificación a partir de las lecturas RFID de los dispositivos RFID, como, por ejemplo, las etiquetas RFID, obtenidas del módulo identificador y, finalmente, deducir y hacer coincidir la señal RFID correcta del animal con el animal detectado visualmente. Como tal, la combinación de dos sistemas independientes que se unen para proporcionar la identidad a un animal o animales. El sistema puede configurarse de forma que necesite observar o ver al animal durante al menos cuatro ocurrencias o instancias, antes de que el sistema pueda identificar e inscribir o registrar al animal, por ejemplo, una base de datos de animales conocidos en una fase o proceso de inscripción, como se ha descrito anteriormente. Ventajosamente, los dos sistemas independientes superan cualquier problema relacionado con el tiempo como resultado del uso de dos sistemas como el lector RFID y la cámara. Algunos sistemas pueden estar desincronizados debido al horario de verano o a diferencias horarias en los dispositivos informáticos y, como resultado, el módulo de registro de animales y el módulo de identificación de animales están desincronizados. Debido a las disposiciones para la recuperación de la imagen del animal y la identificación, los sistemas y métodos abordan dichos problemas de sincronización.

[0268] En un ejemplo, el sistema y el método obtienen una lista de lecturas que se afina a lo largo de un periodo de tiempo ajustado mediante el cual el sistema es capaz de determinar que ha visto un animal concreto, por ejemplo, vaca n.°1, antes basándose en el comportamiento visual y/o la salud de las vacas, pero basándose en lo que se ve en el módulo de registro de animales puede haber otros veinte candidatos, pero el sistema puede determinar que de esos veinte, siete de los candidatos son similares y, por tanto, reduce el número de candidatos a siete. El sistema sabe que ya ha visto la vaca n.° 1 dos veces y que es una de estas siete candidatas, y esta lista de candidatas seguirá perfeccionándose hasta que, finalmente, el sistema llegue a una fase en la que la vaca candidata solo pueda ser esta identidad, vaca n.° 1. El sistema puede tardar hasta cuatro días en bloquearse o poder inscribirse o apuntarse, esa identidad animal, dependiendo de la configuración de la explotación y del sistema de la explotación. Así mismo, puede considerarse un proceso de eliminación. Por ejemplo, si el sistema determinó previamente que un animal podía ser vaca n.° 1 o vaca n.° 2, pero desde entonces el sistema le ha asignado vaca n.° 2, el sistema sabrá entonces que el animal que se está identificando no puede ser la vaca n.° 2 por lo que tiene que ser la vaca n.° 1 y por lo tanto identificará al animal como la vaca n.° 1. Como tal, el sistema pasa por una iteración continua de refinamiento de evaluar que el animal ya no puede ser esta identidad de vaca y debe ser cualquiera de los candidatos restantes.

[0270] Así mismo, mediante un proceso de embarque, o cuando se introduce cualquier animal nuevo en la explotación o cuando se sustituye un identificador, como un dispositivo RFID, en un animal concreto, el sistema es capaz de identificar a este/estos animal(es) en el futuro basándose en los datos obtenidos del módulo de registro de animales y de los módulos identificadores de animales. La disposición no se limita a que el módulo 1410 de registro de animales detecte al animal o animales y, a continuación, el módulo 1440 de identificación de animales detecte al animal o animales después del módulo 1410 de registro de animales, la disposición es tal que el animal o animales pueden detectarse en el módulo 1440 de identificación de animales y, a continuación, en el módulo 1410 de registro de animales.

[0272] Las Figuras 16a y 16b ilustran una disposición ilustrativa del sistema descrito para la Figura 15 cuando está instalado o desplegado en, por ejemplo, una puerta 1510 de selección. En la disposición 1500a de la Figura 16a, se muestra una puerta 1510 de selección con una vía de entrada y dos vías de salida. La puerta de selección puede tener más o menos vías de entrada o salida que las mostradas. Se apreciará que otras disposiciones de entrada y salida pueden ser consideradas. Se muestra un animal 1405 en cada una de las vías de entrada y salida de la puerta de selección. En la disposición instalada, el módulo 1410 de registro de animales puede estar situado a lo largo de la(s) trayectoria(s) de salida de la puerta 1510 de selección, mientras que el módulo 1440 de identificación de animales puede estar situado en la puerta 1510 de selección. En la disposición 1500b mostrada en 16b, el módulo 1410 de registro de animales puede estar situado a lo largo de la ruta de entrada a la puerta 1710 de selección, mientras que el módulo 1440 de identificación de animales puede estar situado en la puerta de clasificación.

[0274] Las Figuras 17a, 17b, 17c y 17d ilustran una disposición ilustrativa del sistema descrito para la Figura 15 cuando está instalado o desplegado en, por ejemplo, una sala 1610 de ordeño rotativa. Se apreciará que otras disposiciones de entrada y salida pueden ser consideradas. La sala 1610 de ordeño rotativa puede tener más o menos vías de entrada o salida que las mostradas. En la disposición 1600a de la Figura 17a, se muestra una sala 1610 de ordeño rotativa con una vía de entrada y una vía de salida. Los animales 1405 se muestran en cada una de las vías de entrada y salida de la sala de ordeño rotativa. En la disposición instalada, el módulo 1410 de registro de animales puede estar situado a lo largo de la trayectoria de entrada de la sala rotativa 1610, mientras que el módulo 1440 de identificación de animales puede estar situado en la sala rotativa 1810 o cerca de ella, en el lado de la trayectoria de entrada. En la disposición 1600b mostrada en la Figura 17b, el módulo 1410 de registro de animales puede estar situado a lo largo de la trayectoria de salida de la sala rotativa 1610, mientras que el módulo 1440 de identificación de animales puede estar situado en la sala rotativa 1610 o cerca de ella, en el lado de la trayectoria de entrada. En la disposición 1600c mostrada en la Figura 17c, el módulo 1410 de registro de animales puede estar situado a lo largo de la trayectoria de entrada de la sala rotativa 1610, mientras que el módulo 1440 de identificación de animales puede estar situado en la sala rotativa 1610 o cerca de ella, en la trayectoria de salida. En la disposición 1600d mostrada en la Figura 17d, el módulo 1410 de registro de animales puede estar situado a lo largo de la trayectoria de salida de la sala rotativa 1610, mientras que el módulo 1440 de identificación de animales puede estar situado en la sala rotativa 1610 o cerca de ella, en el lado de la trayectoria de salida.

[0276] Las Figuras 18a, 18b y 18c ilustran una disposición ilustrativa del sistema descrito para la Figura 15 cuando está instalado o desplegado en, por ejemplo, una sala 1710 de ordeño en espina de pez. Se apreciará que otras disposiciones de entrada y salida pueden ser consideradas. La sala 1710 de ordeño en espina de pez puede tener más vías de entrada o salida que las mostradas. En la disposición 1700a de la Figura 18a, se muestra una sala 1710 de ordeño en espina de pez con dos vías de entrada y una vía de salida. La sala 1710 de ordeño en espina de pez puede comprender una pluralidad de módulos de identificación de animales 1440. Los animales 1405 se muestran en cada una de las vías de entrada y salida de la sala 1710 de ordeño en espina de pez y dentro de la sala 1710 de ordeño en espina de pez. En la disposición ilustrada, la sala 1710 de ordeño en espina de pez comprende dos vías de entrada y una vía de entrada única. El módulo 1410 de registro de animales puede estar situado a lo largo de una vía de salida de la sala 1710 de ordeño en espina de pez, mientras que al menos uno o más módulos de identificación de animales 1440 pueden estar situados en la sala 1710 de ordeño en espina de pez. En la disposición 1700b mostrada en la Figura 18b, la sala 1710 de ordeño en espina de pez comprende dos vías de entrada y dos vías de salida, donde las trayectorias de salida están situadas una frente a otra. La sala 1710 de ordeño en espina de pez comprende al menos dos módulos de registro de animales 1410, con al menos uno situado a lo largo de una de las vías de salida y al menos otro situado a lo largo de la otra vía de salida de la sala 1710 de ordeño en espina de pez. Al menos uno o más módulos de identificación de animales 1440 pueden estar situados en la sala 1710 de ordeño en espina de pez. En la disposición 1700c mostrada en la Figura 18c, la sala 1710 de ordeño en espina de pez comprende dos vías de entrada y dos vías de salida, donde las vías de salida están situadas una frente a la otra. La sala 1710 de ordeño en espina de pez comprende al menos dos módulos de registro de animales 1410, con al menos uno situado en o cerca de la sala 1710 de ordeño en espina de pez en una de las vías de entrada y al menos otro situado en o cerca de la sala 1710 de ordeño en espina de pez en la otra vía de entrada. Al menos uno o más módulos de identificación de animales 1440 pueden estar situados en la sala 1710 de ordeño en espina de pez.

[0278] En la Figura 19 se muestra un método de 1800 realizado por un sistema mostrado en las Figuras 14 a 18 para determinar la identidad de un animal a partir de una pluralidad de animales.

[0280] El método comprende en la etapa 1810 la obtención, a través de al menos un módulo 1410 de registro de animales en un primer momento a lo largo de una primera ventana temporal, datos asociados a la pluralidad de animales 1405_1 - 1405_6, comprendiendo los datos asociados a la pluralidad de animales un vídeo procedente de un sensor de imagen bidimensional. Por ejemplo, un animal puede detectarse en un módulo de registro de animales, tal como una cámara, a la 1 p.m. La ventana temporal puede ajustarse inicialmente a un intervalo de /- el tiempo de la cámara, por ejemplo, de -300 segundos a 300 segundos a partir de la 1 p.m. Los datos obtenidos asociados a la pluralidad de animales pueden guardarse en una base de datos o servidor y similares para su posterior procesamiento y/o análisis.

[0282] En la etapa 1830, el método comprende la obtención de, a través de al menos un módulo 1440 de identificación de animales en un segundo momento a lo largo de una segunda ventana temporal, datos asociados a un identificador de cada uno de un subconjunto de la pluralidad de animales 1405_1 - 1405_6. Por ejemplo, el(los) animal(es) puede detectarse en un módulo de identificación de animales, como un lector RFID, a las 1.05 p.m. La ventana temporal puede ajustarse inicialmente a un intervalo de /- el tiempo de la cámara, por ejemplo, de -300 segundos a 300 segundos a partir de la 1 p.m. Los datos obtenidos asociados al identificador de cada uno del subconjunto de la pluralidad de animales pueden guardarse en una base de datos o servidor y similares para su posterior procesamiento y/o análisis.

[0284] El módulo de registro de al menos un animal 1410 puede estar situado en una primera ubicación y el módulo de identificación de al menos un animal 1440 puede estar situado en una segunda ubicación, en donde la primera ubicación está separada de la segunda.

[0286] El módulo de identificación de al menos un animal 1440 tiene un rango 1445 de detección y el sensor de imagen bidimensional tiene un campo 1415 de visión de tal forma que el intervalo de detección y el campo de visión no coinciden.

[0288] El módulo de registro de al menos un animal 1410 está configurado para identificar animales individuales dentro de la primera ventana temporal y asociar los animales individuales con una marca de tiempo correspondiente a un punto de detección para ese animal.

[0290] El módulo de identificación de al menos un animal 1440 está configurado para identificar animales individuales dentro de la segunda ventana temporal y asociar los animales individuales con una marca de tiempo correspondiente a un punto de detección para ese animal.

[0292] En la etapa 1850, el método comprende correlacionar el animal individual identificado por el al menos un módulo de registro de animales en la primera ventana temporal con el animal identificado por el al menos un módulo de identificación de animales en la segunda ventana temporal.

[0294] En la etapa 1860, el método puede estar configurado para repetir los pasos 1810, 1830, 1850 hasta que el sistema haya identificado el animal individual identificado por el al menos un módulo de registro de animales en la primera ventana temporal con el animal identificado por el al menos un módulo de identificación de animales en la segunda ventana temporal durante al menos cuatro veces. Por ejemplo, el sistema puede requerir un historial de lecturas y vectores, son los vectores de identificación descritos anteriormente, antes de una asignación definitiva de identidad. El historial de lecturas y vectores puede requerir al menos cuatro apariciones de un animal concreto antes de que el sistema inscriba a ese animal identificado.

[0296] En la etapa 1870, el método comprende ajustar la anchura de la segunda ventana temporal con respecto a la primera ventana temporal o un desfase de la segunda ventana temporal con respecto a la primera ventana temporal. Por ejemplo, el ajuste puede realizarse basándose en el número de animales correlacionados en una ventana temporal actual comparado por el número de animales correlacionados en una ventana temporal mayor que la ventana temporal actual, por ejemplo. De este modo, tras una fase de inscripción, el sistema funciona de tal manera que, tras la inscripción, cada vez que se vea o identifique a un animal, puede proporcionarse una visión de ese animal. Esta etapa puede realizarse después de la inscripción de un animal para al menos las cuatro instancias u ocurrencias.

[0298] En la etapa 1890, las etapas 1810, 1830 y 1850 se repiten con la anchura ajustada o el desfase de la ventana temporal. Las etapas 1810, 1830 y 1850 pueden repetirse continuamente.

[0300] En el diagrama de flujo de la Figura 20 se describe un método 1900 para ajustar o refinar la ventana temporal mostrada en la Figura 19. En esta realización, en la etapa 1910 se establece una ventana temporal inicial. La ventana temporal inicial puede basarse en la consideración individual de la configuración de la explotación en cuestión. Esto puede basarse en estimaciones del gestor/propietario de la explotación sobre el tiempo que tardan los animales en desplazarse desde el módulo de identificación de animales, como el lector RFID, al módulo de registro de animales, como la cámara, o desde el módulo de registro de animales, como la cámara, al módulo identificador de animales, como el lector RFID. A continuación, la estimación inicial puede fijarse en un intervalo de /- unos minutos o segundos a partir de esa hora. Si no se dispone de presupuesto, puede ser posible fijar la ventana temporal inicial de forma más amplia a, por ejemplo, hasta 20 minutos. En más ejemplos, el sistema puede configurarse para tener una ventana temporal de hasta 60 o 70 minutos. De este modo, el sistema resolvería los problemas que plantean los cambios de hora debidos, por ejemplo, al horario de verano, que pueden hacer que el reloj se desincronice hasta 1 hora. Se recomienda no utilizar el sistema durante un intervalo de tiempo con un límite superior o inferior superior a 20 minutos. Por ejemplo, cuanto mayor sea el tamaño de una ventana temporal, mayor será el número de candidatos, o de animales, pasar por la(s) cámara(s) y el(los) lector(es) RFID. El sistema puede configurarse para evitar una variación excesiva en los desfases temporales que daría lugar a una ventana temporal RFID demasiado amplia con demasiados candidatos. En la etapa 1920, tras la recopilación de un número suficiente de desfases temporales de identificaciones correctas del animal o animales de 1920, en la etapa 1930 se calcula una medida estadística de los desfases temporales 1930 y en la etapa 1940 se establece una ventana temporal refinada desde un percentil 5.° hasta el percentil 95-ésimo de los desfases temporales ordenados. Por ejemplo, un número suficiente de desfases de tiempo puede ser un período de ordeño. Algunas granjas pueden ordeñar 1000 vacas en 10 horas, algunas pueden ordeñar 300 vacas en 5 horas. El sistema puede estar configurado para funcionar durante un período de ordeño y ajustar la ventana temporal después del período de ordeño. Los periodos de ordeño posteriores pueden utilizarse para afinar la ventana temporal.

[0302] En más ejemplos de la disposición anterior, se pueden realizar las siguientes etapas para acotar una ventana temporal.

[0303] 1) Durante la fase de instalación de una granja, el sistema establece una ventana inicial. Esta ventana inicial puede ajustarse manualmente.

[0304] 2) Para cada escaneo, como un escaneo de RFID, realizado por el módulo de identificación de animales, por ejemplo, el lector RFID, se realizan las siguientes etapas:

[0305] El sistema detecta, rastrea y extrae rasgos clave sobre cada animal que pasa bajo la cámara del módulo de registro de animales durante la ventana temporal inicial. La detección, el rastreo y la extracción de los rasgos clave pueden realizarse como se ha descrito anteriormente.

[0306] Si una determinada información RFID existe en una base de datos de correlaciones obtenida previamente, el sistema intenta identificar al animal a partir del conjunto de candidatos, o animales, que han transcurrido durante la ventana temporal inicial. Por ejemplo, el sistema puede identificar de forma única al animal. Es decir, un valor de similitud o la información obtenida para ese animal puede tener una similitud coseno superior al umbral 0,5. En ese caso, el sistema puede calcular un desfase de tiempo para esta coincidencia como, por ejemplo, la diferencia en segundos entre las marcas de tiempo de escaneado RFID y la marca de tiempo del objeto rastreado.

[0307] El sistema guarda un registro de este desfase y de cualquier otro con el que pueda coincidir, por ejemplo, un ordeño de los animales.

[0308] 3) Una vez que el sistema ha intentado encontrar una correlación única para cada escaneo de RFID utilizando la ventana temporal inicial, el sistema realiza las siguientes etapas:

[0309] El sistema está configurado para determinar una nueva ventana de desfase horario para la configuración de la granja.

[0310] Utilizando los desfases de la etapa 2), el sistema está configurado para calcular el 5.° y el 95-ésimo percentil para proporcionar un límite inferior y superior a una nueva ventana temporal.

[0311] Si la ventana temporal ha cambiado, repetir las etapas 2) y 3).

[0312] Esta etapa garantiza que el sistema refine continuamente la ventana temporal que vincula el desfase de las marcas de tiempo del escáner RFID con las marcas de tiempo del objeto rastreado.

[0313] Al reducir el margen de tiempo, esto reduce el número de candidatos que pueden tenerse en cuenta, lo que mejora la inscripción de nuevos animales/candidatos y ayuda a identificar coincidencias únicas.

[0314] Cuantas más correlaciones obtenga o determine el sistema, más ejemplos de desfase temporal obtendrá el sistema para calibrar mejor su ventana temporal.

[0315] La presente invención también puede utilizarse para elaborar un historial. Por ejemplo, antes de que el sistema pueda asignar con seguridad una identidad a un animal que pueda utilizarse para ajustar la ventana temporal, el sistema puede necesitar haber visto un animal concreto al menos cuatro veces. Podría ser, por ejemplo, cuatro veces en un día, dos veces al día durante un periodo de dos días o una vez al día durante un periodo de cuatro días. Esto proporciona al sistema un conjunto de desfases y vectores de línea base, como vectores obtenidos para un animal como se ha descrito anteriormente, cuando el sistema puede alinear una ocurrencia más frecuente de una lectura RFID a lo largo de los cuatro días. Para algunos animales, puede tardar más de cuatro días. Por ejemplo, si un animal se parece mucho a otro animal y siempre pasan por un módulo 1440 de identificación de animales y un módulo 1410 de registro de animales uno al lado del otro, puede que el sistema tarde más en ser capaz de identificar a cada uno de estos animales.

[0316] Por ejemplo, el sistema de la Figura 15 puede estar configurado para construir un historial basado en la información que se recoge del módulo 1410 de registro de animales y del módulo 1440 de identificación de animales. Esto se considera una inscripción. Durante, por ejemplo, los cuatro primeros días de funcionamiento, el sistema puede:

[0317] Comenzar con una ventana temporal inicial establecida durante una etapa de configuración de la instalación, por ejemplo, aunque no exclusivamente, en una granja. La ventana temporal inicial puede ser fijada manualmente por un usuario.

[0318] Por cada escaneo en el módulo 1440 de identificación de animales, como un escaneo de RFID, el sistema: detecta, rastrea y extrae rasgos clave sobre cada animal que pasa por debajo del módulo de registro de animales, tal como una cámara, durante una ventana temporal inicial. La detección, el rastreo y la extracción de los rasgos clave pueden realizarse como se ha descrito anteriormente.

[0319] Si un animal RFID ha sido visto al menos cuatro veces en estos cuatro días en el módulo 1440 de identificación de animales:

[0321] Se realiza una inscripción para esa RFID:

[0323] El sistema toma los candidatos del día actual, candidatos que son los animales y los compara con las tandas anteriores de candidatos. Es decir, un conjunto de candidatos por cada vez que se ha visto o detectado la información RFID.

[0325] Utilizando los rasgos extraídas por el sistema, el sistema identifica si un animal concreto ha aparecido con más frecuencia que otro, por ejemplo, al menos cuatro veces. Si el sistema ha identificado que un determinado animal ha aparecido con más frecuencia que cualquier otro, a continuación, el sistema añade este animal a una base de datos de correlaciones e incluye información sobre el número de veces que ha sido visto.

[0327] Si el sistema no puede identificar un animal único que aparece con frecuencia, el sistema está configurado para omitir o ignorar la información RFID de ese animal e intentar inscribirlo en una fase de inscripción futura.

[0329] En referencia a la Figura 10 descrita anteriormente, se describió un proceso 1000 para inscribir a un animal. Con referencia a las Figuras 14 a 20, la presente invención procesa un grupo de animales y una vez que el grupo de animales se procesan en una ventana temporal, el sistema recoge todos los recuadros delimitadores rastreados y todas las identificaciones, ID, lee desde cualquier dispositivo de identificación, es decir, al menos un módulo 1440 de identificación de animales y al menos un módulo 1410 de registro de animales en la zona donde está instalado el sistema, y luego comparando la colección de lecturas, los vectores de identificación y el número de veces que el módulo de identificación ha determinado que una identificación de un animal se encontraba en las proximidades del módulo de identificación siempre que un animal con estos vectores de identificación se encontraba bajo el módulo de registro de animales, que es la cámara, a continuación, el sistema reduce esta información a la identificación más común, lo que permite al sistema identificar al animal. El sistema es dinámico y autoexpansivo. Por ejemplo, incluso si no se facilitan datos de configuración cuando se monitorizan los animales de una población, con el tiempo se volverá a escanear al mismo animal. A continuación, el sistema reconocerá al animal a partir de la coincidencia del vector de identificación con el vector de identificación formado anteriormente para el mismo animal. A su debido tiempo, todos los animales pueden ser inscritos automáticamente de la manera descrita e identificada anteriormente.

[0331] En ciertas realizaciones alternativas, las funciones y/o los actos especificados en los organigramas, los diagramas de secuencia y/o los diagramas de bloques pueden reordenarse, procesarse en serie y/o procesarse simultáneamente sin apartarse del alcance de la invención. Es más, cualquiera de los organigramas, diagramas de secuencia y/o diagramas de bloques pueden incluir más o menos bloques que los ilustrados de acuerdo con las realizaciones de la invención.

[0333] La terminología como se emplea en esta memoria tiene por objeto describir únicamente realizaciones particulares y no pretende limitar las realizaciones de la invención. Tal como se utiliza en el presente documento, las formas en singular "un", "una" y "el, la" se entenderán que incluyen también las formas en plural, salvo que del contexto se desprenda claramente lo contrario. Asimismo, se entenderá que los términos "comprende" y/o "que comprende", cuando se utilicen en la presente memoria, especifican la presencia de características, enteros, etapas, operaciones, elementos y/o componentes indicados, pero no excluyen la presencia o adición de una o más otras características, enteros, etapas, operaciones, elementos, componentes y/o grupos de los mismos. Además, en la medida en que los términos "incluye", "que tiene", "tiene", "con", "compuesto de", o sus variantes se utilicen ya sea en la descripción detallada o en las reivindicaciones, tales términos se pretende que sean inclusivos de manera similar al término "que comprende".

Claims

1. REIVINDICACIONES

1. Un método (1800) realizado por un sistema (1400) para identificar un animal individual de una pluralidad de animales (1405), comprendiendo el sistema (1400) al menos un módulo (1410) de registro de animales situado en una primera ubicación y un módulo (1440) de identificación de animales situado en una segunda ubicación, en donde la primera ubicación está separada de la segunda ubicación, en donde el al menos un módulo (1410) de registro de animales comprende un sensor de imagen bidimensional, en donde el módulo (1440) de identificación de animales comprende un receptor electrónico para recibir señales inalámbricas, y en donde el módulo (1440) de identificación de animales tiene un intervalo (1445) de detección y el sensor de imagen bidimensional tiene un campo (1415) de visión tal que el intervalo (1445) de detección y el campo (1415) de visión no coinciden, comprendiendo el método (1800) las siguientes etapas:

a) obtener (1810), a través del al menos un módulo (1410) de registro de animales en un primer momento a lo largo de una primera ventana temporal, datos asociados a la pluralidad de animales (1405), comprendiendo los datos asociados a la pluralidad de animales (1405) un vídeo del sensor de imagen bidimensional, en donde el al menos un módulo (1410) de registro de animales está configurado para identificar animales individuales de la pluralidad de animales (1405) dentro de la primera ventana temporal y asociar los animales individuales de la pluralidad de animales (1405) con una marca de tiempo correspondiente a un punto de detección para ese animal;

b) obtener (1830), a través del módulo (1440) de identificación de animales en un segundo momento a lo largo de una segunda ventana temporal, datos asociados a un identificador de cada uno de un subconjunto de la pluralidad de animales (1405), comprendiendo los datos asociados a un identificador de cada uno de un subconjunto de la pluralidad de animales (1405) una señal inalámbrica que identifica al animal, en donde el al menos un módulo (1440) de identificación de animales está configurado para identificar animales individuales del subconjunto de la pluralidad de animales (1405) dentro de la segunda ventana temporal y asociar cada animal individual del subconjunto de la pluralidad de animales (1405) con una marca de tiempo correspondiente a un punto de detección para ese animal;

c) correlacionar (1850) el animal individual identificado por el al menos un módulo (1410) de registro de animales en la primera ventana temporal con el animal identificado por el al menos un módulo (1440) de identificación de animales en la segunda ventana temporal;

d) repetir (1860) las etapas a) a c) hasta que el sistema (1400) haya correlacionado el animal individual identificado por el al menos un módulo (1410) de registro de animales en la primera ventana temporal con el animal identificado por el al menos un módulo (1440) de identificación de animales en la segunda ventana temporal durante al menos cuatro veces; y

e) reducir o aumentar (1870) la anchura de la segunda ventana temporal con respecto a la primera ventana temporal y/o un desfase de la segunda ventana temporal con respecto a la primera ventana temporal y repetir (1890) las etapas a) a c) con la anchura y/o el desfase reducidos o aumentados de la segunda ventana temporal.

2. El método (1800) de la reivindicación 1, en donde, tras correlacionar (1850) el animal individual identificado en la primera ventana temporal con el animal identificado en la segunda ventana temporal durante al menos cuatro veces, se inscribe al animal identificado en el sistema.

3. El método (1800) de cualquier reivindicación anterior, en donde la correlación (1850) del animal individual identificado por el al menos un módulo de registro de animales con el animal identificado por el al menos un módulo de identificación de animales se realiza en las ventanas temporales primera y segunda.

4. El método (1800) de cualquier reivindicación anterior, en donde la primera ubicación está separada de la segunda por una distancia, D, de hasta 50 metros, preferiblemente de hasta 10 metros.

5. El método (1800) de cualquier reivindicación anterior, en donde la anchura o el desfase de la segunda ventana temporal con respecto a la primera ventana temporal es de hasta 20 minutos, preferiblemente de hasta 5 minutos.

6. El método (1800) de cualquier reivindicación anterior, en donde las ventanas temporales primera y segunda se establecen con un valor de ventana temporal inicial, en donde el valor se basa en una velocidad o intervalo de velocidades de al menos uno o más de los animales (1405) que se mueven entre el módulo (1440) de identificación de animales y el módulo (1410) de registro de animales.

7. El método (1800) de cualquier reivindicación anterior, en donde el valor de la ventana temporal inicial se basa en la información introducida por el usuario.

8. El método (1800) de cualquier reivindicación anterior, en donde el sensor de imagen bidimensional es una cámara en color.

9. El método (1800) de cualquier reivindicación anterior, en donde el módulo de identificación de animales comprende un lector de identificación por radiofrecuencia, RFID.

10. El método (1800) según la reivindicación 1, en donde los datos asociados al identificador de cada uno del subconjunto de la pluralidad de animales es información recibida, en el lector de RFID, de un dispositivo de RFID conectado a cada uno del subconjunto de la pluralidad de animales.

11. Un sistema (1400) para identificar la identidad de un animal de una pluralidad de animales, comprendiendo el sistema:

un sistema de detección de animales que comprende:

medios para obtener (1410) una grabación de vídeo de un animal (1405) que se mueve por un espacio, la grabación de vídeo captada por un dispositivo (1410) de imagen bidimensional desde un ángulo superior;

medios para obtener (1440) un identificador de un animal (1405) que se mueve por un espacio, el identificador detectado por un módulo (1440) de identificación de animales separado del dispositivo (1410) de imagen bidimensional;

un dispositivo (140a, 140b, 140c) de usuario acoplado comunicativamente al sistema de detección de animales y configurado para recibir información asociada a la identidad del animal (1405),

en donde el sistema de detección de animales comprende:

al menos un procesador configurado para realizar el método (1800) de una cualquiera de las reivindicaciones 1 a 10.

12. Una puerta de selección, una sala de ordeño rotativa o en espina de pez que comprende el sistema (1400) según la reivindicación 11.

13. Una explotación ganadera que comprende el sistema (1400) según la reivindicación 11.