Desarrollo de plataforma para monitorización de ganado con Inteligencia Artificial

Abstract

En este Trabajo de Fin de Máster se ha desarrollado una plataforma multisensor para la monitorización acústica del ganado, empleando técnicas de Inteligencia Artificial. El sistema permite la captura de vocalizaciones y otros eventos acústicos emitidos por cabras y ovejas, complementando la información con datos visuales y de movimiento. Para lograr esto, se han utilizado tecnologías avanzadas como el marco GStreamer para la captura de audio y video, así como un modelo de Inteligencia Artificial basado en YAMNet para el análisis de vocalizaciones. La plataforma ha sido diseñada para ser modular y escalable, facilitando su implementación en diversos entornos ganaderos. El sistema propuesto no solo ofrece una alternativa no invasiva para la monitorización de la actividad animal, sino que también sienta las bases para futuras investigaciones en la creación de datasets especializados. Los desafíos encontrados durante el desarrollo incluyen el manejo del ruido ambiental y la variabilidad en las vocalizaciones, pero los resultados iniciales han demostrado el potencial para uso en la ganadería de precisión

This Master’s Thesis presents the development of a multisensor platform for livestock acoustic monitoring using Artificial Intelligence techniques. The system captures vocalizations and other acoustic events emitted by goats and sheep, complemented by visual and motion data. To achieve this, advanced technologies such as the GStreamer framework were used for audio and video capture, along with an Artificial Intelligence model based on YAMNet for vocalization analysis. The platform is designed to be modular and scalable, facilitating its implementation in various livestock environments. The proposed system offers a non-invasive alternative for monitoring animal activity and lays the foundation for future research in the creation of specialized datasets. The challenges encountered during the development include managing environmental noise and the variability of vocalizations, but initial results demonstrate the platform’s potential for use in precision livestock farming