Discernimiento de bordes con el algoritmo Canny para la identificación y conteo de cuyes
Palabras clave:
Cobayos, Ganadería de precisión, visión computari- zadaResumen
En la región andina, la crianza del cuy (Cavia porcellus)
es una actividad de gran relevancia económica y cultural,
especialmente en Perú y Ecuador. Este estudio analiza la
aplicación del algoritmo Canny para la detección de bordes
y el conteo automático de cuyes a partir de imágenes digitales
capturadas con un UAV (Vehículo aéreo no tripulado). Se aplicó
un filtro gaussiano para reducir el ruido de las imágenes y se
utilizó el algoritmo Canny para identificar los contornos de los
animales, logrando una precisión del 75 % en el conteo. Sin
embargo, se detectaron dificultades para identificar cuyes de
color blanco debido al bajo contraste, lo que generó un margen
de error. Para mejorar la precisión del algoritmo, se sugiere
la homogeneización del color de los cuyes. Este enfoque de
visión por computadora representa un avance significativo para
la automatización y eficiencia en la gestión de poblaciones
animales en la ganadería de precisión, permitiendo optimizar
recursos y mejorar la trazabilidad. El uso de esta tecnología
puede transformar las prácticas de cría y manejo de cuyes,
contribuyendo a una gestión más sostenible y eficiente
Descargas
Referencias
Canny, J. (1993). Computing roadmaps of general semi-
algebraic sets. The Computer Journal, 36 (5), 504–
Carhuas, J. N., Grados, L. A. C., Payano, I. U., Garcia-
Olarte, E., Mauricio-Ramos, Y., Eulogio, C. Q., y
Mohamed, M. M. H. (2025). Counting sheep:
human experience vs. Yolo algorithm with drone
to determine population. Veterinary Integrative
Sciences, 23 (2), 1–9.
González González, F. A., Torres Mata, J., Lerma Sánchez,
A. M., y González Sánchez, I. C. (2023). Aprendizaje
para obtener la medición del costo computacional
de los algoritmos de reconocimiento de imágenes
en hojas del cultivo de soya. RIDE. Revista
Iberoamericana para la Investigación y el Desarrollo
Educativo, 14 (27).
Koniar, D., Hargaš, L., Loncova, Z., Simonova, A.,
Duchoň, F., y Beňo, P. (2017). Visual system-
based object tracking using image segmentation for
biomedical applications. Electrical Engineering, 99 ,
–1366.
Lucas, C. T., Román, A. V., Flores, D. D. C., y
Calderón, G. A. E. (2021). La crianza de cuy
y procesamiento con fines de exportación en la
provincia de Acobamba. Dominio de las Ciencias,
(3), 1659–1679.
Ortiz Rangel, E., Mejía-Lavalle, M., y Sossa, H. (2017).
Filtrado de ruido Gaussiano mediante redes neuro-
nales pulso-acopladas. Computación y Sistemas,
(2), 381–395.
Pinchao-Pinchao, Y., Serna-Cock, L., Osorio-Mora, O.,
y Tirado, D. F. (2024). Guinea pig breeding
and its relation to sustainable food security and
sovereignty in South America: nutrition, health,
and production challenges. CyTA-Journal of Food,
(1), 2392886.
Quan, B., Wang, Y., Chen, Y., Zhang, M., Liu, J., Jia, Q.,
. . . Huang, X. (2023). A rational design of multiple-
layer films with continuous impedance gradient va-
riation for enhanced microwave absorption. Journal
of Materials Chemistry A, 11 (7), 3625–3631.
Rashid, M., Bari, B. S., Yusup, Y., Kamaruddin, M. A., y
Khan, N. (2021). A comprehensive review of crop
yield prediction using machine learning approaches
with special emphasis on palm oil yield prediction.
IEEE access, 9 , 63406–63439.
Rofes, J., Wheeler, J. C., y cols. (2003). Sacrificio de
cuyes en los Andes: el caso de El Yaral y una revisión
biológica, arqueológica y etnográfica de la especie
Cavia porcellus. Archaeofauna, 12 (January), 29–
SENMHI. (2020). Pronóstico de estación. Descargado de
https://www.senamhi.gob.pe/?p=pronostico
-detalle-turistico&localidad=0028
Silva, F. D. R., Uvidia, H., y Enriquez, M. Á. (2021).
Análisis del manejo, producción y comercialización
del cuy (Cavia porcellus L.) en Ecuador. Dominio
de las Ciencias, 7 (6), 1004–1018.
Wang, Y., Mücher, S., Wang, W., Guo, L., y Kooistra,
L. (2023). A review of three-dimensional computer
vision used in precision livestock farming for cattle
growth management. Computers and Electronics in
Agriculture, 206 , 107687.
Zheng, J., Li, M., Hu, S., Xiao, X., Li, H., y Li, W.
(2021). Research on optimization of agricultural
machinery fault monitoring system based on artificial
neural network algorithm. INMATEH-Agricultural
Engineering, 64 (2).
Zhou, P., Ye, W., Xia, Y., y Wang, Q. (2011). An improved
canny algorithm for edge detection. Journal of
Computational Information Systems, 7 (5), 1516–
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Voz Zootecnista
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Revista de Voz Zootecnista por Universidad Nacional del Centro del Perú se distribuye bajo una Licencia Creative Commons .
LOS AUTORES RETIENEN SUS DERECHOS:
a. Los autores retienen sus derechos de marca y patente, y también sobre cualquier proceso o procedimiento descrito en el artículo.
b. Los autores retienen el derecho de compartir, copiar, distribuir, ejecutar y comunicar públicamente el artículo publicado en la Voz Zootecnista (por ejemplo, colocarlo en un repositorio institucional o publicarlo en un libro).
c. Los autores retienen el derecho a hacer una posterior publicación de su trabajo, de utilizar el artículo o cualquier parte de aquel (por ejemplo: una compilación de sus trabajos, notas para conferencias, tesis, o para un libro), siempre que indiquen la fuente de publicación (autores del trabajo, revista, volumen, número y fecha).
