Sistema de identificación de ganado y gestión de seguros impulsado por inteligencia artificial

La identificación del ganado es fundamental por muchas razones. La gestión de la salud animal, la trazabilidad, la clasificación de razas y la verificación de reclamaciones de seguros dependen en gran medida de la identificación precisa de los animales. Convencionalmente, los animales han sido identificados por diversos medios como etiquetas en las orejas, tatuajes, implantes en el rumen y marcas al fuego. Al ser enfoques no científicos, estos controles pueden ser fácilmente eludidos. Las tecnologías emergentes de identificación biométrica se aplican ampliamente para el reconocimiento humano a través de huellas dactilares, características faciales o patrones de retina ocular. La aplicación de la tecnología de reconocimiento biométrico ahora se ha trasladado hacia los animales. La identificación del ganado con la ayuda de patrones de hocico ha mostrado resultados extraordinarios. Para una identificación precisa, la naturaleza ha otorgado un patrón de hocico único que puede ser utilizado como una característica biométrica primaria. El escaneo de imágenes del patrón del hocico para la identificación biométrica se ha aplicado ampliamente para la identificación. El reconocimiento de animales a través de imágenes del patrón del hocico para diferentes aplicaciones ha ido proliferando gradualmente. Una de esas aplicaciones incluye la identificación de reclamaciones fraudulentas de seguros bajo el seguro de ganado. Los propietarios de animales fraudulentos tienden a presentar reclamaciones falsas contra el seguro de ganado con animales sustitutos. En este artículo, proponemos una solución para evitar y/o descartar reclamaciones fraudulentas del seguro de ganado identificando inteligentemente a los animales sustitutos. La recopilación de datos de los patrones del hocico de los animales resultó ser un desafío. Los aspectos clave del sistema propuesto incluyen: (1) La cara del animal será detectada visualmente mediante el detector de objetos YOLO v7. (2) Después de la detección de la cara, se aplicarán los mismos procedimientos para detectar el punto del hocico. (3) El patrón del hocico se extrae y luego se almacena en la base de datos. El sistema tiene una precisión promedio de 100% para la cara y 99.43% para el punto de la nariz/hocico del animal. Una vez que el animal está registrado en la base de datos, el proceso de identificación se inicia extrayendo características únicas del patrón de la nariz con ORB y/o SIFT. Luego se empareja utilizando los emparejadores de patrones como BFMatcher y/o FLANNMatcher para la identificación animal. El modelo propuesto es más eficiente y preciso en comparación con enfoques concurrentes. Los resultados extraídos de este estudio de investigación muestran una identificación precisa del 100%.