Los feedlots operan a una escala donde el monitoreo de miles de animales genera cuellos de botella operativos, sesgos y latencia en las decisiones. Automatizar esto mejora la eficiencia operativa y el… See more

Los feedlots operan a una escala donde el monitoreo de miles de animales genera cuellos de botella operativos, sesgos y latencia en las decisiones. Automatizar esto mejora la eficiencia operativa y el bienestar animal, pero exige procesar grandes volúmenes de datos visuales en entornos altamente dinámicos. En esta charla presentamos la arquitectura de un sistema de visión computacional que procesa video en tiempo real transmitido por drones en vuelo. Analizaremos cómo el backend ingesta el streaming en vivo, identifica dinámicamente los corrales y recorta las áreas de interés para alimentar un pipeline de inferencia concurrente. Profundizaremos en la implementación y optimización de los modelos de Redes Neuronales Convolucionales (CNNs) diseñados para resolver tres problemas técnicos clave: - Detección: Conteo preciso de hacienda abordando los desafíos de alta oclusión. - Clasificación: Evaluación automática del nivel de alimento en los comederos. - Segmentación: Estimación de métricas de condición corporal y volumen mediante vistas cenitales. Finalmente, discutiremos el gran desafío de ejecutar la inferencia on-the-fly mientras el vuelo está en curso. Mostraremos cómo esta orquestación de IA minimiza la latencia y transforma los píxeles en indicadores productivos de alto valor al instante, reduciendo tareas manuales y modernizando la gestión del feedlot. Sobre Valentin Marcial: Valentin Marcial es un desarrollador de software especializado en visión computacional, con un fuerte enfoque en MLOps y arquitecturas en tiempo real. Su trabajo se centra en el despliegue de modelos de Deep Learning en entornos de producción de alta exigencia. Cuenta con experiencia en la ingesta y procesamiento de streaming de video, optimizando pipelines de inferencia concurrente para operaciones críticas. Utilizando el ecosistema de Python y herramientas de contenedorización, diseña soluciones escalables que transforman datos visuales dinámicos en indicadores productivos automatizados. Sobre Jeremías Avaro: Desarrollador de software especializado en Ruby on Rails, visión por computadora e inteligencia artificial aplicada a problemas del mundo real. Actualmente vivo en Rio Cuarto. Graduado en la Universidad Nacional de Rio Cuarto en la carrera de Analista en Ciencias de la Computacion. Finalizando el ultimo año en la carrera de Licenciatura en Ciencias de la Computacion. Show less