Clasificación de huevos de animales ovíparos mediante algoritmos de machine learning: una revisión sistemática

Abstract

En la industria avícola, la clasificación precisa de huevos de diferentes especies de animales ovíparos es fundamental para asegurar la excelencia del producto y optimizar los procedimientos de producción en granjas avícolas. El objetivo de este estudio es determinar el algoritmo más eficiente para clasificar huevos de animales ovíparos mediante machine learning, para ello la metodología utilizada es la recolección de imágenes de huevos pertenecientes a cinco especies: gallina, pava, pavilla, paloma y pato, con las que se construyó un conjunto de datos representativo para entrenar y probar diversos modelos de algoritmos y así saber cuál es el más eficaz. Los resultados demostraron que el algoritmo Support Vector Machine (SVM) obtuvo un rendimiento sobresaliente alcanzando una precisión superior al 95%; este modelo mostró una alta capacidad para diferenciar las especies de huevos a partir de características visuales únicas validando su efectividad en escenarios de clasificación compleja. Se realizaron pruebas exhaustivas que confirmaron la fiabilidad y precisión del modelo SVM lo que lo posiciona como una herramienta eficiente y práctica para la automatización de este proceso en la industria avícola. En conclusión, el uso de SVM no solo mejora la precisión en la clasificación, sino que también optimiza los tiempos y recursos ofreciendo una solución innovadora para la gestión de producción en granjas avícolas.