UDIT
Sistema de seguimiento y segmentación de ratones de laboratorio mediante visión artificial
Computer Vision
19/02/2026
En desarrollo
Segmentar ratones de laboratorio cuando dos o más individuos se solapan. Identificar y hacer seguimiento a cada uno de ellos sin utilizar etiquetas externas.
Descripción del Proyecto
EMPRESA
UDIT
IMPACTO EN NEGOCIO / KPIS
Posible reducción de coste y consumo energético
FECHA
VARIAS SESIONES DURANTE EL AÑO
ACTIVIDAD
TALLER Y VISITA A INSTALACIÓN
OBJETIVOS ESPERADOS
Mejorar el sistema de seguimiento (tracking)
Escalar el sistema a otros objetos. Por ejemplo, en la industria alimentaria segmentar piezas semejantes de frutas, verduras, frutos secos, etc. También en la recogida de estas piezas en el campo.
TIPO DE TECNOLOGÍA DE IA USADA
Visión por computadora. ML de modelos para inferencia de pose.
Hardware de coste asumible y código abierto (Raspberry Pi, Arduino)
ROLES Y RESPONSABILIDADES
Investigadores dentro del grupo de investigación de la UDIT en colaboración con otras universidades
REQUERIMIENTOS TÉCNICOS
El sistema de percepción se vincula con un manipulador robótico
MÉTRICAS DE ÉXITO
En los datasets utilizados, detección de objetos solapados con una precisión de 0.99, recall de 0.90 y un F1-score de 0.94. Errores de detección RMSE de unos 13píxeles (20%) a 40ms.
DESAFÍOS ENCONTRADOS
Fallos en el sistema en casos donde hay mucho solapamiento (un ratón se sube encima de otro) o hay muchos individuos solapados.
Dificultad en reproducir en el laboratorio los resultados publicados en el benchmark
PLAN DE MITIGACIÓN
Mejoras en el algoritmo. Integración de sistemas adicionales: flitros de tracking, sistemas mixtos de Cmputer Vision y Machine Learning.
QUÉ MEJORAR EN FUTURAS IMPLEMENTACIONES
Integrar sistemas adicionales como filtros de kalman, y otros de tracking. Integrar un pipeline de aprendizaje para modelos de inferencia de poses
DATOS UTILIZADOS
Varios datasets de ratones de laboratorio. Por ejemplo: Trimouse.
113 Imágenes etiquetadas con 12 puntos corporales en cada individuo (ratón)
HERRAMIENTAS / PLATAFORMAS
Visión por computadora. ML de modelos para inferencia de pose.
Hardware de coste asumible y código abierto (Raspberry Pi, Arduino)
PROCESO / SISTEMA AL QUE SE INTEGRA
El sistema es capaz de segmentar objetos similares con forma redondeada cuando hay solapamiento y calcular el punto central de cada objeto. Se integra en sistemas automáticos de recogida de frutas, frutos secos.
Contabilización en tiempo real de piezas semejantes
RESULTADOS OBTENIDOS O ESPERADOS
El principal beneficio del sistema es que no necesita de entrenamiento previo, solamente calibración, y de que funciona en tiempo real en hardware de bajo coste.
ASPECTOS ÉTICOS O DE GOBERNANZA
N/A
QUÉ FUNCIONÓ BIEN
Segmentación de dos o más individuos en la mayoría de casos de solapamiento. Detección de individuos sin solapamiento (caso trivial)