El estudio desarrolla y evalúa un sistema de visión artificial que combina aprendizaje profundo y modelado geométrico para extraer automáticamente descriptores interpretables de la postura felina a partir de imágenes laterales
Desarrollan un sistema de visión artificial que permite analizar la postura de los gatos a partir de vídeos
El estudio desarrolla y evalúa un sistema de visión artificial que combina aprendizaje profundo y modelado geométrico para extraer automáticamente descriptores interpretables de la postura felina a partir de imágenes laterales
Redacción -
01-09-2026 - 14:30 H -
min.
Un estudio que ha contado con la participación de Ceva Salud Animal ha desarrollado un marco automatizado e interpretable que combina aprendizaje profundo y modelado geométrico para extraer descriptores de la postura felina.
La postura corporal, explican, proporciona información clínicamente relevante en los gatos, pero su interpretación puede resultar difícil porque las señales posturales suelen ser sutiles, dependen del contexto y están sujetas a variabilidad entre observadores. Para abordar estas dificultades, los investigadores han diseñado un sistema no invasivo que analiza imágenes RGB laterales obtenidas mediante cámaras de bajo coste.
El marco integra detección de objetos, segmentación anatómica, estimación de la pose, redes neuronales convolucionales ligeras y análisis geométrico basado en reglas dentro de una cadena de procesamiento estructurada. A partir de imágenes laterales del gato en posición erguida, genera descriptores sobre la postura general, la inclinación de la cabeza, la inclinación y curvatura del lomo y la configuración de la cola.
Los autores eligieron específicamente la perspectiva lateral tras consultar con especialistas en comportamiento animal, que la consideraron la más informativa para valorar la postura felina en la práctica habitual. Indicadores como la curvatura del tronco, la inclinación de la cabeza y la orientación de la cola se expresan principalmente en el plano sagital y pueden evaluarse con mayor fiabilidad cuando resulta visible el perfil completo del animal.
En la evaluación basada en imágenes, las redes neuronales alcanzaron una precisión del 92,6% al identificar imágenes laterales y del 93,1% al clasificar la postura general. Estos resultados se obtuvieron utilizando aproximadamente 38 veces menos parámetros entrenables que los modelos de referencia basados en VGG19.
Tras aplicar filtros relacionados con la calidad de la imagen y el punto de vista, la precisión llegó al 88% para la inclinación de la cabeza, al 95% para la inclinación del lomo, al 90% para la curvatura dorsal y al 95,47% para la configuración de la cola. En los experimentos realizados con secuencias completas de vídeo, la cantidad de fotogramas aprovechables dependió especialmente de la visibilidad lateral y de la presencia de oclusiones.
Según los investigadores, el análisis continuado de estos descriptores permite caracterizar, comparar y resumir objetivamente secuencias de comportamiento, en lugar de limitarse a clasificar una postura estática. En los casos analizados, el sistema pudo distinguir diferentes trayectorias posturales durante la aproximación y la interacción de los gatos con un mismo estímulo ambiental.
No obstante, el estudio no establece relaciones causales entre las posturas detectadas y estados emocionales, motivacionales o de bienestar concretos. Los descriptores obtenidos son cantidades geométricas validadas frente a anotaciones humanas y no constituyen, por sí mismos, indicadores de ninguna condición clínica o afectiva.
Los próximos trabajos deberán ampliar y equilibrar el conjunto de datos, mejorar la resistencia del sistema frente a las oclusiones y los puntos de vista inadecuados y validar la relación entre los descriptores posturales y los instrumentos establecidos para evaluar dolor, estrés, bienestar y comportamiento felino.
Hasta que se complete esa validación prospectiva, el marco debe entenderse como una herramienta para generar mediciones posturales objetivas, estandarizadas e interpretables, con potencial para complementar la observación humana en medicina veterinaria del comportamiento, investigación y seguimiento del bienestar animal, pero no como un instrumento clínico o diagnóstico.