MuuMetrics es un sistema de inteligencia artificial desarrollado para evaluar la salud de vacas Holstein mediante el análisis conjunto de su Body Condition Score (BCS) y sus Días en Leche (DEL). El proyecto integra procesamiento de imágenes, modelos de Deep Learning y reglas de negocio para generar un semáforo BCS–DEL que permite identificar de forma temprana posibles riesgos metabólicos en el ganado del CAETEC.
Este repositorio contiene el código, pipelines técnicos y modelos.sss La documentación completa (reportes CRISP-DM, exceles, PDFs, acuerdos, dataset, etc.) se encuentra en Google Drive y en Notion, que estan enlazados en este README para fácil acceso.
Si quieres saber como es que adaptamos la metodologia a nuestro proyecto consulta aqui
Determinar el estado de salud y condición corporal de vacas lecheras del corral seis del CAETEC.
Categorizar las vacas con base en el Body Condition Score (BCS) mediante análisis de imágenes y días en leche (DEL).
Comprensión del problema, valor, métricas y alcance del sistema.
Exploración inicial, calidad, estructura, fuentes y análisis preliminar.
Limpieza, anonimización, normalización, construcción del dataset final y generación de inputs para los modelos.
Generación de herramientas de modelado.
Integración con DEL + reglas del negocio: semáforo de salud.
Despliegue de resultados
- Python 3.10
- 8 GB RAM
- GPU opcional (acelera entrenamiento)
git clone https://github.com/MonicaMMartinezV/MuuMetrics.git
cd MuuMetrics| Nombre | Matrícula |
|---|---|
| Ulises Orlando Carrizales | A01027715 |
| Mónica Monserrat Martínez Vásquez | A01710965 |
| María José Soto Castro | A01705840 |
| Tomás Pérez Vera | A01028008 |
| Grant Keegan | A01700753 |
| Bárbara Alcántara | A01799609 |
Se aplicó el enfoque iterativo de la metodolgía CRISP-DM.
Se documentó la adaptación de la metodología CRISP-DM.
Se hizo revisión de la ortografía y redacción de los documentos.
Se añadieron accesos directos a cada entregable por fase de la metodología en el README.md del repositorio del equipo.
Se corrigió la introducción del reporte de modelado, haciendo más explícito el propósito de cada modelo desarrolado.
Se añadieron accesos directos al documento de logs auditables, bitacora de cambios y tablas de acceso en el reporte grupal de privacidad de datos.
Se añadió una sección resumiendo las observaciones del reporte.
Se agregaron imágenes que retratan el tratamiento de los datos.
Se agregaron referencias al contenido.
Se agregó justificación de las herramientas a utilizar en cada fase del proyecto.
Se añadió jsutificación al digrama de despliegue.