����������������������������������������������������������������������������������

 

 

Prototipo de sistema para el registro digital de perros mediante reconocimiento de huella nasal

 

Prototype of a system for digital dog registration using nose print recognition

 

Prot�tipo de um sistema para registo digital de c�es utilizando reconhecimento de impress�es nasais

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: e1726686510@uisrael.edu.ec �

 

Ciencias T�cnicas y aplicadas

Art�culo de Investigaci�n

 

 

* Recibido: 12 de abril de 2025 *Aceptado: 19 de mayo de 2025 * Publicado: �23 de junio de 2025

 

        I.            Universidad Israel, Ecuador.

      II.            Universidad Israel, Ecuador.

   III.            Universidad Israel, Ecuador.

Resumen

La identificaci�n de perros en Quito presenta desaf�os con los m�todos tradicionales de identificaci�n dificultando la recuperaci�n de mascotas en caso de p�rdidas y el control de poblaciones, el presente art�culo propone el dise�o de un prototipo de sistema para el registro digital basado en el reconocimiento biom�trico de la huella nasal de perros el cual busca determinar la viabilidad t�cnica y el potencial de esta tecnolog�a para mejorar la gesti�n y el bienestar animal en la ciudad definiendo requerimientos a partir de encuestas dirigidas a veterinarios, estudiantes de veterinaria, personal de albergues, rescatistas independientes y centros de atenci�n animal, junto a la captura y procesamiento de im�genes nasales para construir un conjunto de datos y se evaluar� el desempe�o del prototipo en cuanto a precisi�n y usabilidad, fundament�ndose en la problem�tica del abandono y la sobrepoblaci�n animal, tomando en cuenta la legislaci�n ecuatoriana de bienestar animal, los avances en biometr�a y visi�n artificial aplicados a la identificaci�n animal, en el desarrollo de la metodolog�a se emplear� un enfoque mixto, combinando la evaluaci�n cuantitativa del prototipo con la recopilaci�n cualitativa de requerimientos de usuarios.

Palabras clave: Reconocimiento Huella Nasal; Registro Digital Mascotas; Bienestar Animal; Quito; Prototipo; Biometr�a Animal.

 

Abstract

Dog identification in Quito presents challenges with traditional identification methods, making it difficult to recover lost pets and control populations. This article proposes the design of a prototype system for digital registration based on biometric recognition of dog nose prints. This seeks to determine the technical feasibility and potential of this technology to improve animal management and welfare in the city. Requirements are defined based on surveys addressed to veterinarians, veterinary students, shelter staff, independent rescuers, and animal care centers. The project also includes the capture and processing of nasal images to build a dataset. The prototype's performance will be evaluated in terms of accuracy and usability, based on the problems of animal abandonment and overpopulation, taking into account Ecuadorian animal welfare legislation, advances in biometrics and computer vision applied to animal identification. A mixed approach will be used in the development of the methodology, combining quantitative evaluation of the prototype with qualitative collection of user requirements.

Keywords: Nose Print Recognition; Digital Pet Registry; Animal Welfare; Quito; Prototype; Animal Biometrics.

 

Resumo

A identifica��o de c�es em Quito apresenta desafios com os m�todos tradicionais de identifica��o, dificultando a recupera��o de animais perdidos e o controlo da popula��o. Este artigo prop�e o projeto de um prot�tipo de um sistema para o registo digital baseado no reconhecimento biom�trico de impress�es nasais de c�es. O objetivo � determinar a viabilidade t�cnica e o potencial desta tecnologia para melhorar o maneio e o bem-estar animal na cidade. Os requisitos s�o definidos com base em pesquisas dirigidas a veterin�rios, estudantes de veterin�ria, pessoal de abrigos, socorristas aut�nomos e centros de cuidados animais. O projeto inclui ainda a captura e o processamento de imagens nasais para a constru��o de um conjunto de dados. O desempenho do prot�tipo ser� avaliado em termos de precis�o e usabilidade, com base nos problemas de abandono e sobrepopula��o de animais, tendo em conta a legisla��o equatoriana de bem-estar animal, os avan�os na biometria e a vis�o por computador aplicada � identifica��o animal. Ser� utilizada uma abordagem mista no desenvolvimento da metodologia, combinando a avalia��o quantitativa do prot�tipo com a recolha qualitativa dos requisitos do utilizador.

Palavras-chave: Reconhecimento de Impress�es Nasais; Registo Digital de Animais de Estima��o; Bem-estar Animal; Quito; Prot�tipo; Biometria Animal.

 

Introducci�n

En el contexto urbano contempor�neo, el crecimiento de la poblaci�n canina ha generado nuevas exigencias en cuanto a su identificaci�n, control sanitario y gesti�n responsable. La convivencia entre seres humanos y animales de compa��a requiere sistemas eficientes que permitan garantizar su bienestar, as� como la seguridad y tranquilidad de sus propietarios. Tradicionalmente, la identificaci�n de perros ha dependido de m�todos f�sicos como collares con placas met�licas, tatuajes o microchips, los cuales, aunque �tiles, presentan limitaciones relacionadas con la p�rdida, manipulaci�n, lectura especializada o falsificaci�n de datos.

En este sentido, la b�squeda de alternativas m�s eficaces ha llevado a considerar el uso de tecnolog�as biom�tricas, las cuales han demostrado ser altamente confiables en la identificaci�n de individuos por medio de rasgos �nicos e irrepetibles. En el caso espec�fico de los caninos, la huella nasal representa un rasgo biom�trico que cumple con estos criterios, siendo comparable a las huellas dactilares humanas por su unicidad y permanencia a lo largo del tiempo.

La identificaci�n correcta de perros sigue siendo un reto importante en la sociedad, tradicionalmente se utilizan m�todos de identificaci�n, como el collar de placa met�lica que contiene informaci�n de la mascota, su propietario y en algunos casos el c�digo QR. Sin embargo, estos m�todos no siempre son seguros o f�ciles de leer para su verificaci�n, complicando la recuperaci�n de mascotas extraviadas, as� como el control sanitario y la gesti�n responsable de la poblaci�n animal en la ciudad (Lescano, 2021). Por lo anterior, se propone un prototipo digital como una alternativa innovadora mediante el uso de herramientas tecnol�gicas.

El sistema de reconocimiento biom�trico basado en las caracter�sticas nasales del animal ha demostrado ser efectivo para varios prop�sitos, en relaci�n a esta investigaci�n las huellas nasales de perros se destacan como caracter�sticas altamente distintivas para la identificaci�n individual. Cada animal posee un patr�n �nico y distinto como son las crestas, surcos de su nariz y hocico, similar a las huellas dactilares en humanos (Cihan et al., 2023; Armas, 2024).

Esta singularidad convierte a la huella nasal en un marcador biom�trico confiable, permanente en el tiempo y no invasivo, lo que representa una ventaja significativa frente a otros m�todos de identificaci�n m�s tradicionales.

Adem�s, recientes investigaciones han mostrado que el an�lisis digital de im�genes de la huella nasal, mediante algoritmos de reconocimiento visual, permite no solo su almacenamiento seguro en bases de datos sino tambi�n su r�pida comparaci�n y validaci�n, facilitando procesos como la identificaci�n de animales perdidos, el registro sanitario y la trazabilidad en programas de control animal. En este contexto, la aplicaci�n de tecnolog�as de visi�n computacional e inteligencia artificial abre una nueva posibilidad para la implementaci�n de sistemas automatizados, accesibles desde dispositivos m�viles o plataformas web, promoviendo un modelo de gesti�n m�s eficiente, �tico y sostenible.

Desde esta perspectiva, este enfoque tecnol�gico no solo responde a una necesidad social emergente, sino que tambi�n se alinea con los principios de innovaci�n y transformaci�n digital en el �mbito de la protecci�n y bienestar animal. Por tanto, el desarrollo de un prototipo de sistema de registro digital basado en el reconocimiento de la huella nasal se presenta como una alternativa de gran potencial, que podr�a integrarse en pol�ticas p�blicas, campa�as de adopci�n y plataformas ciudadanas, generando impactos positivos tanto en la administraci�n urbana como en el v�nculo afectivo entre humanos y sus mascotas.

Ante esta realidad, el presente art�culo propone el desarrollo de un prototipo de sistema para el registro digital de perros basado en el reconocimiento de huella nasal, con el objetivo de ofrecer una alternativa tecnol�gica innovadora que facilite la identificaci�n individual de los animales. Esta soluci�n no solo busca mejorar el proceso de recuperaci�n de mascotas extraviadas, sino tambi�n fortalecer los sistemas de control sanitario y apoyo a pol�ticas p�blicas sobre tenencia responsable.

Este trabajo se enfoca en la viabilidad t�cnica y desarrollo de un prototipo de registro e identificaci�n de perros mediante el reconocimiento de huella nasal, aplicado en veterinarias y centros de acogida de la ciudad de Quito, Ecuador. Para el levantamiento de requerimientos, se aplicaron encuestas a distintos involucrados al cuidado animal, entre ellos veterinarios, estudiantes de veterinaria, personal de albergues, rescatistas y representantes de centro de atenci�n animal. Se busca determinar el potencial de esta tecnolog�a como una herramienta eficiente y efectiva para la identificaci�n de perros en este contexto local, cuya meta final, tras el desarrollo del prototipo, es establecer bases para una gesti�n eficiente, segura y responsable de las mascotas particularmente en perros (Chan et al., 2023).

 

Materiales y m�todos

Metodolog�a de investigaci�n

Se utiliz� para la investigaci�n un enfoque mixto (Molano, 2021), que describe de la mezcla de m�todos, t�cnicas cuantitativas y cualitativas en un mismo estudio cuya ventaja es su amplio alcance evaluativo y anal�tico. Los autores destacaron que los dise�os mixtos le permitieron llegar de una manera precisa y amplia en cuanto se refiere a la comprensi�n del fen�meno de investigaci�n. Adem�s, este trabajo se utiliz� la investigaci�n aplicada por el desarrollo de un prototipo funcional para registrar digitalmente los perros mediante el reconocimiento de huella nasal (Molano, 2021).

 

 

 

Fases metodol�gicas

Fase 1: Revisi�n de literatura

En esta fase se realiz� la revisi�n documental de fuentes cient�ficas, t�cnicas y acad�micas relacionadas con el reconocimiento biom�trico en animales, el uso de la huella nasal como identificador �nico, as� como estudios sobre el abandono, la sobrepoblaci�n de mascotas. Lo que permiti� sustentar te�ricamente la investigaci�n y establecer referentes conceptuales y metodol�gicos.

Fase 2: Recolecci�n de datos

Se recolectaron datos cualitativos y cuantitativos mediante la aplicaci�n de encuestas dirigidas a usuarios potenciales que permiti� identificar sus percepciones y requerimientos respecto a un sistema de prototipo de registro digital. En esta fase tambi�n se realiz� la toma fotogr�fica del �rea nasal de perros de distintas razas y edades lo que permiti� el aprendizaje autom�tico para el reconocimiento biom�trico, y brind� a trav�s de estas im�genes datos que permitieron el an�lisis t�cnico, incluyendo variables como la precisi�n del sistema, la tasa de error y la eficiencia de procesamiento de las mismas.

Fase 3: Dise�o de soluci�n

En esta etapa se definieron los requerimientos funcionales y no funcionales y se plante� la arquitectura del prototipo, se estableci� as�, las herramientas a utilizar para su desarrollo y se determin� la tecnolog�a a implementar para el reconocimiento biom�trico mediante la huella nasal.

Fase 4: Desarrollo e integraci�n

Se desarroll� el dise�o prototipo de registro digital incluyendo los m�dulos para el registro de informaci�n importante de cada perro, la captura de la huella nasal, el procesamiento de im�genes con el almacenamiento de datos y la interfaz de usuario.

Fase 5: Pruebas

Se realizaron pruebas funcionales y se evaluaron con exactitud del reconocimiento por huella nasal y usabilidad en la interfaz del prototipo. Estas pruebas incluyeron escenarios reales con distintas condiciones de iluminaci�n, posici�n de la mascota y calidad de imagen. Adem�s, se recopil� una retroalimentaci�n de los usuarios finales para identificar posibles mejoras y asegurar que la herramienta sea eficiente y confiable en entornos reales.

 

 

Figura 1: Fases de la metodolog�a de investigaci�n

Nota: Elaboraci�n propia

 

Resultados

Fase 1: Revisi�n de literatura

Biometr�a aplicada a animales

La biometr�a es una rama de la inform�tica que se encarga de identificar individuos a partir de sus caracter�sticas f�sicas o conductuales. Aunque tradicionalmente ha sido aplicada en humanos utilizando las huellas dactilares, el iris, el rostro, su aplicaci�n en animales ha tomado relevancia en los �ltimos a�os. Seg�n Burbano y Castro (2021), las t�cnicas biom�tricas implementadas en animales, como la huella nasal de perros permite una identificaci�n �nica y no invasiva, superando las limitaciones de los m�todos tradicionales como collares o microchips. En perros y otros animales de compa��a, el reconocimiento facial ha logrado alcanzar precisiones de hasta el 97% en un entorno de pruebas mediante la utilizaci�n de redes neuronales y visi�n artificial para la detecci�n de rasgos caracter�sticos (Choi et al., 2021).

Reconocimiento de huella nasal

La huella nasal de perros ha sido reconocida como una caracter�stica biom�trica estable y �nica similar a la huella dactilar en humanos. Seg�n estudios de Bae et al. (2021) y McGinley (2024) muestra como el reconocimiento de huellas nasales de perros puede ser una forma confiable de identificaci�n. Esto ofrece una oportunidad para desarrollar sistemas digitales de registros y control de perros.

Visi�n por computadora en la biometr�a animal

El desarrollo de sistemas para el reconocimiento de huellas nasales requiere del uso de t�cnicas de visi�n por computadora, una rama de la inteligencia artificial que permite a las m�quinas analizar e interpretar. En el estudio de Bae et al. (2021) se implementaron modelos como Siamese Networks y CNNs que permiten extraer caracter�sticas �nicas de las huellas nasales. La aplicaci�n de este tipo de tecnolog�as permite a las computadoras identificar objetos, separarlos del fondo y encontrar patrones de las im�genes capturadas para la identificaci�n de perros.

Tecnolog�as para la gesti�n de perros

Actualmente, la gesti�n eficiente de perros se ha apoyado en el desarrollo de tecnolog�as como plataformas digitales. aplicaciones m�viles y sistemas de bases de datos interconectados. Estas soluciones permiten el registro, monitoreo y seguimiento sanitario de los animales. El aprovechamiento de estas tecnolog�as mejora el control administrativo, sino facilita la identificaci�n animal en tiempo real (Piray et al., 2023).

Abandono y sobrepoblaci�n Animal.

El abandono y la sobrepoblaci�n de perros tiene efectos directos sobre la salud p�blica y el bienestar animal.

En ciudades como Quito, el incremento de animales en situaci�n de calle ha generado un impacto negativo en la salud, en la calidad de vida de nuestra ciudad, en la �tica y la moral. Lescano (2021) resalta que la falta de un registro adecuado y control de natalidad conlleva al sufrimiento animal, aumenta el riesgo de transmisi�n de enfermedades zoon�tica y eleva los costos de atenci�n en las veterinarias.�

Bienestar Animal en el Ecuador

En el contexto ecuatoriano, la protecci�n animal est� respaldada por leyes nacionales y ordenanzas municipales. La normativa establece lineamientos sobre el trato digno. la tenencia responsable, y la gesti�n de animales en situaci�n de abandono. Seg�n L�pez (2024) destaca que, aunque existen disposiciones legales su aplicaci�n efectiva presenta debilidades, especialmente en los mecanismos de fiscalizaci�n y la integraci�n de tecnolog�as para el seguimiento de estos casos.

Es fundamental comprender que el bienestar animal no se limita a la ausencia de maltrato f�sico, sino que incluye aspectos emocionales, sociales y ambientales. Piray (2022) indica que para garantizar el bienestar integral es importante cubrir las necesidades b�sicas, proporcionar atenci�n veterinaria oportuna y la provisi�n de interacciones positivas con el entorno.

Fase 2: Recolecci�n de datos

Con el prop�sito de validar los requerimientos funcionales y no funcionales para el desarrollo del prototipo de sistema de registro digital de perros mediante reconocimiento de huella nasal (Weng et al. 2022), se realiz� encuestas que estuvo dirigida a veterinarios, estudiantes de veterinaria y personal relacionada al segmento como albergues, rescatistas independientes y personal vinculado a centros de atenci�n animal.

1.                 Determinaci�n del tama�o de la muestra

Para determinar el tama�o adecuado de la muestra, se aplic� la siguiente f�rmula estad�stica:

�� � 19

Donde:

N = 60 (tama�o de la poblaci�n identificada entre veterinarios, estudiantes, rescatistas, etc.)

Z= 1.96 (valor correspondiente al 95% de nivel de confianza)

p= 0.5, q = 0.5 (m�xima variabilidad)

e = 0.1 (margen de error del 10%)

Al sustituir valores en en la f�rmula, el tama�o de la muestra calculado fue de aproximadamente 19 personas, quienes fueron encuestadas para la recolecci�n de datos.

2.                 Perfil de los encuestados

Se recolectaron un total de 19 encuestas, provenientes principalmente de profesionales veterinarios, estudiantes universitarios que se encuentran realizando pasant�as en cl�nicas y centros veterinarios. Principalmente, las instituciones a las que pertenecen incluyen cl�nicas privadas como instituciones educativas.� La tabla 1, detalla los resultados obtenidos a partir de encuestas realizadas

 

 

 

 

 

Tabla 1: Resultados de la encuesta

Nota: Elaboraci�n propia

 

Con el fin de identificar las pr�cticas actuales y las necesidades tecnol�gicas relacionadas con el registro de mascotas, en la Tabla 1, se pueden valorar los siguientes os resultados, los que revelan que el 89,5 % de los encuestados actualmente realiza alg�n tipo de registro de informaci�n de mascotas, mientras que un 10,5 % no lleva a cabo esta pr�ctica. En cuanto al m�todo de registro utilizado, un 39,8 % emplea hojas de c�lculo (Excel), un 32,6 % utiliza sistemas inform�ticos, y un 27,6 % todav�a recurre a registros f�sicos como cuadernos, lo que evidencia una coexistencia de m�todos digitales y an�logos.

Respecto a los datos considerados esenciales para el registro de las mascotas, los encuestados se�alaron como prioritarios el nombre, edad y peso (100 %), seguidos de la raza (94,6 %), especie y sexo (89,47 %), mientras que informaci�n m�s detallada como la fecha de nacimiento, historial m�dico y estado general fueron considerados en menor proporci�n, aunque a�n significativos.

En relaci�n con los datos del propietario o responsable de la mascota, el 100 % de los participantes indic� la importancia de registrar el nombre, direcci�n y tel�fono, seguido por el n�mero de c�dula (94,6 %) y medios de contacto alternativos como el correo electr�nico y contacto de emergencia (73,68 % cada uno). Al explorar las funcionalidades deseadas en un sistema de registro basado en biometr�a nasal, los encuestados destacaron como m�s �tiles el registro por huella (63,16 %), la edici�n de informaci�n (57,89 %) y el registro del historial cl�nico (57,89 %). La capacidad de realizar b�squedas y consultas tambi�n fue mencionada (42,11 %), lo que indica una clara orientaci�n hacia sistemas din�micos y accesibles.

En cuanto al acceso al sistema, la mayor�a (73,68 %) expres� preferencia por utilizar tanto el celular como el computador, lo que sugiere la necesidad de dise�ar una plataforma multiplataforma. Finalmente, en t�rminos de factibilidad t�cnica para capturar la imagen de la huella nasal, un 47,37 % considera que esto puede lograrse sin dificultades, mientras que un 42,11 % indica que ser�a posible con ayuda, y solo un 10,53 % lo considera no factible, lo que refuerza la viabilidad del uso de esta tecnolog�a en entornos habituales.

A partir del an�lisis de las encuestas, se identificaron los siguientes requerimientos funcionales y no funcionales base para el prototipo:

 

Tabla 2: Requerimientos funcionales y no funcionales

Nota: Elaboraci�n propia

 

La Tabla 2 de requisitos del sistema establece ocho funcionalidades clave para el prototipo propuesto. Entre los requisitos funcionales de alta prioridad se destacan el registro de mascotas con datos b�sicos, la captura de la huella nasal y la consulta de registros, todos esenciales para garantizar la operatividad principal del sistema. A estos se suman funciones de prioridad media como el registro del historial cl�nico y la edici�n de datos, que permitir�n mantener la informaci�n actualizada. En cuanto a los requisitos no funcionales, se considera indispensable una interfaz amigable, as� como la seguridad b�sica de los datos y la portabilidad del sistema, aspectos que aseguran una experiencia de usuario eficiente, segura y adaptable a distintos entornos tecnol�gicos.

Fase 3: Dise�o de soluci�n

Durante esta fase se establecieron los componentes primordiales del prototipo, se determinaron las tecnolog�as apropiadas para su construcci�n y se dise�� la arquitectura general del sistema.

Arquitectura del general

 

Tabla 3: Descripci�n de la arquitectura

Nota: Elaboraci�n propia

 

La Fig.2 que a continuaci�n muestra la arquitectura general del prototipo desarrollado, el cual integra interfaz gr�fica, un m�dulo de gesti�n de im�genes, una base de datos en SQLite y un modelo de red neuronal convolucional (CNN) para el reconocimiento de huella nasal. La interfaz permite a los usuarios registrar, editar, eliminar y consultar informaci�n, mientras que el m�dulo de im�genes procesa y env�a los datos al modelo para su an�lisis. La informaci�n se almacena y organiza en la base de datos, permitiendo una gesti�n eficiente del sistema.

 

Figura 2: Arquitectura del prototipo general

Nota: Elaboraci�n propia

Arquitectura del modelo CNN (Visi�n por computadora):

El modelo de arquitectura de red neuronal convolucional (CNN) que se observa en la Figura 3, permite realizar el procesamiento de im�genes de huellas nasales para reconocer mascotas el cual la red extrae caracter�sticas mediante capas convolucionales para luego aplanarlas y pasarlas por capas densas. Finalmente, una capa de salida con la capa densa clasifica la mascota y el modelo se entrena con datos aumentados para mejorar su precisi�n.

 

Figura 3: Modelado de la arquitectura CNN

Nota: Elaboraci�n propia

 

�Estructura del almacenamiento de im�genes

La estructura muestra el aprendizaje autom�tico para datasets de im�genes, el cual se organiza en cada subdirectorio dentro de la carpeta �dataset/�. Para el entrenamiento del modelo de clasificaci�n, las im�genes al ser ubicadas en directorios, se etiquetan autom�ticamente con el nombre del subdirectorio para facilitar la relaci�n entre im�genes y sus respectivas clases. Observe la figura 4.

 

Figura 4: Modelado de almacenamiento de im�genes

Nota: Elaboraci�n propia

Modelo de la base de datos

La Fig. 5 presenta el modelo l�gico de la base de datos dise�ado para el prototipo. Este modelo se encuentra conformado por 5 entidades que son: due�os, mascotas, huellas nasales, historial cl�nico y tipos de eventos veterinarios, estableciendo relaciones claves entre las mismas.

 

Figura 5: Modelado de la base de datos

Nota: Elaboraci�n propia

 

Fase 4: Desarrollo e integraci�n

En esta fase se desarrollaron los m�dulos del sistema, teniendo en cuenta los requerimientos funcionales como los no funcionales. El objetivo es materializar el prototipo funcional que permita el registro de perros mediante el reconocimiento biom�trico de la huella nasal, asociado a los datos con su respectivo propietario.

Integraci�n de la Interfaz Gr�fica (Tkinter)

Se desarroll� una interfaz de usuario como se muestra en la figura 6, mediante la biblioteca Tkinter en Python permitiendo registrar informaci�n del propietario y de una o varias mascotas, es posible subir una imagen de la huella nasal de la mascota, editar o eliminar registros y visualizar historial cl�nico de cada mascota.

 

 

 

Figura 6: Interfaz de usuario

Nota: Elaboraci�n propia

 

Implementaci�n de la Base de Datos (SQLite)

Se ha creado la estructura de la base de datos relacional en SQLite, permitiendo almacenar y relacionar datos de los propietarios, mascotas, caracter�sticas biom�tricas e historial cl�nico. En la Fig. 7 se muestra el modelo f�sico, el cual refleja la estructura final implementada en el sistema.

 

 

 

Figura 7: Modelo f�sico de la base de datos

Nota: Elaboraci�n propia

 

Gesti�n de Im�genes

Las im�genes de las huellas nasales son almacenadas localmente con una estructura de carpetas organizadas por nombre para facilidad del entrenamiento del modelo y reconocimiento. Se aplican t�cnicas de preprocesamiento como son: el redimensionamiento a 200x200 p�xeles, conversi�n a escala de grises, normalizaci�n para facilitar la compatibilidad con el modelo CNN.

Entrenamiento e integraci�n con modelo CNN

Se entren� un modelo de Red Neuronal Convolucional (CNN) como se visualiza en la Fig. 8 utilizando im�genes de huellas nasales de 30 mascotas. El modelo fue optimizado con t�cnicas de aumento de datos y se adapt� para uso en producci�n como extractor de caracter�sticas, se realizaron integraciones mediante TensorFlow, de manera que al cargar la imagen nasal se genera un vector de caracter�sticas que se almacena con el registro de la mascota.

 

 

 

 

 

Figura 8: Modelo de entrenamiento

Nota: Elaboraci�n propia

 

Fase 5: Pruebas

Se realizan varias pruebas funcionales como se muestra la Fig. 9 para la evaluaci�n de la exactitud del reconocimiento y usabilidad en la interfaz de la huella nasal en animales permitiendo la identificaci�n de oportunidades de mejora para una posible futura implementaci�n, la pruebas se realizar�n con una veterinaria espec�fica para validar la eficiencia en la captura de im�genes nasales y el uso de la interfaz lo que asegura que el prototipo cumpla con los requerimientos definidos y sea efectivo en un entorno pr�ctico.

 

 

 

 

Figura 9: Pruebas del aprendizaje

Nota: Elaboraci�n propia

 

Los resultados de la Fig. 10 muestran que el modelo logra un buen desempe�o en los datos de entrenamiento con una alta capacidad para aprender y comprender los patrones inherentes al conjunto de datos utilizado para su creaci�n observando una brecha en la capacidad de generalizaci�n a datos no vistos lo que representa una clara oportunidad de mejora para futuras iteraciones.

 

Figura 10: Resultado del prototipo

Nota: Elaboraci�n propia

 

 

Resultado de prototipo

La gran tendencia de las personas que participaron en la encuesta de satisfacci�n con un total 17 usuarios que dieron una respuesta favorable en el proceso de retroalimentaci�n del prototipo como se muestra en la tabla 4 demostr� una comunidad activa y colaborativa contribuyendo con su retroalimentaci�n para ayudar a construir una herramienta a�n mejor.

 

Tabla 4: Encuesta de satisfacci�n

Nota: Elaboraci�n propia

 

Discusi�n

En el contexto actual de creciente preocupaci�n por el bienestar animal, es fundamental implementar herramientas tecnol�gicas que garanticen la identificaci�n precisa y �tica de los animales de compa��a. Seg�n Armas Cajas (2024), uno de los retos en zonas urbanas como Quito es la falta de mecanismos eficientes para controlar y registrar a los caninos, lo cual complica la protecci�n de sus derechos y su bienestar general. En ese sentido, el uso de biometr�a, especialmente las huellas nasales, ha emergido como una alternativa fiable y no invasiva.

El prototipo de sistema para el registro digital de perros mediante reconocimiento de huella nasal representa un avance significativo en cuanto se refiere a la identificaci�n biom�trica superando el d�ficit de los m�todos tradicionales logrando alinearse con las tendencias globales de utilizadas en la biometr�a avanzada para una identificaci�n efectiva como menciona (Cihan et al., 2023). Los resultados prometedores iniciales del prototipo mostraron un resultado positivo en las pruebas de validaci�n con bases para un registro seguro y eficiente contribuyendo a la ciencia de la biometr�a animal y al bienestar de las mascotas el cual para futuras investigaciones se recomienda enfatizar la recopilaci�n de grandes vol�menes de datos de huellas nasales y la integraci�n con aplicaciones web robustas para optimizar la usabilidad en un entorno real (Li, et al., 2022).

Estudios recientes avalan esta tecnolog�a. Bae et al. (2021) y Chan et al. (2023) demostraron que el reconocimiento basado en patrones �nicos de la nariz del perro puede lograr una identificaci�n individual con gran precisi�n, utilizando redes neuronales profundas y modelos computacionales avanzados. Esto refuerza lo planteado por Cihan et al. (2023), quienes se�alan que la biometr�a animal tiene un enorme potencial para el reconocimiento individual cuando se combina con visi�n por computadora. A nivel m�s pr�ctico, el trabajo de Burbano y Castro (2021) en Ecuador mostr� c�mo el desarrollo de software para el reconocimiento facial canino puede aplicarse de manera funcional, aunque la huella nasal resulta a�n m�s precisa, como lo han evidenciado investigaciones internacionales. Por ejemplo, en Corea del Sur, ya se han iniciado pruebas de registro nacional basadas en la huella nasal, seg�n Euronews Next (2022), lo que pone a la vanguardia esta tecnolog�a como soluci�n real y efectiva.

Choi et al. (2021) aportan evidencia adicional al afirmar que el patr�n nasal es tan �nico como una huella dactilar humana, y su viabilidad est� respaldada tanto por pruebas de laboratorio como por aplicaciones en campo. Esta perspectiva concuerda con lo expuesto por Li et al. (2022) y Weng et al. (2022), quienes aplicaron modelos similares en el �mbito ganadero, logrando resultados positivos en la identificaci�n de ganado mediante im�genes del hocico o del rostro.

Adem�s, el desarrollo de este tipo de sistemas puede contribuir al control sanitario y a la responsabilidad social frente al maltrato animal. Lescano (2021) se�ala que en Ecuador los rescatistas a�n enfrentan dificultades por la falta de datos confiables. Asimismo, L�pez Lozada (2024) y Piray Rodr�guez et al. (2022) subrayan que, aunque existe normativa legal, su cumplimiento es bajo por la limitada identificaci�n y trazabilidad de las mascotas. En esta l�nea, McGinley (2024) expone que el maltrato animal sigue siendo un problema global, y contar con sistemas de identificaci�n efectivos puede ser un paso clave para enfrentar esta realidad.

Finalmente, es importante recordar que la integraci�n de este tipo de herramientas tecnol�gicas no solo debe centrarse en su capacidad t�cnica, sino tambi�n en su facilidad de uso. La interfaz amigable y la portabilidad del sistema son aspectos esenciales para garantizar su adopci�n por parte de veterinarios, rescatistas y ciudadanos, como plantea Molano de la Roche (2021), quien destaca la importancia del enfoque mixto en la investigaci�n, que equilibre lo t�cnico con lo humano.

 

Conclusiones

La biometr�a de huella nasal es una alternativa factible e innovadora para la identificaci�n de mascotas superando las limitaciones de los m�todos tradicionales resaltando que las huellas nasales de perros son patrones �nicos que permite desarrollar el prototipo de registro digital seguros y eficientes para combatir el abandono y mejorar el control poblacional.

El desarrollo de un prototipo funcional para el registro de mascotas mediante huella nasal se basa en una metodolog�a de investigaci�n mixta que incluye la definici�n de requerimientos, dise�o de arquitectura, adaptaci�n de algoritmos de Machine Learning (CNN con TensorFlow y OpenCV) junto a pruebas con usuarios lo que se demuestra la posibilidad de implementar esta tecnolog�a para una gesti�n animal m�s responsable superando las limitaciones de los m�todos tradicionales.

La combinaci�n de tecnolog�as de visi�n por computadora junto a un aprendizaje profundo es fundamental para la eficacia del prototipo basado en una arquitectura CNN que procesa y extrae caracter�sticas de las im�genes de huellas nasales de los animales demostrando c�mo la inteligencia artificial puede aplicarse para resolver problemas de identificaci�n contribuyendo al bienestar y control de la poblaci�n de perros.

 

Referencias

      1.            Armas Cajas, J. W. (2024, marzo). Evaluaci�n del grado de bienestar animal en caninos (Canis Lupus Familiaris) en la parroquia Calder�n, cant�n Quito, provincia de Pichincha. https://repoadmin.utc.edu.ec/items/986fb765-0a25-414e-92e1-0138ebbf58a1

      2.            Bae, H. B., Pak, D., & Lee, S. (2021). Dog nose-print identification using deep neural networks. IEEE Access, 9, 49141-49153. https://doi.org/10.1109/ACCESS.2021.3068517

      3.            Burbano L�pez, C. E., & Castro Ord��ez, M. L. (2021). Desarrollo de un software como herramienta para el reconocimiento de patrones faciales caninos. Universidad del Azuay. https://dspace.uazuay.edu.ec/bitstream/datos/11322/1/16859.pdf

      4.            Chan, Y., Lin, C., Ben, Y., Wang, C., Yang, S., Tsai, M., & Yu, S. (2023). Dog nose-print recognition based on the shape and spatial features of scales. Expert Systems With Applications, 240, 122308. https://doi.org/10.1016/j.eswa.2023.122308

      5.            Choi, H. I., Kim, M., Yoon, H., Lee, S., Choi, S. S., Han, C. Y., Moon, H. P., Byun, C., & Kwon, S. (2021). Study on the viability of canine nose pattern as a unique biometric marker. Animals, 11(12), 3372. https://doi.org/10.3390/ani11123372

      6.            Cihan, P., Saygili, A., Ozmen, N. E., & Akyuzlu, M. (2023). Identification and recognition of animals from biometric markers using computer vision approaches: A review. Kafkas Universitesi Veteriner Fakultesi Dergisi. https://doi.org/10.9775/kvfd.2023.30265

      7.            Euronews Next. (2022, noviembre 1). Each dog has a unique nose: South Korea tests out nose print ID for national pet registration. Euronews. https://www.euronews.com/next/2022/11/01/each-dog-has-a-unique-nose-south-korea-tests-out-nose-print-id-for-national-pet-registrati

      8.            Lescano Salazar, R. A. (2021). Percepci�n del riesgo sanitario que tienen los rescatistas de animales de compa��a en el cant�n Quito. Repositorio Institucional. https://www.dspace.uce.edu.ec/server/api/core/bitstreams/edec620a-6986-4f68-84d7-7463c5e29f9b/content

      9.            Li, G., Erickson, G. E., & Xiong, Y. (2022). Individual beef cattle identification using muzzle images and deep learning techniques. Animals, 12(11), 1453. https://doi.org/10.3390/ani12111453

  10.            L�pez Lozada, L. G. (2024, noviembre 31). Comparaci�n jur�dica internacional sobre sanciones en el maltrato animal: Ecuador y Pa�ses Bajos. C�digo Cient�fico, Revista de Investigaci�n. https://doi.org/10.55813/gaea/ccri/v5/n2/609

  11.            McGinley, M. S. (2024, enero 10). Datos y estad�sticas sobre el maltrato animal en 2024. https://www.usatoday.com/money/blueprint/pet-insurance/animal-abuse-statistics/

  12.            Molano de la Roche, M. C. (2021, octubre 21). Estado del arte del m�todo mixto en la investigaci�n: m�todo cualitativo y m�todo cuantitativo. Revista Semillas del Saber. https://revistas.unicatolica.edu.co/revista/index.php/semillas/article/view/317/179

  13.            Piray Rodr�guez, P. O., Urrutia Guevara, J. A., & Molina Guti�rrez, T. J. (2022, noviembre). La efectividad en la ense�anza del marco legal entorno al bienestar animal. Revista Conrado, 18(89), 516-526. http://scielo.sld.cu/pdf/rc/v18n89/1990-8644-rc-18-89-516.pdf

  14.            Weng, Z., Meng, F., Liu, S., Zhang, Y., Zheng, Z., & Gong, C. (2022). Cattle face recognition based on a two-branch convolutional neural network. Computers and Electronics in Agriculture, 196, 106871. https://doi.org/10.1016/j.compag.2022.106871

 

 

 

 

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).