Development of automated computer vision systems for investigation of livestock behaviours

Der Einsatz moderner Tierüberwachungstechnologien ermöglicht es Landwirten, auch große Tierbestände mit einem hohen Tierwohl im Einklang zu bringen. Aufgrund des Potentials der Bilderkennung für praktische Betriebe wurde eine Serie wissenschaftlicher Untersuchungen auf einem Schweinemastbetrieb in Stafford, Großbritannien durchgeführt. Eine zentrale Zielsetzung dieser Dissertation war die Untersuchung der praxistauglichen Umsetzbarkeit von Bilderkennungsmethoden unter der Nutzung der Delaunay Triangulation (DT) zur Evaluierung des Liegeverhaltens von in Buchten gehaltenen Schweinen, insbesondere in Abhängigkeit von der Umgebungstemperatur. Die temperaturveränderungsbedingte Anpassung der Liegeanordnung und Positionierung der Gruppe wurde durch Einsatz der Koordinaten und des Umfangs jeder DT erfolgreich ermittelt. Weiterhin wurden Liegemuster von in Gruppen gehaltenen Schweinen bestimmt und charakterisiert. Es wurden drei thermische Kategorien in Bezug auf die Solltemperatur des Stalles (21°C) definiert: ARST (um die Solltemperatur, 19-23°C); LRST (niedriger als die Solltemperatur, 14-18°C) und HRST (höher als die Solltemperatur, 24-28°C). Basierend auf dem Umfang jedes DT -Dreiecks wurden drei Liegemuster (eng, normal und weit) der Schweinegruppen definiert und die prozentuale Verteilung jedes Musters für jede thermische Kategorie bestimmt. Zur Klassifizierung der Liegemuster in die drei Temperaturkategorien wurde ein neuronales Netzwerk mit mehrlagigem Perzeptron (MLP) entwickelt. Die DT -Merkmale (Durchschnittswert des Umfangs, maximale und minimale Länge der Seiten des DT) wurden als Eingangsgrößen für die MLP Klassifizierung berechnet und das Netzwerk damit trainiert, validiert und getestet. Die Ergebnisse zeigen, dass das MLP das gezeigte Liegeverhalten mit einer hohen Gesamtsensitivität, Spezifität und Genauigkeit (93% bis 97.4%) in die drei thermischen Kategorien klassifizieren kann. In einer weiteren Studie wurde die entwickelte Methode am Beispiel einer Untersuchung zur Auswirkung der Gabe von Wühlmaterialien auf das Liegeverhalten von Schweinegruppen untersucht. Es konnte demonstriert werden, dass das entwickelte Bilderkennungsverfahren zur schnellen und präzisen Quantifizierung des Liegeverhaltens bei Schweinen sowohl in der Wissenschaft als auch der Praxis eingesetzt werden kann. Ein weiteres Ziel dieser Dissertation war, das Aufreitverhalten in einer Tiergruppe unter Praxisbedingungen zu überwachen. Zur Lokalisierung der einzelnen Tiere wurde eine Ellipsenanpassungsmethode anhand der Konturen der im Kamerabild erfassten Schweine verwendet (s.o.). Die vorgestellte Methode war dazu in der Lage, Aufreitereignisse mit einem großen Maß an Sensitivität, Spezifität und Genauigkeit zu bestimmen (94,5%, 88,6% und 92,7%).