Logo des Repositoriums

Auflistung nach Autor:in "Fruhner, Maik"

1 - 3 von 3
  • Konferenzbeitrag
    Computer-Vision-basierte Aktivitätserkennung bei Schweinen
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Hesse, Lukas; Fruhner, Maik; Tapken, Heiko; Müller, Henning
    Die Sicherstellung des Tierwohls ist einer der Kernaspekte in der modernen Nutztierhaltung. Da sich durch den steigenden Bedarf an Lebensmitteln und dem steigenden Kostendruck immer mehr Landwirte dazu gezwungen sehen, immer größere Tierzahlen zu halten, fällt es vor dem Hintergrund des Fachkräftemangels schwieriger, diesem Aspekt nachzukommen. Aus diesem Grund müssen Technologien zur Unterstützung von Landwirten entwickelt werden, welche datenbezogene hochwertige Entscheidungshilfen geben können. Einen solchen Ansatz erarbeitet das Team des Forschungsprojektes SmartTail, bei dem unter anderem eine Computer-Vision-basierte Aktivitätserkennung erarbeitet wird. Durch die nicht-invasive und kostengünstige Hardware können so potenziell flächendeckend Systeme zur Unterstützung der Landwirte implementiert werden. Innerhalb dieser Arbeit wird sich mit der videobasierten Aktivitätserkennung bei Schweinen beschäftigt. Besonders betrachtet wird dabei das Problem des Schwanzbeißens. Dieses ist in der Schweinehaltung bekannt, aber aufgrund der multifaktoriellen Ursachen existiert bisher weder ein System zur Vorhersage noch zum Erkennen solcher Attacken. Aus diesem Grund werden innerhalb dieser Arbeit mehrere state-of-the-art Modelle zur bildbasierten Aktivitätserkennung betrachtet und miteinander verglichen, um so ein effektives System zur Aktivitätserkennung bei Schweinen zu entwickeln.
  • Konferenzbeitrag
    Digitale Agrarprozesse für eine nachhaltige und verord­nungskonforme Landwirtschaft am Beispiel einer kooperativen Flüssigmistausbringung
    (40. GIL-Jahrestagung, Digitalisierung für Mensch, Umwelt und Tier, 2020) Nordemann, Frank; Iggena, Thorben; Kraatz, Franz; Fruhner, Maik; Tapken, Heiko; Tönjes, Ralf
    Eine zunehmende Anzahl von Agrarprozessen wird in Kooperation verschiedener Akteure bearbeitet. Eine Silomaisernte verlangt nach einem optimierten Zusammenspiel von Erntemaschine, abfahrenden Traktorgespannen, Waage und Siloverdichtung. Bei einer teilflächenspezifischen Flüssigmistausbringung müssen Ausbringwagen, Zubringer, Analysewerkzeuge sowie Applikationskartenberechnung, Maschinenauftragserstellung und Nährstoffdokumentation aufeinander abgestimmt werden. In der Praxis fehlt es an ganzheitlich digitalisierten Agrarprozessen, die kooperierende Akteure in ihren Tätigkeiten unterstützen. Dieser Beitrag veranschaulicht an den Ergebnissen des dreijährigen Forschungsprojektes OPeRAte, wie durch teilautomatisierte und medienbruchfrei umgesetzte Prozesse Anwender in ihren Tätigkeiten unterstützt werden können. Ganzheitlich digitalisierte Agrarprozesse begünstigen Umweltaspekte beispielsweise durch die Einhaltung von gesetzlichen Verordnungen, die Bereitstellung automatisierter Dokumentationen und die Durchführung von Optimierungsanalysen für ein effizientes Nährstoffmanagement.
  • Konferenzbeitrag
    Re-Identifikation markierter Schweine mit Computer Vision und Deep Learning
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Fruhner, Maik; Tapken, Heiko; Müller, Henning
    Das Forschungsprojekt SmartTail untersucht die frühzeitige Erkennung von Schwanzbeißen bei Mastschweinen mithilfe von künstlicher Intelligenz. Durch Video-Livestreams aus den Versuchsställen können die Tiere automatisiert erkannt und überwacht werden. Beim Auftreten aggressiven Verhaltens muss das System jedoch in der Lage sein, Aggressor und Opfer zu identifizieren. Hierzu wurden unterschiedliche Arten der Markierung untersucht, die von einem Computersystem autonom erkannt werden sollen. Der Einsatz von auf Ohrmarken gedruckten Data Matrix Codes hat gezeigt, dass die Wiedererkennung eines Tieres auch nach langer Verdeckung oder Abwesenheit gewährleistet werden kann, indem die Codes im Videomaterial lokalisiert und ausgelesen werden. In Verbindung mit einem Tracking-Verfahren ist so eine robuste Identifikation und Überwachung von Tieren möglich. Die gesammelten Daten können zudem für die Untersuchung weiterer wissenschaftlicher Fragestellungen genutzt werden.