Auflistung nach Schlagwort "Milchvieh"
1 - 6 von 6
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragAutomatisierte Lahmheitserkennung in der Milchviehproduktion(40. GIL-Jahrestagung, Digitalisierung für Mensch, Umwelt und Tier, 2020) Ziegler, Kathrin Lina Martha; Wiecha, Jochen Georg; Bernhardt, HeinzDie frühzeitige Erkennung von Lahmheit stellt in den wachsenden Tierbeständen der Milchviehproduktion eine große Herausforderung dar. Zur Minimierung ökonomischer Verluste sowie einer Steigerung des Tierwohls in modernen Haltungen wird die Entwicklung einer automatischen Erfassung der Klauengesundheit angestrebt. Grundbausteine sind hierbei die maschinelle Erkennung und Beurteilung von individuellen Körpermerkmalen, welche, in Kombination mit einer visuellen Bonitierung mittels Locomotion-Scorings, zur möglichst exakten Ermittlung des Lahmheitsgrads führt. Bereits existierende wissenschaftliche Ansätze werden in der vorliegenden Arbeit hinsichtlich ihrer Methodik und Technik zur Datenerhebung klassifiziert, sowie auf ihre Wiederholbarkeit in der Praxis hin überprüft.
- KonferenzbeitragBeurteilung von Use Cases zur Tierortung nach dem Grad des Informationsgehalts(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Lamoth, Marie; Neeland, Heiko; Umstätter, ChristinaIn der Nutztierhaltung ist das rechtzeitige Erkennen von kranken Tieren von großer Bedeutung. Um dies zu unterstützen, werden automatisierte Assistenzsysteme entwickelt. Die Tierortung kann eine Technik sein, um Verhaltensabweichungen zu detektieren. Für ein solches Erkennungssystem ist es wichtig zu definieren, worüber es Auskunft geben soll. Stachowicz und Umstätter [SU21] unterscheiden drei Nachweisebenen nach dem Grad ihres Informationsgehalts. Die ersten beiden Ebenen beinhalten umwelt- oder tierbezogene Aspekte und die dritte Ebene spezifische krankheitsbezogene Indikatoren. In dieser Studie wurden auf Tierortung beruhende Use Cases für Assistenzsysteme hinsichtlich der Nachweisebene bewertet. Dafür wurde der jeweilige Indikator betrachtet und in dem Entscheidungsbaum der passenden Stufe verortet. Bei allen untersuchten Use Cases fallen die Indikatoren in die Ebene 1. Das heißt, die unspezifischen Daten der Tierortung können genutzt werden, um generelle Probleme des Wohlbefindens automatisch zu identifizieren. Eine Erkennung oder Vorhersage von spezifischen Erkrankungen ist hingegen mit diesen technischen Systemen nicht möglich.
- KonferenzbeitragBewertung automatischer Brunsterkennung in der Milchviehhaltung(38. GIL-Jahrestagung, Digitale Marktplätze und Plattformen, 2018) Pfeiffer, Johanna; Gandorfer, Markus; Wendl, GeorgObwohl Brunsterkennung einen relevanten Beitrag zu guten Reproduktionsleistungen beim Milchvieh leistet, sind ökonomische Bewertungen automatischer Brunsterkennungssysteme nur eingeschränkt vorhanden. Im Beitrag wird der Gewinnbeitrag durch eine automatische Brunsterkennung für verschiedene Milchleistungen und Herdengrößen ermittelt, wobei einige Variablen (z.B. aufgewandte Zeit für Brunstkontrolle) stochastisch mit Dreiecksverteilungen modelliert werden. Die ermittelten Gewinnbeiträge durch automatische Brunsterkennung liegen in Abhängigkeit der untersuchten Szenarien im Bereich von -33 bis +111 € je Kuh und Jahr.
- KonferenzbeitragDigitales Gesundheitsmonitoring einer Milchviehherde(40. GIL-Jahrestagung, Digitalisierung für Mensch, Umwelt und Tier, 2020) Pfeiffer, Johanna; Bolduan, Jana; Gandorfer, Markus; Zeiler, EvaAuf einem Milchviehbetrieb wurde 65 Kühen ein Pansenbolus zur kontinuierlichen Erfassung von Bewegungsaktivität und Körperkerntemperatur eingegeben. Basierend auf einzeltierspezifischen Entscheidungsalgorithmen gibt das Sensorsystem bei Auffälligkeiten, welche die Gesundheit betreffen, Meldungen aus. Die Sensormeldungen werden mit am Betrieb dokumentierten Krankheitsdiagnosen (Pro Gesund) abgeglichen. Die Ergebnisse zeigen, dass bei den gewählten Betrachtungszeiträumen bei 64 % aller klinischen Hypokalzämien, bei 40 % aller Mastitiden und bei 9 % aller Erkrankungen des Bewegungsapparates gesundheitsspezifische Meldungen vom Sensorsystem vorlagen. Daraus resultiert ein gewisses Potenzial des Sensorsystems zur Unterstützung des Gesundheitsmonitorings einer Herde, welches jedoch stark von der Diagnosegruppe abhängt.
- KonferenzbeitragExtraktion von Bewegungsparametern aus Positionsdaten von Milchkühen(41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021) Engels, Christiane; Büscher, WolfgangTrackingsysteme für die Indoor-Ortung von Milchkühen finden vermehrt Einsatz in Milchviehbetrieben. Diese sollen die Tiere im Stall lokalisieren und eine digitale Verhaltensbeobachtung ermöglichen. Die Auswertung der anfallenden Rohdatenmenge stellt allerdings eine Herausforderung dar. Um aus den Positionsdaten Informationen über Brunst- und Gesundheitsereignisse abzuleiten, berechnen wir aus den Rohdaten komprimierte Rasterzellendaten. Daraus können zur weiteren Analyse Bewegungsparameter extrahiert werden.
- KonferenzbeitragNavigation und Personenschutz mit Radar bei einem automatischen Fütterungssystem(Informatik in der Land-, Forst- und Ernährungswirtschaft 2017, 2017) Reger, Matthias; Bernhardt, Heinz; Stumpenhausen, JörnDie Milchwirtschaft des 21. Jahrhunderts ist geprägt durch eine zunehmende Volatilität des Milchpreises. Die Liquidität und Stabilität vieler Landwirtschaftlicher Betriebe ist dadurch stark gefährdet. Ein Weg der Effizienzsteigerung ist die Automatisierung von Routinearbeiten, z. B. die Brunstüberwachung, das Melken, die Laufflächenreinigung oder das Futteranschieben. Bei automatischen Fütterungssystemen (AFS) sind derzeit Systeme mit stationären Systemteilen am häufigsten vertreten [NG09]. Diese Systeme sind mit großem baulichem Aufwand verbunden und daher teuer in Anschaffung und Unterhalt. Zudem wird für die Futtervorlage in Altgebäuden eine kompakte Zweitmechanisierung benötigt. Auf Basis des selbstfahrenden, elektrisch betriebenen Futtermischwagens (FMW) TruckLine der Firma Mayer Maschinenbaugesellschaft mbH (Siloking) wird ein AFS entwickelt, das neben der manuellen Bedienbarkeit auch eine Funktion zur automatisierten, fahrerlosen Futtervorlage bietet.