Logo des Repositoriums
 

Entwicklung eines automatischen Monitoringsystems für die Geburtsüberwachung bei Sauen

Kurzanzeige
dc.contributor.authorWutke, Martin
dc.contributor.authorLensches, Clara
dc.contributor.authorWitte, Jan-Hendrik
dc.contributor.authorGerberding, Johann
dc.contributor.authorLieboldt, Marc-Alexander
dc.contributor.authorTraulsen, Imke
dc.contributor.editorHoffmann, Christa
dc.contributor.editorStein, Anthony
dc.contributor.editorRuckelshausen, Arno
dc.contributor.editorMüller, Henning
dc.contributor.editorSteckel, Thilo
dc.contributor.editorFloto, Helga
dc.date.accessioned2023-02-21T15:14:24Z
dc.date.available2023-02-21T15:14:24Z
dc.date.issued2023
dc.description.abstractDie Überwachung des Abferkelungsverlaufs ist in der Schweinehaltung von großer Bedeutung, um auftretende Geburtsstörungen frühzeitig erkennen und geeignete Maßnahmen ergreifen zu können. Da eine zeitnahe Geburtserkennung und -betreuung aufgrund intensivierter Haltungsbedingungen oftmals nur schwer zu erzielen ist, war das Ziel der vorliegenden Studie, die Eignung neuronaler Netzwerke zur automatischen Identifikation des Geburtsmomentes zu untersuchen. Anhand einer YoloV5-Netzwerkarchitektur bestimmten wir auf Basis der Detektion unterschiedlicher Körperteile der Muttersau den potentiellen Geburtsbereich innerhalb der Abferkelbucht und identifizierten den Moment der Geburt des ersten Ferkels anhand der Objektdetektion des Ferkels innerhalb des Zielbereichs. Wir validierten unser Analysemodell durch zweistufigen Ansatz und erreichten einen Precision-, Recall- und MAP-Wert von 0.982, 0.989 und 0.993 im Rahmen der Objektdetektion sowie einen Accuracy-, Recall- und Precision-Wert von 0.9, 0.8 und 1 bei der Bestimmung des Geburtszeitpunktes.de
dc.identifier.isbn978-3-88579-724-1
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/40306
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartof43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-330
dc.subjectGeburtsüberwachung
dc.subjectmaschinelles Lernen
dc.subjectDeep Learning
dc.subjectVideoanalyse
dc.titleEntwicklung eines automatischen Monitoringsystems für die Geburtsüberwachung bei Sauende
dc.typeText/Conference Paper
gi.citation.endPage542
gi.citation.publisherPlaceBonn
gi.citation.startPage537
gi.conference.date13.-14. Februar 2023
gi.conference.locationOsnabrück

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
GIL_2023_Wutke_537-542.pdf
Größe:
404.18 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P330 - 43. GIL-Jahrestagung 2023 - Fokus: Resiliente Agri-Food-Systeme