Automatische Unterscheidung von Verhaltensmustern bei Schweinen auf der Basis von Anomalieerkennung durch ein neuronales Konvolutionsnetzwerk

Abstract

Die automatisierte Erfassung und Klassifizierung spezifischer Verhaltensmuster von Hausschweinen ermöglicht die Untersuchung unterschiedlicher Einflussfaktoren in den Haltungsbedingungen. Vor allem die Analyse von Videoaufnahmen von Tieren stellt bestehende Ansätze vor Herausforderungen, da die beobachtbaren Verhaltensmuster keiner bestimmbaren Verteilung zu folgen scheinen. Die präsentierte Methode verwendet einen Machine-Learning-Algorithmus, um das Aktivitätsniveau verschiedener Schweinegruppen auf Basis von Videoaufnahmen zu bestimmen. In einem ersten Schritt wird ein neuronales Netzwerk darauf trainiert, Anomalien in Form von unerwarteten Aktivitäten in den Videodateien zu detektieren. Anhand der erzielten Ergebnisse wird in einem zweiten Schritt ein Klassifizierungsalgorithmus entwickelt, wodurch ein standardisierter Vergleich unterschiedlicher Videosequenzen ermöglicht wird.