Früherkennung von Schwanzbeißen bei Schweinen auf der Basis von Deep Learning

Zusammenfassung
Schwanzbeißen (Caudophagie) bei Schweinen stellt ein schwerwiegendes und zugleich komplexes Problem in der landwirtschaftlichen Nutztierhaltung dar. Ziel des Projektvorhabens KISS (Künstliche Intelligenz gegen Schwanzbeißen bei Schweinen) ist die Konzeption und prototypische Entwicklung eines Decision Support Systems zur Analyse des Verhaltens einer Schweinegruppe, welches im Sinne eines Frühwarnsystems Hinweise auf verändertes Verhalten gibt. Zur automatischen Analyse bekannter Frühindikatoren dienen Verfahren des Deep Learning, deren Tragfähigkeit auch unter dem Aspekt praktikabler, kostengünstiger Lösung dargestellt wird.
  • Vollständige Referenz
  • BibTeX
Wißkirchen, P., Warns, F. K., Dahlhoff, K., Goretzky, C., Brune, T., Bitti, F., Mathis, H. & van Asten, A., (2021). Früherkennung von Schwanzbeißen bei Schweinen auf der Basis von Deep Learning. In: Meyer-Aurich, A., Gandorfer, M., Hoffmann, C., Weltzien, C., Bellingrath-Kimura, S. & Floto, H. (Hrsg.), 41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten. Bonn: Gesellschaft für Informatik e.V.. (S. 343-348).
@inproceedings{mci/Wißkirchen2021,
author = {Wißkirchen, Peter AND Warns, Friederike K. AND Dahlhoff, Katharina AND Goretzky, Carina AND Brune, Timo AND Bitti, Fouad AND Mathis, Harald AND van Asten, Astrid},
title = {Früherkennung von Schwanzbeißen bei Schweinen auf der Basis von Deep Learning},
booktitle = {41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten},
year = {2021},
editor = {Meyer-Aurich, Andreas AND Gandorfer, Markus AND Hoffmann, Christa AND Weltzien, Cornelia AND Bellingrath-Kimura, Sonoko AND Floto, Helga} ,
pages = { 343-348 },
publisher = {Gesellschaft für Informatik e.V.},
address = {Bonn}
}
DateienGroesseFormatAnzeige
GIL2021_Wisskirchen_343-348.pdf541.8Kb PDF Öffnen

Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Feedback abschicken

Mehr Information

ISBN: 978-3-88579-703-6
ISSN: 1617-5468
Datum: 2021
Sprache: de (de)
Typ: Text/Conference Paper
Sammlungen

Zur Langanzeige