GI LogoGI Logo
  • Anmelden
Digitale Bibliothek
    • Gesamter Bestand

      • Bereiche & Sammlungen
      • Titel
      • Autor
      • Erscheinungsdatum
      • Schlagwort
    • Diese Sammlung

      • Titel
      • Autor
      • Erscheinungsdatum
      • Schlagwort
Digital Bibliothek der Gesellschaft für Informatik e.V.
GI-DL
    • English
    • Deutsch
  • Deutsch 
    • English
    • Deutsch
Dokumentanzeige 
  •   Startseite
  • Lecture Notes in Informatics
  • Proceedings
  • GIL-Jahrestagung
  • P317 - 42. GIL-Jahrestagung 2022 - Fokus: Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft
  • Dokumentanzeige
JavaScript is disabled for your browser. Some features of this site may not work without it.
  •   Startseite
  • Lecture Notes in Informatics
  • Proceedings
  • GIL-Jahrestagung
  • P317 - 42. GIL-Jahrestagung 2022 - Fokus: Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft
  • Dokumentanzeige

Re-Identifikation markierter Schweine mit Computer Vision und Deep Learning

Autor(en):
Fruhner, Maik [DBLP] ;
Tapken, Heiko [DBLP] ;
Müller, Henning [DBLP]
Zusammenfassung
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.
  • Vollständige Referenz
  • BibTeX
Fruhner, M., Tapken, H. & Müller, H., (2022). Re-Identifikation markierter Schweine mit Computer Vision und Deep Learning. In: Gandorfer, M., Hoffmann, C., El Benni, N., Cockburn, M., Anken, T. & Floto, H. (Hrsg.), 42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft. Bonn: Gesellschaft für Informatik e.V.. (S. 99-104).
@inproceedings{mci/Fruhner2022,
author = {Fruhner, Maik AND Tapken, Heiko AND Müller, Henning},
title = {Re-Identifikation markierter Schweine mit Computer Vision und Deep Learning},
booktitle = {42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft},
year = {2022},
editor = {Gandorfer, Markus AND Hoffmann, Christa AND El Benni, Nadja AND Cockburn, Marianne AND Anken, Thomas AND Floto, Helga} ,
pages = { 99-104 },
publisher = {Gesellschaft für Informatik e.V.},
address = {Bonn}
}
DateienGroesseFormatAnzeige
GIL2022_Fruhner_99-104.pdf298.8Kb PDF Öffnen

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

Mehr Information

ISBN: 978-3-88579-711-1
ISSN: 1617-5468
Datum: 2022
Sprache: de (de)
Typ: Text/Conference Paper

Keywords

  • Schwanzbeißen
  • Computer Vision
  • Object Detection
  • Re-Identification
  • Precision Livestock Farming
Sammlungen
  • P317 - 42. GIL-Jahrestagung 2022 - Fokus: Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft [61]

Zur Langanzeige


Über uns | FAQ | Hilfe | Impressum | Datenschutz

Gesellschaft für Informatik e.V. (GI), Kontakt: Geschäftsstelle der GI
Diese Digital Library basiert auf DSpace.

 

 


Über uns | FAQ | Hilfe | Impressum | Datenschutz

Gesellschaft für Informatik e.V. (GI), Kontakt: Geschäftsstelle der GI
Diese Digital Library basiert auf DSpace.