Computer-Vision-basierte Aktivitätserkennung bei Schweinen
Autor(en):
Zusammenfassung
Die Sicherstellung des Tierwohls ist einer der Kernaspekte in der modernen Nutztierhaltung. Da sich durch den steigenden Bedarf an Lebensmitteln und dem steigenden Kostendruck immer mehr Landwirte dazu gezwungen sehen, immer größere Tierzahlen zu halten, fällt es vor dem Hintergrund des Fachkräftemangels schwieriger, diesem Aspekt nachzukommen. Aus diesem Grund müssen Technologien zur Unterstützung von Landwirten entwickelt werden, welche datenbezogene hochwertige Entscheidungshilfen geben können. Einen solchen Ansatz erarbeitet das Team des Forschungsprojektes SmartTail, bei dem unter anderem eine Computer-Vision-basierte Aktivitätserkennung erarbeitet wird. Durch die nicht-invasive und kostengünstige Hardware können so potenziell flächendeckend Systeme zur Unterstützung der Landwirte implementiert werden. Innerhalb dieser Arbeit wird sich mit der videobasierten Aktivitätserkennung bei Schweinen beschäftigt. Besonders betrachtet wird dabei das Problem des Schwanzbeißens. Dieses ist in der Schweinehaltung bekannt, aber aufgrund der multifaktoriellen Ursachen existiert bisher weder ein System zur Vorhersage noch zum Erkennen solcher Attacken. Aus diesem Grund werden innerhalb dieser Arbeit mehrere state-of-the-art Modelle zur bildbasierten Aktivitätserkennung betrachtet und miteinander verglichen, um so ein effektives System zur Aktivitätserkennung bei Schweinen zu entwickeln.
- Vollständige Referenz
- BibTeX
Hesse, L., Fruhner, M., Tapken, H. & Müller, H.,
(2023).
Computer-Vision-basierte Aktivitätserkennung bei Schweinen.
In:
Hoffmann, C., Stein, A., Ruckelshausen, A., Müller, H., Steckel, T. & Floto, H.
(Hrsg.),
43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme.
Bonn:
Gesellschaft für Informatik e.V..
(S. 101-112).
@inproceedings{mci/Hesse2023,
author = {Hesse, Lukas AND Fruhner, Maik AND Tapken, Heiko AND Müller, Henning},
title = {Computer-Vision-basierte Aktivitätserkennung bei Schweinen},
booktitle = {43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme},
year = {2023},
editor = {Hoffmann, Christa AND Stein, Anthony AND Ruckelshausen, Arno AND Müller, Henning AND Steckel, Thilo AND Floto, Helga} ,
pages = { 101-112 },
publisher = {Gesellschaft für Informatik e.V.},
address = {Bonn}
}
author = {Hesse, Lukas AND Fruhner, Maik AND Tapken, Heiko AND Müller, Henning},
title = {Computer-Vision-basierte Aktivitätserkennung bei Schweinen},
booktitle = {43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme},
year = {2023},
editor = {Hoffmann, Christa AND Stein, Anthony AND Ruckelshausen, Arno AND Müller, Henning AND Steckel, Thilo AND Floto, Helga} ,
pages = { 101-112 },
publisher = {Gesellschaft für Informatik e.V.},
address = {Bonn}
}
| Dateien | Groesse | Format | Anzeige | |
|---|---|---|---|---|
| GIL_2023_Hesse_101-112.pdf | 495.5Kb | Öffnen |
Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Feedback abschicken
Mehr Information
ISBN: 978-3-88579-724-1
ISSN: 1617-5468
Datum: 2023
Sprache:
(de)
(de)
Typ: Text/Conference Paper

