Automatisierte und auf Deep Learning basierende Erkennung des Ernährungsverhaltens von Schweinen für gesündere Nutztiere
Bei der Haltung von Nutztieren müssen die Fütterung und das damit verbundene Verhalten genau quantifiziert werden, um Gesundheitsprobleme und Probleme im Hinblick auf das Wohlbefinden der Tiere frühzeitig zu erkennen. Veränderungen im Ernährungsverhalten sind ein Anzeichen solcher Probleme, und selbst subtile Unterschiede in der Art und Weise, wie ein Tier seine Nahrung aufnimmt, könnten bei der Erkennung von Problemen hinsichtlich der Gesundheit und des Wohlbefindens von Nutztieren helfen. Durch die EU-finanzierten Projekte HealthyLivestock (Tackling Antimicrobial Resistance through improved livestock Health and Welfare) und Feed-a-Gene (Adapting the feed, the animal and the feeding techniques to improve the efficiency and sustainability of monogastric livestock production systems) unterstützte Forschende haben eine vielversprechende neue Methode zur Überwachung des Ernährungsverhaltens und der Futtersuche von Schweinen entwickelt, die bei der Früherkennung solcher Probleme helfen könnte. Ein in der Zeitschrift „Biosystems Engineering“ veröffentlichter Artikel beschreibt, dass das automatisierte Detektionsverfahren in einer Vielzahl von Tierhaltungs- und Bewirtschaftungssituationen eingesetzt werden kann. Basierend auf faltenden neuronalen Netzwerken erkennt die auf einer 2D-Kamera basierende Deep-Learning-Methode automatisch das Fressverhalten der Schweine, ohne dass zusätzliche Sensoren oder individuelle Kennzeichnungen verwendet werden müssen. Laut der Studie „arbeitet das System mit Videobildern in Graustufen und wurde auf die sich ständig ändernden Betriebsbedingungen trainiert, z. B. Lichtverhältnisse, Probleme der Verdeckung durch andere Schweine und Insekten, die das Bild der Kamera abdecken“. Das Ernährungsverhalten wird nicht mit den traditionellen Methoden der Schweineüberwachung geschätzt. Stattdessen verwendete das Forschungsteam „GoogLeNet-ähnliche Architekturen ... zur Überwachung eines kleineren vordefinierten Stallbereichs, der zwei Futtertröge sowie einen einfachen, klar definierten Bereich vor diesen Trögen umfasst. Auf diese Weise vermeidet das vorgestellte System Probleme im Zusammenhang mit Verfolgungen von kurzen ID, welche den Prozess der Erkennung des kumulativen Ernährungsverhaltens kontinuierlich verzerren können.“
Erkennung subtiler Verhaltensänderungen
Die Erkennung des Fressverhaltens ist schnell (0,02 Sekunden pro Bild) und exakt (99,4 %). Anders als bei der traditionellen Schweineüberwachung überschätzt das System die tatsächlich aufgewendete Fresszeit nicht. Dies liegt daran, dass es zwischen nicht-nutritiven Besuchen im Fressbereich (wo sich die Füße, nicht jedoch der Kopf im Futtertrog befinden) und der Fresszeit (mit dem Kopf ebenfalls im Trog) unterscheiden kann. „Da sich unser System nur auf eine Untergruppe verfügbarer Futtertröge in einem kommerziellen Kontext konzentriert, zeigen wir, dass aus dieser Untergruppe genügend Daten gesammelt werden können, um Veränderungen des Ernährungsverhaltens auf Gruppenebene zu ermitteln“, berichtet die Studie. Die Methode wurde zunächst anhand von Videomaterial aus einem kommerziellen Schweinezuchtbetrieb in verschiedenen Umgebungen validiert. Anschließend testete das Team während einer geplanten Periode der Nahrungseinschränkung, in welcher die Schweine an vier aufeinander folgenden Tagen 80 % ihrer täglichen Nahrung erhielten, die Fähigkeit der Methode, Veränderungen beim Fressverhalten und dem Verhalten bei nicht-nutritiven Besuchen am Trog zu erkennen. „Wir stellten fest, dass die Methode in der Lage war, die erwarteten Veränderungen beim Fressverhalten sowie dem Verhalten bei nicht-nutritiven Besuchen am Trog automatisch zu quantifizieren“, so das Forschungsteam. Im Hinblick auf die Ziele von HealthyLivestock und Feed-a-Gene könnte die Methode bei der Früherkennung von Problemen im Bereich der Gesundheit und des Wohlbefindens bei Nutzschweinen helfen. Feed-a-Gene endete Anfang 2020, während das vier Jahre dauernde HealthyLivestock-Projekt 2022 abgeschlossen wird. Weitere Informationen: HealthyLivestock-Projekt Feed-a-Gene-Projektwebsite
Schlüsselbegriffe
HealthyLivestock, Feed-a-Gene, Schwein, Ernährungsverhalten, Nutztiere