Zeitraum
ab 01.Jan.2012
Ansprechpartner
Projektleiter
Zusammen-
fassung
Die Überwachung von Milchkühen ist in der modernen Milchwirtschaft von großem Interesse. Einerseits ermöglicht dies Langzeitaussagen über den gesundheitlichen Zustand von Milchkühen und andererseits auch die frühzeitige Aufdeckung von Krankheiten und Verletzungen. In jüngster Zeit tritt das Thema des Tierschutzes immer mehr in den Vordergrund und verlangt nach belegbaren Werten für das Wohlbefinden von Kühen in einer definierten Umgebung.

Als Sensoren stehen ein Indoor-Positionierungssystem und ein System zur Überwachung der Herzfrequenz und ihrer Variabilität zur Verfügung. Basierend auf diesen Daten soll zeitlich hochgenau auf den Bewegungszustand, beispielsweise Stehen, Liegen, Fressen und Wiederkäuen geschlossen werden.

Methodisch wird zu diesem Zweck ein zweistufiges Verfahren verwendet, wobei im ersten Schritt durch eine Support-Vektor-Maschine (SVM) mit Platt-Scaling Zugehörigkeitswahrscheinlichkeiten für die verschiedenen Zustände einzelner Zeitpunkte ermittelt werden. In einem zweiten Schritt wird dann mit einem Graphischen Modell der den Beobachtungen zugrunde liegende Prozess als Markov-Prozess modelliert. Dieses Hidden Markov Model (HMM) kann dann zur besseren Integration von Kontextwissen zu einem Hidden Semi-Markov Model (HSMM) transformiert werden.

Eine auf diese Weise bestimmte Zeitreihe der Zustände der Kuh kann dann beispielsweise zur Detektion vergleichbarer Ruhezeitpunkte in verschiedenen Zeitreihen verwendet werden. Dies ermöglicht den Vergleich von Ruhepuls und weiteren Herzvariabilitätsparametern und somit Rückschlüsse über die Entwicklung des Gesamtzustands der Kuh. Auch können Änderungen im Verhalten, die auf Krankheiten oder Verletzungen hindeuten automatisch und frühzeitig detektiert werden, wodurch eine angemessene Reaktion des Landwirts erst ermöglicht wird.
Bilder, Beispiele
Weitere Information
Publikationen zum Projekt
Behmann, Jan / Hendriksen, Kathrin / Müller, Ute / Büscher, Wolfgang / Plümer, Lutz:
Support Vector machine and duration-aware conditional random field for identification of spatio-temporal activity patterns by combined indoor positioning and heart rate sensors
In: Geoinformatica, 2016, S. 1-22.
- online first - doi://10.1007/s10707-016-0260-3
[ BibTeX ]

Extern
Behmann, Jan / Hendriksen, Kathrin / Müller, Ute / Walzog, Sebastian / Büscher, Wolfgang / Plümer, Lutz:
Recognition of Activity States in Dairy Cows with SVMs and Graphical Models
In: Clasen, M. / Hamer, M. / Lehnert, S. / Petersen, B. / Theuvsen, B. (Hg.): Referate der 34. GIL-Jahrestagung (IT-Standards in der Agrar- und Ernährungswirtschaft). Bonn 2014, S. 220-224.

Extern