DaNuMa: Datenkompetenzen in der Nutztierhaltung – Maschinelles Lernen zur automatischen, robusten Verhaltensklassifikation bei Schweinen

Abstract

Die Erfassung von individuellem Verhalten in der Schweinehaltung ist entscheidend, um Tierwohl zu gewährleisten und Betriebsabläufe zu verbessern. Computer Vision, ein Teilbereich der künstlichen Intelligenz, ist ein vielversprechendes Werkzeug für die Automatisierung dieses Prozesses. Die dafür notwendige Lokalisation der Tiere auf Einzelbildern wird als Detektion bezeichnet, und die Lokalisation in einem Video als Tracking. Mangels verfügbarer Open-Source-Lösungen und öffentlicher Datensätze für Schweinedetektion und -tracking müssen Forschende meist von Grund auf neu beginnen, statt auf bestehende Arbeiten aufzubauen. Dadurch gehen wertvolle Zeit und Ressourcen verloren und die Vergleichbarkeit zwischen Studien wird durch die individuelle Datenlage erschwert. Dem sollte in diesem Projekt entgegengewirkt werden durch die Veröffentlichung eines diversen und anspruchsvollen Datensatzes für Schweinedetektion und -tracking sowie verschiedener darauf basierender Methoden. Zudem sollte angesichts der enormen Bedeutung individualisierter Verhaltensanalyse ein modulares Framework für deren Umsetzung mittels Computer Vision-Methoden entwickelt werden. Um das Potenzial moderner KI-Methoden auszuschöpfen, braucht es neben öffentlich verfügbaren Daten und Werkzeugen auch entsprechende Kompetenzen in der nutztierwissenschaftlichen Forschung. Nur so kann eine Entwicklung hin zu einer digitalisierten, modernen Landwirtschaft gelingen, die den Anforderungen an Effektivität und Effizienz in einer von Klimawandel und Globalisierung geprägten Welt gerecht wird. Um die Datenkompetenzen und den fachlichen Austausch unter Nachwuchswissenschaftlern zu fördern, sollte im Rahmen dieses Projekts eine internationale Summer School zum Thema "Maschinelles Lernen" durchgeführt werden.