Item type:Conference Paper, Full Review

Multistage Eartag Detection – Entwicklung eines KI-basierten Ansatzes zur automatischen Einzeltier- identifikation mittels Ohrmarken beim Schwein

Loading...
Thumbnail Image

Fulltext URI

Document type

Text/Conference Paper

Additional Information

Date

relationships.isAuthorOf

Wutke, Martin
Debiasi, Damiano
Höne, Ulrike
Probst, Jeanette
Dirksen, Neele
Lieboldt, Marc-Alexander
Kemper, Nicole
Traulsen, Imke

Journal Title

Journal ISSN

Volume Title

Publisher

Gesellschaft für Informatik e.V.

Abstract

Obwohl bildbasierte KI-Methoden wie die Lokalisation und die Erkennung von Einzeltieren mittlerweile verstärkt Anwendung im Bereich der Nutztierhaltung finden, stellt die Tieridentifikation, vor allem in Bereichen wie der Schweinehaltung mit homogenen visuellen Tiermerkmalen, nach wie vor große Herausforderungen an bestehende Systeme. Das Ziel der vorliegenden Studie ist diesbezüglich die Entwicklung einer optischen Methode zur Lokalisation und Identifikation von Einzeltieren im Kontext der Schweinehaltung. Durch die modulare Verwendung von vier State-of-the-Art Objektdetektionsmodellen werden die vorhandenen Bildinformationen stufenweise analysiert und lesbare Tier-IDs anhand handelsüblicher Ohrmarken automatisiert bestimmt. Im Ergebnis erreicht der vorgestellte Ansatz eine Erkennungsgenauigkeit von 0,993 bei einer Fehlerrate von 0,007. Im Rahmen weiterer Untersuchungen soll die entwickelte Methode zur Verbesserung von Trackingansätzen und im Kontext spezifischer Anwendungsfälle implementiert werden.

Description

Wutke, Martin; Debiasi, Damiano; Höne, Ulrike; Probst, Jeanette; Dirksen, Neele; Lieboldt, Marc-Alexander; Kemper, Nicole; Traulsen, Imke (2025): Multistage Eartag Detection – Entwicklung eines KI-basierten Ansatzes zur automatischen Einzeltier- identifikation mittels Ohrmarken beim Schwein. 45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft. DOI: 10.18420/giljt2025_51. Bonn: Gesellschaft für Informatik e.V.. PISSN: 2944-7682. EISSN: 2944-7682. ISBN: 978-3-88579-802-6. pp. 411-416. Wieselburg, Austria. 25/26. Februar 2025

Keywords

Object Detection, Tieridentifikation, YOLOv10

Citation

URI

Endorsement

Review

Supplemented By

Referenced By