Return to search

Entwicklung eines Bildverarbeitungssystems zur Überwachung des Locomotion Scoring in Milchviehbetrieben

Ein System zur automatischen Erfassung der Klauengesundheit von Milchkühen kann durch möglichst frühzeitige präventive und kurative Eingriffe sowohl das Tierwohl steigern als auch ökonomische Verluste minimieren. Ziel war die Entwicklung eines automatischen Systems, dass mittels 3D Sensordaten die Rückenkrümmung einer Kuh erfassen kann und einen entsprechenden Locomotion Score ausgibt.
In dieser Studie wurden von August bis Dezember 2016 auf einem Milchviehbetrieb mit Boxenlaufstallhaltung 200 Kühe der Rasse Deutsche Holstein automatisch von einem System nach Verlassen des Melkstandes erfasst. Das System bestand aus zwei RFID-Antennen zur Tiererkennung, einem 3D Sensor zur Lahmheitsbeurteilung und zwei 2D Kameras zur visuellen Bonitur und Validierung. Anhand der 2D Videos wurde nach der Methode von SPRECHER et al. (1997) für 1489 Datensätze ein Locomotion Scores vergeben.
Im 2,5D-Tiefenbild wurden zunächst die Hüfthöcker als höchste, äußerste Punkte im Bild identifiziert. Ausgehend von einer Verbindungslinie zwischen den Hüfthöckern, wurde die Wirbelsäule als Polylinie der höchsten Punkte in Richtung Bildanfang ermittelt. Im 3D-Raum wurde dann an die gefundene Rückenlinie ein Kreis approximiert, dessen Radius umgekehrt proportional zur Krümmung des Kuhrückens ist.
Der Vergleich der visuell vergebenen und der automatisch gemessenen Scores ergab für das Modell mit fünf Stufen eine Übereinstimmung von 59 % und für das Modell mit drei Stufen 65 %. Die Korrelation nach Spearman (rs = 0,73) zeigte einen deutlichen Zusammenhang zwischen den berechneten und den visuellen Scores. Mit einer Genauigkeit von 82 % wurden 96 % der lahmen Kühe auch als lahm erkannt. Die größte Übereinstimmung wurde für den Locomotion Score 2 erreicht (80 %).
In dieser Arbeit wurde ein automatisches System entwickelt, welches durch die Berechnung der Krümmung der Rückenlinie insbesondere beginnende Lahmheiten sehr gut erkennen kann. / A system for automatic detection of lameness in dairy cows can increase animal welfare as well as minimize economic losses through early preventative and curative treatments. The aim of this study was to develop an automatic system that uses 3D sensor data to detect the spine curve of a cow and generate a corresponding locomotion score.
In the present study 200 German Holstein cows housed in a free stall barn were recorded via an automatic system after leaving the milking parlour from August to December 2016 on a dairy farm. The system consisted of two RFID-antennas, a 3D depth camera for automatic lameness detection and two standard 2D cameras for visual classification and validation. An amount of 1,489 2D sets of data were locomotion scored according to the method of SPRECHER et al. (1997). Locomotion Score 1 was used to score a healthy cow and Locomotion Score 2 – 5 for lameness with increasing severity. In the analysis five levels (score 1 – 5) as well as three levels (score 1, 2, and ≥ 3) were compared.
In the 2.5D depth image the hip joints were identified as the highest, outermost points in the image. Starting from a connection line between the hip joints, the spine was determined as a polyline of the highest points in anterior direction. On the 3D surface, a circle was approximated to the detected back line whose radius is inversely proportional to the curvature of the cow´s back.
A comparison of the visually assigned and automatically detected scores showed a 59 % match of the five-level model and 65 % for the three-level model. The Spearman correlation (rs = 0.73) showed a clear correlation between the calculated and the visual scores. With an accuracy of 82 %, 96 % of lame cows were identified as lame. The highest agreement was reached for locomotion Score 2 (80 %).
In the present study an automatic system was developed, which can recognize in particular beginning lameness by calculating the curvature of the back.

Identiferoai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/20669
Date15 April 2019
CreatorsDieckmann, Sarah
ContributorsRömer, Anke, Karge, Jörn, Kanswohl, Norbert
PublisherHumboldt-Universität zu Berlin
Source SetsHumboldt University of Berlin
LanguageGerman
Detected LanguageGerman
TypedoctoralThesis, doc-type:doctoralThesis
Formatapplication/pdf
Rights(CC BY 3.0 DE) Namensnennung 3.0 Deutschland, http://creativecommons.org/licenses/by/3.0/de/

Page generated in 0.0027 seconds