• Person holding tablet showing growth graphs
Von: Lynda Haig Thoresen | Marketing, Communication & Sustainability Manager

Wir stellen vor: 3D Pig TV

Wir stellen 3D Pig TV vor, eine automatisierte Lösung zur Gewichtsüberwachung, die KI-Technologie zur Überwachung des Gewichts von Schweinen einsetzt.

Wir stellen das 3D Pig TV vor. Die Lösung ermöglicht die tägliche, routinemäßige Überwachung des Gewichts von Nutztieren und lässt Landwirte den genauen Wert und die Leistung auf Stall- und individueller Ebene erkennen.

Unser Auftraggeber dol-sensors hat gerade eine 3D-Kamera auf den Markt gebracht, die KI-Technologie zur Überwachung des Gewichts von Schweinen nutzt. Die Kamera, die von einer maßgeschneiderten Software für maschinelles Lernen unterstützt wird, ermöglicht es dem Schweinehalter, den genauen Zeitpunkt für den Transport der Tiere zu bestimmen. Data Respons Solutions hat mit einem maßgeschneiderten robusten Einplatinencomputer dazu beigetragen.

dol-Sensors ist ein dänisches AgriTech-Unternehmen, das intelligente kapazitive Sensoren, Klimasensoren und Managementsensoren wie Wiegekomponenten und digitale Cloud-Dienste für die Viehzucht und die Futtermittelindustrie entwickelt, produziert und vermarktet. dol-Sensors verfügt über mehr als 40 Jahre Erfahrung in der Agrarsensorik und produziert mehr als 250 000 Sensoren pro Jahr.

Viehzüchter und Integratoren haben Schwierigkeiten, ihre Managementstrategie zu optimieren, weil ihnen Gewichtsparameter fehlen. Mit dieser Lösung kann der Landwirt das tägliche Gewicht und die Gewichtszunahme überwachen, die Fütterungs-, Sortier- und Versandstrategie optimieren, leistungsschwache Tiere erkennen, das Schlachtgewicht vorhersagen und schlachtreife Tiere identifizieren, wodurch die Produktion kosteneffizienter, effektiver und nachhaltiger wird.

SDG 12: Responsible consumption and production

Maßgeschneiderte Machine Learning Software und Algorithmus

Mit Hilfe einer maßgeschneiderten Software für maschinelles Lernen ermöglicht die Kamera dem Schweinehalter, den genauen Zeitpunkt für den Transport der Tiere zu bestimmen. Ein speziell entwickelter und trainierter Machine Learning-Algorithmus ermöglicht es der iDOL 65 Kamera, das Gewicht eines Tieres mit einer Genauigkeit von 2,7 Prozent zu bestimmen. Diese beeindruckende Genauigkeit wurde erreicht, indem das System auf +1 Mio. Bilder trainiert wurde.

– Wir sind das erste AgriTech-Unternehmen, das diesen Präzisionsgrad erreicht, obwohl es die Idee, das Gewicht eines Schweins mit einer Kamera zu bestimmen, schon seit etwa 20 Jahren gibt. Das Training des Machine Learning Algorithmus war die Achillesferse anderer Versuche, ähnliche Systeme zu entwickeln, sagt Kartheeban Nagenthiraja, CEO von dol-sensors.

Laut Kartheeban Nagenthiraja kann ein Bildverarbeitungssystem für den Schweinehalter einen erheblichen Unterschied machen, sowohl bei der Entscheidung, welches Mischfutter zu verwenden ist, als auch bei der Vorhersage, wann die Tiere das richtige Gewicht erreicht haben, um zum Schlachthof transportiert zu werden.

Die größte Herausforderung bestand darin, genügend Daten zu sammeln, um den Algorithmus so zu trainieren, dass er gut funktioniert. Es ist relativ einfach, visuelle Daten von beispielsweise 15 Tieren zu erhalten, aber das bringt nichts. Als wir vor drei Jahren mit der Arbeit an der Kamerasoftware begannen, haben wir uns viele Gedanken darüber gemacht, wie wir die richtigen Daten bereitstellen können. Man braucht nicht nur eine Vielzahl von Bildern. Man muss auch das genaue Gewicht des Tieres kennen und es dem richtigen Bild zuordnen, erklärt Kartheeban Nagenthiraja.

Ohrenmarkierung mit RFID-Chip

Das Entwicklungsteam von dol-sensors hat eine Lösung gefunden und eine Ohrmarke mit einem RFID-Chip an einer viel größeren Anzahl von Schweinen angebracht und eine Kamera und ein RFID-Lesegerät in der Nähe des Fütterungssystems der Schweine platziert. Außerdem installierten sie eine Waage mit einem weiteren RFID-Lesegerät, um das Gewicht jedes Tieres zu ermitteln. Auf diese Weise konnten sie sowohl visuelle Daten als auch Gewichtsdaten automatisch erfassen und miteinander verbinden.

– Unser Ziel war es, eine Genauigkeit von 3 % zu erreichen, was bedeutet, dass das System in der Lage sein sollte, ein 100 kg schweres Tier auf ein Gewicht zwischen 97 und 103 kg zu schätzen. Dieses Ziel haben wir erreicht, und derzeit liegt unsere Genauigkeit bei 2,7 %. Wir arbeiten an der Feinabstimmung unseres Algorithmus, um ihn noch präziser zu machen, und haben die Kamera so konzipiert, dass sie per Fernzugriff mit neuen Softwareversionen aktualisiert werden kann.

Encapsulated hardware

Genau wie die Software war auch die Hardware nicht so einfach zu realisieren. Zuallererst musste die Kamera so konstruiert werden, dass sie der Umgebung in einem Schweinestall standhält. Staub und Ammoniak erforderten eine vollständige Kapselung der Elektronik. Da ein durchschnittlicher Schweinehalter etwa 30 bis 40 Kameras benötigt, musste das Gerät selbst kostengünstig sein, aber aus qualitativ hochwertigen Komponenten in Industriequalität bestehen.

– Wir begannen mit einer billigen Kamera und einer bei Alibaba gekauften Elektronikplatine, erklärt Entwicklungsingenieur und Projektleiter bei dol-sensors, Martin Svalgaard.

– Wir behielten die Kamera, merkten aber bald, dass wir eine bessere Platine brauchten. Data Respons Solutions war in der Lage, uns das richtige Teil zum richtigen Preis zu liefern. Das iDOL 65 läuft auf einem ARM-Einplatinencomputer, einem IMX8-basierten NXP-System mit einer Intel-basierten Kameralösung, die genügend Spielraum für zukünftige Upgrades bietet. Data Respons Solutions hat sehr gute Arbeit geleistet, und wir sind sehr froh, mit ihnen zusammenzuarbeiten.

The iDOL65-camera

Linux-Software und Kamerasicherheit

Darüber hinaus arbeitete das Entwicklungsteam eng mit einem Software-Ingenieur von Data Respons Solutions zusammen, um die Hardware-Treiber mit der Anwendungsschicht zu verbinden. Das Gerät verwendet die von NXP konfigurierte Linux-Distribution. Data Respons Solutions hat auch zur Sicherung der iDOL 65-Kamera beigetragen, um unbefugten Zugriff zu verhindern.

Fliegendreck – ein unerwartetes Problem

Bei der Entwicklung des Geräts mussten die Ingenieure von dol-sensors jedoch einige unerwartete Probleme lösen. Nämlich Fliegenkot. Fliegen werden von warmen Orten angezogen, und da sich das Gerät während des Betriebs erwärmt, bedeckten winzige schwarze Punkte aus Fliegendreck das Objektiv und verringerten die Leistung der Kamera.

– Wir änderten die Anordnung der Elektronik, so dass sich der Bereich um das Kameraobjektiv nicht mehr aufheizt und keine Fliegen mehr anzieht. Das Problem ist gelöst”, erklärt Martin Svalgaard.

Nach Angaben von dol-sensors kann ein Schweinehalter, der das volle Potenzial des iDOL 65-Kamerasystems nutzt, einen zusätzlichen Gewinn von 70 DK. (0,90 Euro) pro Schwein erzielen.

Der zusätzliche Gewinn ergibt sich sowohl aus der Möglichkeit, das Vieh zum optimalen Zeitpunkt und mit dem optimalen Gewicht zu verfrachten, als auch aus der Optimierung verschiedener anderer Prozesse, wie z. B. der Bestimmung, wie und wann das Mischfutter angepasst werden muss.

In Zukunft will das Entwicklungsteam von dol-sensors die gesammelten Daten nutzen, um nicht nur das Gewicht eines Schweins zu bestimmen, sondern auch sein Wohlbefinden zu ermitteln, indem beispielsweise Bewegungsmuster und andere Parameter analysiert werden.

The DOL OMNI platform

dol-sensors plant, in den kommenden 5 Jahren etwa 5.000 Kameras zu verkaufen, die in das eigene Farm-Management-System und als OEM-Produkt für andere Integratoren in der Farm-Management-Industrie eingebaut werden.

DOL OMNI account model

We use cookies to give you the best online experience. By agreeing you accept the use of cookies in accordance with our cookie policy.

Privacy Settings saved!
Privacy Settings

When you visit any web site, it may store or retrieve information on your browser, mostly in the form of cookies. Control your personal Cookie Services here.

These cookies are necessary for the website to function and cannot be switched off in our systems.

In order to use this website we use the following technically required cookies
  • wordpress_test_cookie
  • wordpress_logged_in_
  • wordpress_sec

Alle Cookies ablehnen
Alle Cookies akzeptieren