Derzeit sind hauptsächlich statische, "ressourcenbasierte" Indikatoren die Zertifikate und Labels für Tiergesundheit und Tierwohl, z. B. wie viel kg Lebendgewicht /m² oder wie viel tägliche Gewichtszunahme erlaubt ist, ausschlaggebend. Es herrscht ein allgemeines Verständnis, dass diese KPIs nur die zweitbeste Wahl sind, weil sie nicht wirklich auf spezifische Tiere oder Herden eingehen. Ja, sie sind pragmatisch und leicht von unabhängigen Personen zu überprüfen, aber es ist ein "output-basierter" Ansatz erforderlich. Das bedeutet, wichtiger als allgemeine Grenzwerte und Zahlen ist es, zu erkennen, wie sich eine Herde und die Hühner tatsächlich verhalten. Kameras, Echtzeit-Bilderkennung und Datenanalyse haben ein enormes Potenzial zur Überwachung und Verbesserung des spezifischen Tierwohls. Dies spiegelt sich in den kürzlich gewährten Forschungszuschüssen der Foundation for Food and Agriculture Research (FFAR) und McDonald's (einer der größten Geflügelfleischkäufer) wider. Das Rennen, um zu mehr Vermessung von Masthähnchen und zu mehr Tierschutz speziell beizutragen, ist also eröffnet. Unserer Meinung nach sind Kameras und Bilder ein wichtiges neues Werkzeug, aber natürlich müssen die Ergebnisse intelligent mit anderen Faktoren, wie der Futterzusammensetzung, dem Farmmanagement und Gesundheitsproblemen kombiniert werden, um einen echten Einblick zu erhalten - so wie es ein erfahrener und guter Landwirt heute tut.

‍

‍

Die Expertise der Besten zusammenzubringen, um die Branche zu verbessern, war ein Grund, warum Evonik beschlossen hat, die Porphyrio Precision Farming Plattform für Geflügel aufzubauen. Wir sind der Meinung, dass, obwohl das allgemeine Verständnis für die Bedürfnisse von Hühnern in den letzten Jahrzehnten zugenommen hat und die landwirtschaftlichen Praktiken im Allgemeinen professionalisiert wurden, es sicherlich noch eine Menge Potenzial zur Verbesserung gibt. Eine bessere Überwachung der Herden, um Anomalien so früh wie möglich zu erkennen, würde ein früheres Eingreifen und im Idealfall die Vermeidung von medizinischen Behandlungen ermöglichen. Außerdem: Während einige erfahrene Landwirte vielleicht schon heute durch bloßes Beobachten, Zuhören und Betrachten von Hühnern und deren Daten jede Veränderung erkennen, ist dies bei weniger erfahrenen Landwirten vielleicht nicht der Fall.

Einige Frühindikatoren für Gesundheitsprobleme bei Hühnern sind Bewegungsmuster, wenig besiedelte Stellen im Stall, zu schnelles oder zu langsames Wachstum. Technologien bieten jetzt Werkzeuge zur Verbesserung, die den Landwirt dabei unterstützen, sich um seine Herde zu kümmern, wenn er nicht im Haus ist. Die automatisierte Analyse von Top-Down-Bildern aus dem Stall sollte es uns ermöglichen, Tierschutz- und Gesundheitsprobleme frühzeitig zu erkennen und den Landwirt zu benachrichtigen, damit er im Falle einer Anomalie Maßnahmen ergreifen kann. Ein Parameter ist die Menge der gesunden Bewegung innerhalb der Hühnerherde. Außergewöhnlich niedrige oder hohe Bewegung kann ein früher Hinweis auf unangenehme Temperaturen, kalte Stellen aufgrund falscher Belüftung, Futter- oder Wassermangel in bestimmten Bereichen des Stalls oder sogar Infektionen sein, die eine medizinische Behandlung erfordern könnten. Gegenwärtig wird das tägliche Wachstum hauptsächlich auf Grundlage der Erfahrung des Landwirts geplant und vorhergesagt, vielleicht durch Vergleich mit "Standard-Wachstumskurven", die für die jeweilige Rasse bereitgestellt werden. Das manuelle Wiegen einer eher kleinen Stichprobe von Hühnern findet regelmäßig statt, ist aber arbeitsintensiv und verursacht Stress bei den Tieren. Automatische Waagen existieren, sind aber derzeit in ihrer Genauigkeit begrenzt und arbeiten nur in bestimmten Zeitspannen innerhalb des Wachstumszyklus zuverlässig. Außerdem gibt es keine Kontrolle über die Verteilung der Hühner, die tatsächlich von automatischen Waagen gemessen werden, und keine Kontrolle über die Repräsentativität des Huhns, das gewogen wird, für die gesamte Herde.

Idealerweise würde eine optische Messung mit Kameras erfolgen, die eine große Stichprobe von Hühnern misst und eine Schätzung der Gewichtsverteilung liefert. Die Vorteile einer optischen Messung wären: Kein Stress für das einzelne Tier und sie könnte bei Hunderten oder sogar Tausenden von Hühnern in hoher Frequenz angewendet werden. Die automatisierte Erkennung von Abweichungen von der "Standard-Wachstumskurve" würde es den Landwirten ermöglichen, frühzeitig Maßnahmen zu ergreifen. Eine der praktischen Herausforderungen ist, dass die Hühner unter bestimmten Bedingungen ihr Gefieder mehr oder weniger aufplustern und ihre Größe deutlich verändern.  

Sie erhalten einen großen Datensatz von Top-Down-Bildern aus Ställen für Trainingszwecke, erwartete tägliche Wachstumskurven und endgültige Hühnergewichte und -verteilungen. Das Bildportfolio umfasst 24/7 Beobachtungen in mehreren Ställen, die alle Herdenalter abdecken. Die Bilder sind mit Datum und Uhrzeit versehen. Die aktuellen Durchschnittsgewichte werden pro Datum bzw. Herdenalter angegeben.  

Wenn das Startup die Herausforderung erfolgreich umsetzt, kann Evonik über seine Plattform Porphyrio einen zukünftigen Marktzugang anbieten. Diese Plattform, die digitale Dienstleistungen und Datenaustausch innerhalb der Geflügelindustrie anbieten soll, könnte ein idealer Vertriebskanal für interessierte Landwirte sein. Darüber hinaus kann Evonik den Zugang zu vielseitigen Datensätzen verschiedener Geflügelställe ermöglichen, die zur Weiterentwicklung dieses Use Cases genutzt werden könnten.  

Es wird mit einer Projektdauer von ca. 3 Monaten gerechnet.

• Vertiefte Kenntnisse in Object Tracking und Bilderkennung
• Erfahrung im Bereich Landwirtschaft und Viehzucht ist ein Plus
• Korrelationsanalyse und Verknüpfung verschiedener Datensätze ist für Dich nichts Neues
  

• Der Algorithmus / das Modell kann genaue KPIs zum Wohlbefinden von Masthühnern liefern, basierend auf Top-Down-Bildern eines Maststalls. Der Schwerpunkt sollte auf der Erkennung liegen von:
• Größenverteilung der Hühner (korreliert mit dem Gewicht) und Wachstum (und mögliche Abweichungen von einer "Standard-Wachstumskurve" zu erkennen) (als Voraussetzung/Nebenwirkung: Zähler der analysierten Probe)
• Identifikation von wenig besiedelten Bereichen innerhalb des Stalls (als % der Fläche)
• Die Korrelation der Größe mit dem gemittelten Gewicht der Hühner sollte nicht mehr als 5 % vom tatsächlichen Durchschnittsgewicht abweichen.
• Das Ergebnis kann mit niedrigeren und höheren Kameraauflösungen getestet werden, um eine Lösung mit einer Kamera, die "gut genug" ist, zu testen.

‍

Das Projekt kann in drei Meilensteine unterteilt werden:

1. Der erste Meilenstein ist erreicht, wenn die vorhandenen Bilddaten gesichtet, bereinigt und in das richtige Format für die weitere Analyse gebracht wurden. Einzelne Hühner sollen erkannt werden.
2. Der zweite Meilenstein ist erreicht, wenn das Gewicht der Hühner angenähert und Abweichungen von der "Standard-Wachstumskurve" identifiziert werden können. Eine Visualisierung des Wachstums über die Zeit ist erforderlich. Eine Verteilungskurve der erkannten Größen/Gewichte pro Tag (inkl. CV-Wert) ist erforderlich.
3. Der dritte Meilenstein ist erreicht, wenn relativ schwach besiedelte Bereiche im Stall erkannt werden ("vermiedene Flecken") und ein "Dummy-Melder" nach Überschreiten einer bestimmten Schwelle aktiviert wird

‍

‍