Bildbasiertes Gesundheitsmonitoring im Milchviehstall

Problem und Zielsetzung

Die frühzeitige Erkennung gesundheitlicher Beeinträchtigungen ist in der Milchviehhaltung eine zentrale Voraussetzung für Tierwohl und Wirtschaftlichkeit. In größeren Beständen erfolgt die Beurteilung des Gesundheitszustands im Stallalltag jedoch überwiegend manuell und anlassbezogen. Sie ist personalintensiv, erfahrungsabhängig und setzt häufig erst dann ein, wenn Veränderungen bereits deutlich ausgeprägt sind. Daraus ergibt sich der Bedarf an objektiven, kontinuierlich einsetzbaren und skalierbaren Verfahren.

Vor diesem Hintergrund entsteht ein kamerabasiertes, nicht-invasives Gesundheitsmonitoring, das Bewegungs-, Vital- und Verhaltensdaten systematisch erfasst und zu einer belastbaren Entscheidungsgrundlage im Herdenmanagement zusammenführt. Entwicklung und Erprobung erfolgen unter realen Stallbedingungen in derzeit drei Milchviehbetrieben mit insgesamt rund 4.000 Kühen, darunter in enger Zusammenarbeit mit dem Forschungsinstitut für Nutztierbiologie Dummerstorf.

Automatisierte Lahmheitserkennung

Ein erster, anwendungszentrierter Schwerpunkt liegt auf der automatisierten Lahmheitserkennung. RGB-Kameras werden in stark frequentierten Stallbereichen installiert und erfassen kontinuierlich Gangbilder aller Tiere einer Herde. Computer-Vision-Verfahren identifizieren relevante Körperregionen und leiten Parameter wie Winkel, Geschwindigkeit und Beschleunigung ab. Das Modell wird so ausgelegt, dass es robust gegenüber variierenden Lichtverhältnissen, unterschiedlichen Stallumgebungen und tierindividuellen Unterschieden arbeitet. Die Lahmheitserkennung bildet dabei keinen isolierten Anwendungsfall, sondern einen funktionalen Einstieg in ein umfassenderes Gesundheitsmonitoring.

Nicht-invasive Vitalparametererfassung

Auf derselben technologischen Grundlage werden weitere physiologische Indikatoren integriert. Thermalkameras ermöglichen eine kontaktlose Temperaturbestimmung, RGB-basierte Verfahren unterstützen die bildgestützte, nicht-invasive Pulsanalyse mittels iPPG. Ergänzend wird eine bildbasierte Atemfrequenzerkennung entwickelt, die das IGD als assoziierter Partner gemeinsam mit den Konsortialpartnern im Projekt KI-TIERWOHL vorantreibt. Bewegungs- und Vitalparameter werden damit in einem gemeinsamen Systemkontext erfasst.

Posenerkennung und Verhaltensanalyse

Parallel dazu erfolgt die Entwicklung einer kontinuierlichen Posenerkennung als Grundlage der Verhaltensanalyse. Kamerabasierte Verfahren erfassen Haltungen wie Liegen, Stehen, Fressen oder Trinken. Zeitreihenanalysen werten Dauer, Häufigkeit und Übergänge zwischen Posen aus und identifizieren Abweichungen vom individuellen Normalverhalten. Veränderungen im Aktivitäts- und Ruheverhalten lassen sich so frühzeitig erkennen und mit physiologischen Auffälligkeiten in Beziehung setzen.

Äußerlich sichtbare Zustandsindikatoren

Ergänzend werden äußerlich sichtbare Merkmale wie Verschmutzungen und Verletzungen automatisiert erfasst. Bildbasierte Verfahren bewerten Ausprägung und Verteilung und liefern damit zusätzliche Hinweise auf Hygienestatus und Haltungsbedingungen als ergänzende Informationsgrundlage im Gesundheitsmanagement.

Tierindividuelle Identifikation als Integrationsschlüssel

Die Zusammenführung dieser Informationsstränge setzt eine eindeutige, rein visuelle Identifikation einzelner Tiere voraus. Daher wird eine biometrische Gesichtserkennung für Milchkühe entwickelt, die eine tierindividuelle Zuordnung aller erfassten Bewegungs-, Vital- und Verhaltensdaten ermöglicht. Auf dieser Basis entsteht schrittweise eine kontinuierliche, digitale Gesundheitsakte im Stallkontext.

Übertragbarkeit und Systemintegration

Die Entwicklung erfolgt exemplarisch im Anwendungskontext Milchviehstall. Die zugrunde liegenden methodischen Prinzipien wie kamerabasierte Zustandserfassung, multimodale Datenfusion und tierindividuelle Zuordnung werden jedoch so konzipiert, dass sie auf weitere Tierarten und Haltungssysteme übertragbar sind.

Das Gesamtsystem ist modular konzipiert und sowohl als eigenständige Anwendung als auch als integrierbarer Baustein für bestehende Herdenmanagementlösungen gedacht. Es adressiert insbesondere größere Bestände mit hohen Anforderungen an Dokumentation, Transparenz und Skalierbarkeit und ist perspektivisch auf weitere Tierarten und Haltungssysteme übertragbar.