![\"\"](\"https:\/\/genus-develop.go-vip.co\/pic\/wp-content\/uploads\/sites\/3\/2023\/02\/GenTrend_FVW_TZ_DE.png?w=700&resize=700%2C500\")
Leistung in Kombination mit Managementerfordernissen<\/h3>\n\n\n\n
Neben der kontinuierlichen Optimierung unseres Selektionsindexes mit dem Fokus auf Leistung, Produktqualit\u00e4t, Effizienz, Wirtschaftlichkeit und Robustheit nutzen wir neueste, wissenschaftlich gepr\u00fcfte Technologien, um den Zuchtfortschritt weiter voranzutreiben. Insbesondere liegt der Fokus derzeit auf dem Verhalten der Tiere. Ruhige Schweine zu z\u00fcchten, die gleichzeitig den anspruchsvollen Kriterien an Wirtschaftlichkeit und Effizienz gen\u00fcgen, ist nach wie vor eine gro\u00dfe Herausforderung. Denn Verhalten hat einerseits eine sehr geringe Erblichkeit und ist andererseits besonders schwer, wirklich zuverl\u00e4ssig zu messen.<\/p>\n\n\n\n
Aussagekr\u00e4ftige Verhaltensbeobachtung aufw\u00e4ndig<\/h3>\n\n\n\n
Korrekte Verhaltensbeobachtungen sind \u00fcblicherweise zeit- und somit kostenintensiv, insbesondere, da die Verhaltensweisen von Interesse (beispielsweise aggressive Auseinandersetzungen) in der Regel von eher kurzer Dauer sind. Weiterhin bedarf es geschulter Beobachter, um Verhalten standardisiert und somit vergleichbar zu erfassen.<\/p>\n\n\n\n
Standardisierte Verhaltenstest oft fehleranf\u00e4llig<\/h3>\n\n\n\n
Sogenannte Verhaltenstests, also die Erfassung des Verhaltens von Tieren in einer standardisierten Situation, um daraus R\u00fcckschl\u00fcsse auf das generelle Verhalten des Tieres zu ziehen, sind oft fehleranf\u00e4llig, zudem sind die Einflussfaktoren vielf\u00e4ltig. Dies bedeutet, es kann sehr leicht passieren, dass man auf irgendetwas selektiert, aber nicht unbedingt auf das gew\u00fcnschte Verhalten.<\/p>\n\n\n\n
Technik und K\u00fcnstliche Intelligenz erm\u00f6glichen objektive Erfassung<\/h3>\n\n\n\n
Der wissenschaftsbasierte Weg, den PIC seit jeher beschreitet, mag zwar manchmal langatmiger erscheinen, da es einige Zeit dauern kann, bis wissenschaftliche Erkenntnisse die langsam mahlenden Universit\u00e4tsm\u00fchlen verlassen und wirklich praxistauglich sind, aber am Ende ist es der erfolgreichere, da auf Fakten basierende Weg. Die Wissenschaft \u2013 und somit auch PIC \u2013 setzt in Bezug auf die valide Erfassung von Verhalten vermehrt auf technische L\u00f6sungen unter dem Einsatz k\u00fcnstlicher Intelligenz. Beispielsweise werden Videokameras dank des technischen Fortschritts immer erschwinglicher und gleichzeitig weniger anf\u00e4llig im Hinblick auf die suboptimalen Bedingungen im Schweinestall (Reinigung, Staub, Netzanschl\u00fcsse) und so immer interessanter f\u00fcr den standardisierten Praxiseinsatz. Um den gr\u00f6\u00dftm\u00f6glichen Nutzen f\u00fcr die Praxis zu erwirken, war und ist PIC beteiligt an Forschungsprojekten verschiedener Universit\u00e4ten zur automatisierten Datenerhebung. Aber auch direkt bei der PIC arbeitet ein Team um den ehemals an der Universit\u00e4t von Nebraska t\u00e4tigen Professor f\u00fcr Elektrotechnik und Informatik, Eric Psota, in diesem Bereich. In seiner Forschung konzentriert sich Eric Psota auf die Automatisierung im Schweinestall, insbesondere die automatische Erkennung verschiedener Verhaltensweisen anhand von Videobildern. Dieser Algorithmus und seine Automatisierung werden derzeit bei PIC stetig weiterentwickelt.<\/p>\n\n\n\n
Wie funktioniert aber so ein automatisierter Algorithmus?<\/h3>\n\n\n\n
Der Wissenschaftler spricht von einem „neuronalem Netzwerk“, dass dem System zugrunde liegt. Vereinfacht ausgedr\u00fcckt: Wenn man ein System trainieren m\u00f6chte, automatisch zu erkennen, dass ein Schwein auf einem Bild zu sehen ist, werden zun\u00e4chst tausende Bilder verschiedener Schweine in verschiedenen Posen ben\u00f6tigt. Wenn dieses Training erfolgreich war, ist das System danach in der Lage, auch unbekannte Bilder korrekt zuzuordnen und beispielsweise ein Schwein von einer Kuh korrekt zu unterscheiden.<\/p>\n\n\n\n
Es ist also bei weitem nicht damit getan, einfach nur eine Videokamera in eine Bucht zu h\u00e4ngen, sondern die wahre Arbeit f\u00e4ngt an, wenn die aufgenommenen Bilder gespeichert und \u00fcbertragen wurden. Es beginnt also damit, dass wir erstmal das System trainieren m\u00fcssen, ein (einzelnes) Schwein zu erkennen und beispielsweise die Anzahl der Tiere in der Gruppe zu erkennen. Als n\u00e4chstes m\u00f6chte man, zumindest um beispielsweise Zuchtentscheidungen treffen zu k\u00f6nnen, die Tiere auch individuell voneinander unterscheiden k\u00f6nnen, was bei einer homogenen Schweinegruppe auch f\u00fcr den ge\u00fcbten Landwirt eine gro\u00dfe Herausforderung darstellt. Der PIC Algorithmus setzt dabei auf individuelle Ohrmarken. So kann auch in Bilderabfolgen, wenn sich die Schweine bewegt haben, sichergestellt werden, dass noch immer alle Schweine korrekt zugeordnet werden.<\/p>\n\n\n\n
Erst jetzt folgt der eigentlich spannende Teil: Verhalten automatisiert zuordnen. Auch hierf\u00fcr m\u00fcssen wieder Trainingsbilder mit den entsprechenden Verhaltensweisen (beispielsweise Ruhen, Stehen, Fressen) gelabelt werden. Der PIC Algorithmus ist inzwischen in der Lage, die Verhaltensweisen seitliches Ruhen, Bauchlage, Stehen, Sitzen, Fressen, Trinken sowie die zur\u00fcckgelegte Distanz automatisiert, individuell zu erkennen. Ein Ausschnitt einer solchen Erkennung, welche 24\/7 erfolgt, ist in Abb. 2 dargestellt.<\/p>\n\n\n\n
![\"\"](\"https:\/\/genus-develop.go-vip.co\/pic\/wp-content\/uploads\/sites\/3\/2023\/02\/PIC_Capturing-Behaviour.png?w=941&resize=1166%2C1269\")
<\/figure>Abb. 2: Mit Hilfe des PIC Algorithmus k\u00f6nnen Tiere einer Bucht automatisiert individuell erkannt werden und die Verhaltenskategorien seitliches Liegen, Bauchlage (blau), Stehen (rot), Sitzen (gelb), Fressen (gr\u00fcn) und Trinken zugeordnet werden. <\/p>\n<\/div><\/div>\n\n\n\n
Der PIC Algorithmus wird derzeit auf Nukleusbetrieben eingesetzt. Dabei „lernt“ das System durch die kontinuierlich einflie\u00dfenden Daten laufend weiter und wird genauer. So kann durchgehend Verhalten erfasst werden und beispielsweise das Aktivit\u00e4tslevel oder das Futteraufnahmeverhalten der Tiere quantifiziert werden. Krankheiten k\u00f6nnen, durch verminderte Aktivit\u00e4t, so bereits in fr\u00fchen Stadien erkannt werden, was beispielsweise die Selektion auf Robustheit vereinfacht.<\/p>\n\n\n\n
Die n\u00e4chste Stufe der Weiterentwicklung ist in Arbeit<\/h3>\n\n\n\n
Die n\u00e4chsten Schritte sind beispielsweise die automatische Erkennung von zeitlich sehr kurzen Verhaltensweisen, beispielsweise Schwanzbei\u00dfevents oder Verdr\u00e4ngungsverhalten. Hier ist das Training schwieriger, da man nicht mehr anhand einzelner Bilder (wie beispielsweise bei der Erkennung von Schweineumrissen) trainieren kann, sondern ganze Videosequenzen, also eine Abfolge mehrerer hintereinander in einer bestimmten Reihenfolge auftretenden Bilder ben\u00f6tigt, um das Verhalten korrekt zu klassifizieren.<\/p>\n\n\n\n
Gleichzeitig geht die Forschung auch in anderen Bereichen, beispielsweise die Ursachenforschung im Bereich der Verhaltensst\u00f6rung Schwanzbei\u00dfen weiter. Durch den wissenschaftsbasierten Ansatz ist es hoffentlich in Zukunft m\u00f6glich, T\u00e4ter sicher zu identifizieren und entsprechend zu selektieren. Damit dies wirklich korrekt erfolgt ist der wissenschaftsbasierte Ansatz unerl\u00e4sslich.<\/p>\n\n\n\n
K\u00fcnstliche Intelligenz zur objektiven Fundamentbewertung<\/h3>\n\n\n\n
Eine Abwandlung des PIC Algorithmus zur automatisierten Verhaltenserkennung ist bereits in der Fundamentbeschreibung im Einsatz (Gliedma\u00dfenstellung). Das sogenannte Leg-Scoring erfolgte bisher durch geschulte Selekteure und wird derzeit umgestellt auf videobasierte Erkennung. Die verschiedenen Gelenksregionen werden automatisch erkannt, und die Winkelung der Gliedma\u00dfen kann errechnet werden (s. Abb.3). Auf diese Weise wird die Qualit\u00e4t der Selektion und damit am Ende auch die Wirtschaftlichkeit in der Ferkelproduktion verbessert.<\/p>\n\n\n\n
![\"\"](\"https:\/\/genus-develop.go-vip.co\/pic\/wp-content\/uploads\/sites\/3\/2023\/01\/PIC_Digital-Phenotyping-Promo-Image_600x400_FINAL_1022.jpg?w=600&resize=600%2C400\")