Verschiedenste Lösungen für diese Verhaltensprobleme wurden untersucht, wie etwa das Angebot von Beschäftigungsmaterial oder eine reduzierte Tierzahl in den Gruppen. Allerdings zeigen die Methoden beträchtliche Unterschiede in ihrer Effektivität - dies betrifft Unterschiede sowohl zwischen Versuchsbedingungen und der Praxis als auch zwischen einzelnen Betrieben. Die Landwirte und Landwirtinnen sind die Schlüssel für eine erfolgreiche Umsetzung und die Wirksamkeit der Empfehlungen.
Im Projekt PigWatch wurde der Zeitpunkt unter die Lupe genommen, bei dem ein Ausbruch kurz bevorsteht. Untersucht wurden technische Hilfsmittel und die Sensibilisierung des Landwirts auf ein bevorstehendes Problem.
Welche Warnsignale gibt es?
In den teilnehmenden Ländern wurden Fokusgruppen mit Landwirten gegründet. Diese diskutieren die Problematik und erarbeiteten ein Protokoll zur visuellen Überwachung von verletzendem Verhalten. Die Schwanzstellung der Schweine wurde als wichtigstes Merkmal identifiziert. Hängt der Schwanz oder wird er sogar eingezogen, stimmt etwas nicht. Jetzt sind Maßnahmen wie z.B. die Gabe von Beschäftigungsmaterial oder die Überprüfung der Tränke gefordert.
Precision farming im Schweinestall
Die heutige Technik kann die Betriebsleiter bei ihren Beobachtungen unterstützen. Im Projekt wurden Bewegungssensoren zur Aktivitätsmessung zur automatisierten Erkennung von unerwünschtem Verhalten getestet. Die automatisierte Technik basiert auf Sensoren und Algorithmen der künstlichen Intelligenz. Das CEA-Leti, ein Forschungsinstitut für Elektronik und Informationstechnologie in Frankreich, hat ein Gerät entwickelt, das einen triaxialen Beschleunigungssensor beinhaltet. Das Gerät ist mit einer Android-Anwendung zur Datenerfassung auf einem Smartphone über eine stromsparende Bluetooth-Kommunikation verbunden. Derzeit ist der Algorithmus in der Lage, Aggressionen mit einer Empfindlichkeit von 41% und einer Spezifität von 87% zu erkennen. Damit ist die Technik noch nicht ganz praxistauglich, aber sie wird mit der Zunahme der auswertbaren Daten verbessert.
Automatisierte Erfassung von Verletzungen
Hämoglobinkamera
Mit dieser Multispektrumkamera können Hautläsionen, also der Haut, mit frischem oder geronnenem Blut bei Schweinen erkannt und quantifiziert werden. Die Kamera ist derzeit noch im Entwicklungsstadium. Im Erfolgsfall wird diese objektive Technik die On-Farm-Detektion durch einen Beobachter ersetzen, wie sie in wissenschaftlichen Arbeiten (z.B. in (Turner et al., 2006) oder im Protokoll Welfare Quality® beschrieben ist. Die Kamera kann dann für die Beurteilung der Tiergesundheit in wissenschaftlichen Versuchen oder für die Zertifizierung des Tierwohles eingesetzt werden.
Die Nachweismethode für Hautläsionen basiert auf einem von Goel et al. (2015) beschriebenen Verfahren. Sechs Bilder werden von einer aktiven Kamera mit Lichtprojektion aufgenommen, die durch sechs verschiedene Wellenlängen gekennzeichnet ist. Diese Wellenlängen wurden so gewählt, dass Hämoglobin gezielt absorbiert und damit mindestens durch eine Wellenlänge nachgewiesen werden kann. Die Bilder werden nacheinander in einem sehr kurzen Zeitintervall (30 Millisekunde) aufgenommen, so dass sie gut überlagert werden. Diese Bilder werden von einer Software analysiert.
- Diese ermöglicht es in einem ersten Schritt, zwei Bilder zu erzeugen: ein genau definiertes Bild des Schweins und ein schwarz/weiss Bild, bei dem schwarze Pixel Hautläsionen mit Blut zeigen und graue Pixel Hautstellen ohne Blut.
- In einem zweiten Schritt wird der Prozentsatz der mit Blut bedeckten Haut als Verhältnis zwischen schwarzen und grauen Pixeln berechnet.
Die Multispektrumkamera, welche diese Bilder erzeugt, wurde im Rahmen des Projekts PigWatch vom französischen Softwareentwickler 3DOuest und vom nationalen Agrarforschungsinstitut INRA entwickelt und in der Schweiz vom FiBL auf Praxisbetrieben getestet.
TailCam, Danish Meat Research Institute (DMRI)
Im Institut für Fleischwissenschaft in Dänemark (DMRI) wurde eine Kamera entwickelt, die Schwanzverletzungen erfasst. Mit dieser Kamera können Verletzungshäufigkeiten auf Herdenebene ermittelt werden. Das System besteht aus einer digitalen computergesteuerten Kamera, einem gesteuerten Beleuchtungssystem und einer Aufhängung mit Auslöser. Alle Bilder werden mit einem blauen Hintergrund aufgenommen, um einen gleichmäßigen Hintergrund zu erhalten. Ein kundenspezifisches System von Führungsschienen, das die Schlachtkörper in einem Winkel von 90° zur Kamera dreht und stabilisiert, wurde montiert. Die 90° Winkelrotation des Schlachtkörpers ist notwendig, um ein optimales Bild des Schwanzes zu erhalten.
Das Gerät ist mit einem IP66-Schutz ausgestattet, welches verhindert, dass Schmutz oder Wasser ins System eindringt.
Die Bildanalyse zur Bestimmung der Schwanzlänge und der Schwanzveränderungen erfolgt offline. Die Bestimmung der Zuordnung jeder Schweinekennung zur richtigen Herde erfolgt zu diesem Zeitpunkt ebenfalls offline. Die Kamera misst die Schwanzlänge und erkennt Wunden an den Schwänzen. Das System arbeitet mit zwei Wundkategorien.
- Die Kategorie "Läsion" besteht aus Schwänzen mit schweren Schwanzwunden, bei denen es wiederholt zu Schwanzbissen gekommen ist. Die Kategorie umfasst auch infizierte und nekrotische Schwänze.
- Die Kategorie "Kleine Läsion" besteht aus Schwänzen mit Spuren von einzelnen oder wenigen Bissen, die keine Infektion aufweisen, und aus Schwänzen mit heilenden oder fast verheilten kleinen Wunden.
- Die Kategorie "No Läsion" besteht aus Schwänzen ohne Anzeichen von Schwanzbissen. Oberflächliche Kratzer gelten nicht als Anzeichen für ein Schwanzbeißen.
TailCam kann automatisch Berichte für den einzelnen Betrieb generieren ("Farm Reports"), die die Schwanzlängenverteilung sowie die Prävalenz von "Läsionen" und "kleinen Läsionen", "kurzen Schwänze" (Standard <10 cm) und "sehr kurzen Schwänzen" (Standard <5 cm) zeigen. Der Bericht wird mit Bildern aller in die vier Kategorien zugeordneten Schwanzzuständen (unversehrt, Läsionen, kleine Läsionen, kupierte Schwänze), so dass überprüft werden kann, ob die Ergebnisse korrekt sind. Der "Farm Report" ist nur ein Beispiel für die Berichterstattung.
Weitere Informationen
Kontakt
Links
- pigwatch.net: Homepage
- fibl.org: Projektbeschreibung "Verbesserung des Tierwohls bei Schweinen durch die Kombination des Tierhalterblickes mit Präzisionstechnik"
Referenzen
- Goel, M. et al. 2015. HyperCam: hyperspectral imaging for ubiquitous computing applications Proceedings of the 2015 ACM International Joint Conference on Pervasive and Ubiquitous Computing. p 145-156. ACM, Osaka, Japan.
- Turner, S. P. et al. 2006. The accumulation of skin lesions and their use as a predictor of individual aggressiveness in pigs. Applied Animal Behaviour Science 96: 245-259.