I sin avhandling undersöker Keni Ren möjligheterna att använda en kombination av datorseende och sensorteknik för att studera djurs beteende i djurparker och produktionsmiljöer.
Hon genomför sin disputation vid Umeå universitet.
Hur kan vi identifiera och spåra enskilda djur med hjälp av datorseende och sensorteknik? Hur väl kan djurens beteende övervakas och analyseras genom att kombinera identitets- och positionsinformation?
Dagens stora uppmärksamhet globalt kring välfärden hos djur i djurparker och i lantbruket har resulterat i strängare lagstiftning och större tryck att uppnå högre standarder för djurs välbefinnande. Precisionsdjurhållning betyder att man använder smart teknik såsom sensorteknologi för att mäta och övervaka hur djuren mår samt deras produktion och miljöpåverkan.
Keni Ren, doktorand på Institutionen för tillämpad fysik och elektronik vid Umeå universitet. Foto: privat
– Jag är inte dotter till en bonde, men jag har alltid älskat djur. Jag vill veta mer om djur och hur man sköter dem för att göra både bönder och djur mindre stressade. Jag är intresserad av att utveckla teknik som ökar automatiseringen av beteendeövervakning och välfärdshantering, säger Keni Ren, doktorand på Institutionen för tillämpad fysik och elektronik.
Analysera aktivitet och beteende
Under sin doktorandtid har hon utvecklat ett sensorfusionssystem för att identifiera och spåra enskilda djur och analysera deras aktivitet och sociala beteende.
För att detektera fårs beteende (stående och liggande) i ladugården användes infraröda strålningskameror och tredimensionella datorseendetekniker. Mjölkkors negativa och positiva sociala interaktioner analyserades med hjälp av en Long-term Recurrent Convolution Networks-modell. Keni Ren har också redogjort för tekniker och begränsningar med att identifiera och spåra enskilda djur i olika miljöer: djurparkens utomhusmiljö, fårstall och lösgående stall för inomhusproduktion.
Keni Rens framtagna datorseendesystem har till exempel visat sig vara lika bra som en mänsklig expert på att identifiera enskilda björnar baserat på bilder. Realtidspositioneringssystemet kan ge enskilda djurs position, exempelvis i en ladugård, med ett genomsnittligt fel på under 40 centimeter.
Den utvecklade tekniken och resultaten av experimenten tillför ett mervärde för djurens beteendeövervakning genom att fokusera på individ eller undergrupp i en flock och kontinuerligt analysera individuell aktivitet och socialt beteende. Genom att förstå djurens beteende kan det kontinuerliga övervakningssystemet utvecklas mot ett stödsystem för välfärdsbeslut.
System för verkliga situationer
Alla system i studien var utformade för verkliga situationer, installerades i ett zoo och produktionsmiljöer, anpassade efter välfärdsrutiner av djurvårdare.
– Resultatet av mina experiment ger insikt i hur man väljer metoder för olika miljöer och hur man anpassar tekniken till verkliga situationer, säger Keni Ren.
