A new version of this entry is available:
Loading...
Doctoral Thesis
2018
RumiWatch - Development and assessment of a sensor-based behavior monitoring system for ruminants
RumiWatch - Development and assessment of a sensor-based behavior monitoring system for ruminants
Abstract (English)
Sustainable and competitive milk production is highly dependent on securing the performance potential, health and fertility of dairy cows. Therefore, farmers can benefit from sensor data of animal monitoring systems to improve health management and work processes in dairy farming. The research during this PhD thesis aimed to contribute to the development and evaluation of a scientifically validated, sensor-based animal monitoring system that comprises a device for measurement of ingestive behavior and a device for measurement of movement behavior in cattle that interact as a system with system-specific software. Further aim of this thesis was to evaluate application potentials for this animal monitoring system by means of calving prediction in dairy cows and measurement of chewing activity in horses. The underlying experimental work was structured into four separate studies. The aim of the first study was to develop and validate a novel scientific monitoring device for automated measurement of rumination and eating behavior in dairy cows. Research works for this study aimed to provide a complete and detailed technical specification of the functionality of this device and to perform a validation under field conditions in stable-fed cows. The objective of the second study was to develop and validate a novel algorithm to monitor lying, standing, and walking behavior based on the output of a triaxial accelerometer collected from loose-housed dairy cows. The third study aimed to use automated measurements of ingestive behavior obtained from the developed sensor device to develop and validate a predictive model for calving in dairy cows. The aim of the fourth study was to investigate the suitability and validity of the developed sensor system for automated measurement of chewing activity in horses. In conclusion, the RumiWatch noseband sensor and pedometer that were developed and validated in the current project represent a suitable measuring instrument for automated recording of ingestive and locomotor behavior in dairy cows. The system-specific software is suitable for research purposes and shows a high performance for classification of extended parameters of rumination, eating, lying, standing, and walking behavior. The achieved validation results indicate that the measuring performance satisfies scientific requirements. Further application potentials were demonstrated by means of automated calving prediction in dairy cows and automated measurement of chewing activity in horses. The development and validation of a predictive model for calving time using measurements of the RumiWatch noseband sensor revealed a high amount of false positive alerts that was prohibitive for application of the model in farming practice. However, the analyses showed that particularly parameters of ruminating behavior have predictive value and should be taken into consideration for future research on calving prediction models. Furthermore, it was successfully demonstrated that it is feasible to apply the RumiWatch noseband sensor to horses. The results of direct observation compared with the automatic measurement showed a very high overall agreement of the observed and automatically measured data and, after minor refinements, this measuring device has the potential to become a valuable and easy-to-use tool for equine research and management.
Abstract (German)
Eine nachhaltige und wettbewerbsfähige Milchproduktion erfordert in hohem Masse die Sicherstellung des Leistungspotentials, der Gesundheit und der Fruchtbarkeit von Milchkühen. Sensordaten, die durch technische Monitoringsysteme für die Überwachung des Tierverhaltens generiert werden, können hierbei einen wichtigen Beitrag für die Verbesserung der Arbeitsprozesse und des Gesundheitsmanagement in der Milchviehhaltung leisten. Die Zielsetzung dieses Dissertationsprojekts stellte einen Beitrag zur Entwicklung und wissenschaftlichen Evaluation eines technischen Monitoringsystems für die Tieraktivität dar. Im Rahmen der Forschungsvorhaben sollten Messinstrumente für die Erfassung des Ingestionsverhaltens und des Bewegungsverhaltens entwickelt und wissenschaftlich validiert werden, die unter Hinzunahme einer systemspezifischen Software zum nicht-invasiven, systematischen Gesundheitsmonitoring bei Milchkühen dienen. Zudem sollten Anwendungspotentiale für dieses Monitoringsystem anhand der Abkalbungsvorhersage bei Milchkühen und der Messung der Kauaktivität bei Pferden evaluiert werden. Die zugrundeliegenden experimentellen Arbeiten waren in vier separate Studien unterteilt. Die erste Studie beinhaltete die Entwicklung und Validierung eines neuartigen wissenschaftlichen Messinstruments für die automatisierte Erfassung des Wiederkau- und Futteraufnahmeverhaltens bei Milchkühen. Die Forschungsarbeiten im Rahmen dieser Studie umfassten die Bereitstellung eines umfassenden technischen Funktionsbeschriebs dieses Messinstruments und die Durchführung einer Validierungsstudie unter Praxisbedingungen bei stallgefütterten Milchkühen. Die Zielsetzung der zweiten Studie war die Entwicklung und Validierung eines neuartigen Algorithmus zur Erfassung des Geh-, Steh- und Liegeverhaltens von Milchkühen in Laufstallhaltung basierend auf den Messdaten eines triaxialen Accelerometers. In der dritten Studie wurde die Nutzung von Messdaten des Ingestionsverhaltens zur Entwicklung und Validierung eines Modells für die automatisierte Kalbungsvorhersage beabsichtigt. Ziel der vierten Studie war die Untersuchung der Eignung und Validität des entwickelten Sensorsystems für die automatisierte Erfassung des Kauverhaltens von Pferden. In einer Gesamtbetrachtung ist festzustellen, dass der RumiWatch-Nasebandsensor und das RumiWatch-Pedometer erfolgreich als Messinstrumente für die Erfassung des Ingestions- und Bewegungsverhaltens von Milchkühen entwickelt wurden. Die systemspezifische Software ist für wissenschaftliche Zwecke geeignet und zeigt eine hohe Validität bei der Messung erweiterter Parameter des Wiederkau-, Futteraufnahme-, Geh-, Steh- und Liegeverhaltens. Die erzielte Messgenauigkeit bei der Validierung der beiden Messinstrumente entspricht wissenschaftlichen Ansprüchen. Weitere Anwendungspotentiale wurden anhand der automatisierten Kalbungsvorhersage bei Milchkühen und Messung der Kauaktivität bei Pferden demonstriert. Bei der Entwicklung und Validierung eines Vorhersagemodells für den Kalbezeitpunkt basierend auf Messdaten des RumiWatch-Nasenbandsensors zeigte sich eine hohe Anzahl an Falsch-Positiv-Alarmen, die prohibitiv für die Anwendung des entwickelten Modells in der landwirtschaftlichen Praxis ist. Dennoch konnte gezeigt werden, dass insbesondere Parameter des Wiederkauverhaltens für die zukünftige Erarbeitung von Vorhersagemodellen für den Kalbezeitpunkt herangezogen werden sollten. Zudem konnte der RumiWatch-Nasenbandsensor erfolgreich auch bei Pferden eingesetzt werden. Der Vergleich von Direktbeobachtungen und Sensormessungen zeigte hierbei eine hohe Übereinstimmung zwischen beobachteten und automatisch erfassten Messwerten. Nach geringfügigen Modifikationen ist dem Nasenbandsensor somit auch ein hohes Potential für den Einsatz in Forschung und Praxis bei Pferden zuzuschreiben.
File is subject to an embargo until
This is a correction to:
A correction to this entry is available:
This is a new version of:
Notes
Publication license
Publication series
Published in
Faculty
Faculty of Agricultural Sciences
Institute
Institute of Agricultural Engineering
Examination date
2018-12-06
Supervisor
Edition / version
Citation
Identification
DOI
ISSN
ISBN
Language
English
Publisher
Publisher place
Classification (DDC)
630 Agriculture
Collections
Original object
Free keywords
Standardized keywords (GND)
BibTeX
@phdthesis{Zehner2018,
url = {https://hohpublica.uni-hohenheim.de/handle/123456789/6366},
author = {Zehner, Nils},
title = {RumiWatch - Development and assessment of a sensor-based behavior monitoring system for ruminants},
year = {2018},
school = {Universität Hohenheim},
}