Algorithmen für Stall und Acker Premium

Künstliche Intelligenz bietet auch in der Landwirtschaft riesige Möglichkeiten. Erste Systeme sind im Einsatz.

Computer, die irgendwann ein eigenes Bewusstsein haben? Immer wieder berichten Medien über die künstliche Intelligenz (KI). Das Feld der KI ist in zwei Bereiche geteilt. In ihrer starken Ausprägung soll sie eines fernen Tages über Bewusstsein verfügen. Ob das je gelingen kann, ist unklar.

Forschungen im Bereich sogenannter schwacher KI orientieren sich jedoch an ganz realen Anforderungen verschiedener Wirtschaftszweige. Entworfen von Mathematikern und Informatikern simulieren verschiedene Algorithmen intelligente menschliche Fähigkeiten zum Erkennen von Bildinhalten und Sprache.

Zusammenhänge in riesigen Datenmengen (Big Data) sind erst durch den Einsatz von KI-Algorithmen greifbar. Mit dem Ziel Erträge zu steigern, die Tierhaltung zu verbessern und Erntemaschinen zu optimieren, werden derzeit für den Agrarsektor neue KI-Anwendungen entwickelt. Bilderkennung und Big Data stehen dabei im Mittelpunkt.

Für die exakte Auswertung von Bildern kommen als Algorithmen künstliche neuronale Netze (KNN) zum Einsatz. Anhand von Tausenden oder Millionen von Aufnahmen werden diese darauf getrimmt, bestimmte Bildinhalte zu erkennen. Erst danach lassen sie sich für Analysen verwenden.

Formal bestehen diese Netze aus einer Eingabe- und einer Ausgabeschicht sowie einer Anzahl dazwischenliegender Schichten. Mathematische Schwellenwertfunktionen repräsentieren die künstlichen Neuronen in den Lagen. Sie erhalten Eingangswerte von Neuronen der vorgelagerten Schicht und erregen Neuronen der nachfolgenden. Während des Lernvorgangs werden spezifische Verbindungen zwischen den beteiligten Neuronen unterschiedlich gewichtet.

Damit es Schweinen gut geht

Gesichtserkennung bei Menschen mittels der KNN ist bereits etabliert. Aber was bringt die Weiterentwicklung dieser Technik zum Erkennen der Gesichter von Schweinen in größeren Ställen? „Das hat den Vorteil, dass die Tiere für die Identifizierung nicht mehr getaggt werden müssen, und das würde ihnen eine stress- und schmerzbehaftete Behandlung ersparen“, sagt Dr. Emma Baxter. Auch technische Probleme beim Auslesen der elektronischen Ohrmarken wären damit passé. Baxter ist leitende Wissenschaftlerin der Animal and Veterinary Sciences Research Group in Edinburgh für Verhalten und Wohlbefinden von Tieren.

Dr. Melvyn Smith, Direktor des Centre for Machine Vision im Bristol Robotics Laboratory der University of the West of England und seine Mitarbeiter haben das Projekt zur Erkennung von Schweinegesichtern bereits erfolgreich abgeschlossen. „Da uns von den Tieren nur eine begrenzte Zahl von Gesichtsaufnahmen für das Training eines Algorithmus zur Verfügung stand, verwendeten wir die Methode des Transferlernens“, sagt Smith.

Hierzu modifizierten die Forscher ein bereits auf menschliche Gesichter trainiertes KNN. Bei diesem entfernten sie die letzten Neuronenschichten und programmierten diese neu zur Erkennung von Schweinegesichtern. Das neue Konstrukt erkennt diese nun mit einer Genauigkeit von ungefähr 96 Prozent. Wohlgemerkt unter Stall- und nicht unter Laborbedingungen. Hohe Fluktuation innerhalb der Tierpopulation erscheint ebenso wenig problematisch zu sein wie die robuste Installation der kostengünstigen Videotechnik.

Baxter und Smith wollen nun herausfinden, ob sich per Gesichtserkennung eine Aussage zum Wohlbefinden der Tiere treffen lässt. „Forschungen zu Gesichtsausdrücken sind erst am Anfang,...

Verpassen Sie nichts mehr!

Erhalten Sie Zugriff auf diesen und alle weiteren relevanten Beiträge sowie auf unsere exklusiven Newsletter. Testen Sie jetzt ganz unverbindlich.

Jetzt 30 Tage gratis testen
Mehr erfahren


Diskussionen zum Artikel

Kommentar schreiben

Diskutieren Sie mit

Tragen Sie mit Ihrem Beitrag zur Meinungsbildung zu diesem Artikel bei.

Sie müssen sich anmelden um Kommentare zu bewerten

Abbrechen

Sie haben noch kein Benutzerkonto?

Benutzerkonto erstellen