AI-modeller til påvisning og vurdering af halebid hos grise med lange haler

Formålet med projektet er at undersøge potentialet i at benytte kunstig intelligens (AI) til diagnostik af behandlingskrævende og ikke transportegnede grise med halebid. Således vil flere halebidte grise hurtigt kunne få korrekt hjælp samtidig med at færre ikke-transportegnede halebidte grise køres til slagteriet. 

Projektet er udviklet og koordineret med Landbrug & Fødevare Sektor for Gris og gennemføres som et 3-årigt Ph.d.-projekt ved Københavns Universitet og består af 4 sammenhængende arbejdspakker (AP1-4). 

• I AP1 identificeres de udfordringer som der er omkring påvisning, vurdering og håndtering af grise med hale-bid, herunder vurdering af transportegnethed.
• I AP2 undersøges, hvilke eksisterende deep-learning modeller (AI-modeller), der har størst potentiale til at lære at identificere og/eller diagnosticere behandlingskrævende og ikke transportegnede halebidte grise på niveau med en menneskelig ekspert/dyrlæge.
• I AP3 undersøges om den mest valide AI-model fra AP2 kan anvendes og forbedres med termografiske optagelser.
• I AP4 laves pilot-projekt hvor erfaringerne og AI-modeller fra AP2+3 bruges til vurdering af transportegnethed af grise med navlebrok. 

Effekterne af projektet vil være at udvikle et billigt, effektivt og let anvendeligt værktøj, som kan lette arbejds-gangen og hjælpe med beslutningstagen vedrørende syge og tilskadekomne dyr ude i staldene, herunder vurdering af transportegnethed. Projektet forventes således at bidrage til udviklingen af flere grise med lange haler ved at styrke producenter og transportører i at håndtere flere grise med lange haler.  

Projektleder er Professor Ken Steen Pedersen 

Projektet er støttet af Svineafgiftsfonden.