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.  

Projektets resultater stilles frit til rådighed for alle via publicering i videnskabelige tidsskrifter med Open Access, ved kongresser, seminarer og i landbrugsfaglige medier. Hvilke tidsskrifter på internettet vil fremgå af denne hjemmeside, når artikler er offentliggjorte. Dette forventes løbende med start i 2026 og frem til projektets afslutning. Alle projektets resultater stilles dermed gratis til rådighed for alle virksomheder og andre interessenter.

Projektleder er Professor Ken Steen Pedersen 

Projektet er støttet af Svineafgiftsfonden.