https://phaidra.vetmeduni.ac.at/o:4616 Evaluation of video-based determination of the respiratory rate in calves Flachowsky, Gina Gina Flachowsky Klein-Jöbstl, Daniela Daniela Klein-Jöbstl Franz, Sonja Sonja Franz text eng Diploma thesis - University of Veterinary Medicine Vienna - 2024 This work aims to evaluate whether it is possible to assess the respiratory rate of calves retrospectively using camera recordings. Respiratory rate is a parameter for detecting heat stress. Heat stress in livestock is an increasing problem due to global warming, affecting both animal welfare and the profitability of farms. By default, respiratory rate is measured by direct observation by staff. This method is both time-consuming and labour-intensive, does not allow continuous monitoring and can additionally stress the animals. As part of the experiment, ten Simmental calves aged three to ten weeks were filmed with surveillance cameras installed in the calf barn. Respiratory rates were determined both by direct observation by two observers and retrospectively from the video recordings by the same observers. A total of 330 respiratory rate sequences were analysed for agreement between live observations and video-based counts. A statistical analysis was performed, including Spearman correlation and Bland-Altman plots, to evaluate the accuracy and reliability of the video-based method. The results indicated a significant correlation between live counts and video recordings, with video-based counts tending to underestimate respiratory rates, especially at higher levels. The study concludes that video recordings are generally suitable for monitoring the respiratory rate of calves, but that improvements in image quality, camera positioning, and lighting are needed to ensure reliable detection. In the future, artificial intelligence (AI) could be used for automated monitoring to detect heat stress in calves more efficiently and improve animal welfare. Studies, like the present one, are a first step in developing such AI-based approaches. Diplomarbeit - Veterinärmedizinische Universität Wien - 2024 In dieser Arbeit soll evaluiert werden, ob es möglich ist die Atemfrequenz von Kälbern retrospektiv mithilfe von Kameraaufnahmen zu beurteilen. Die Atemfrequenz ist ein Parameter zur Erkennung von Hitzestress. Hitzestress bei Nutztieren, ist aufgrund der globalen Erwärmung ein zunehmendes Problem, das sich sowohl auf das Tierwohl als auch auf die Wirtschaftlichkeit der Betriebe auswirkt. Standardmäßig wird die Atemfrequenz durch direkte Beobachtung am Tier, meist durch Stallpersonal erhoben. Diese Methode ist sowohl zeit- als auch arbeitsintensiv, ermöglicht keine kontinuierliche Überwachung und kann die Tiere zusätzlich unter Stress setzen. Im Rahmen des Versuches wurden zehn Fleckvieh Kälber im Alter von drei bis zehn Wochen mit Überwachungskameras gefilmt, die im Kälberstall installiert waren. Die Atemfrequenz wurde sowohl durch direkte Beobachtung im Stall von zwei Beobachtern als auch retrospektiv mithilfe einer Software durch die gleichen Beobachter aus dem Videomaterial ermittelt. Insgesamt wurden 330 Sequenzen der Atemfrequenz auf Übereinstimmung zwischen Live-Beobachtungen und videobasierten Zählungen analysiert. Es wurde eine statistische Analyse durchgeführt, einschließlich Spearman-Korrelation und Bland-Altman-Diagramme, um die Genauigkeit und Zuverlässigkeit der videobasierten Methode zu bewerten. Die Ergebnisse ergaben eine signifikante Korrelation zwischen Live-Zählungen und Videoaufzeichnungen, wobei bei den videobasierten Zählungen die Atemfrequenz tendenziell unterschätzt wurde, insbesondere bei höheren Atemfrequenzen. Die Studie kommt zu dem Schluss, dass Videoaufnahmen grundsätzlich zur Überwachung der Atemfrequenz von Kälbern geeignet sind, jedoch Verbesserungen in der Bildqualität, Positionierung der Kameras und Beleuchtung erforderlich sind, um eine zuverlässige Erkennung zu gewährleisten. In Zukunft könnte künstliche Intelligenz (KI) zur automatisierten Überwachung eingesetzt werden, um den Hitzestress bei Kälbern effizienter zu erkennen und das Tierwohl zu verbessern. Studien, wie die vorliegende können dabei als Grundlage für die KI-basierten Verfahren dienen. http://rightsstatements.org/vocab/InC/1.0/ https://phaidra.vetmeduni.ac.at/api/object/o:4616/download 10.34876/vmg9-9z95 https://phaidra.vetmeduni.ac.at/o:2549 https://phaidra.vetmeduni.ac.at/o:72 application/pdf 1.11 MB 2024