Dissertation - University of Veterinary Medicine Vienna - 2022

In early farming, health and welfare assessment were derived from visual observation which can be subjective and vary from one person to another. Furthermore, this method of assessment only provides information of the status of health and welfare for a specific point in time. In recent years, the progress in sensor technologies allowed the collection of data in an objective, automatic and continuous fashion. This has brought forth new methods of farm management and animal assessment. Publication 1: Our objective was to review the available literature on accelerometer systems used for health and welfare assessment of dairy cows and pigs. In cattle, we identified an up-trend in research in this field, with 216 publications from 2009 to 2019 alone. Feeding and drinking-related behaviors recognized by accelerometers systems included feeding, ruminating, grazing and drinking; in terms of movement and resting-related behaviors aspects like overall activity, lying, standing and walking were observed. Some systems utilized deviations in these behaviors to trigger alerts such as heat, health, calving or lameness notifications. We also found accelerometers designed to be attached to different parts of the animal (ear, leg, neck, tail) depending on the desired behavior to monitor. The accuracy of the systems depends on the behavior and the placement of the sensor on the animal. Accelerometers attached to the neck were the most versatile to detect a wider range of behaviors, while sensors on the ear, leg or jaw yielded better results for specific behaviors. Furthermore, we concluded that the current welfare assessment can vastly be improved and should take advantage of accelerometer systems to complement the welfare assessment in an automated and continuous manner. Publication 2: In this study, our objectives were 1) to evaluate the accuracy of the location system Smartbow (Smartbow GmbH/Zoetis LLC, Weibern, Austria) to detect cows in specific areas of the barn (alley, feed bunk and cubicles) as well as the time cows spent in these areas, and 2) to compare the performance of two different algorithms used by the system. This study was performed under field conditions on an Austrian farm. Thirty-five cows were part of this study. For each cow, the location derived from the system was compared to video recordings on a minute-by-minute basis. A total of 6,030 observations were used in the final analysis. Results showed a sensitivity, specificity, and positive predictive value for detecting animals on the alley (74.0, 91.2, and 76.9%), feed bunk (93.5, 86.2, and 89.1%), and cubicle (90.5, 83.3, and 95.4%) and an overall accuracy of 87.6%. Correlations of the time cows spent in predefined areas was good to strong (r= 0.82, 0.98, and 0.92 for alley, feed bunk, and cubicle, respectively). Both algorithms showed similar results. In conclusion, advancements in technology have allowed the development of more precise sensors for behavior monitoring in farm animals. Accelerometer systems have the ability to measure a wide variety of behaviors and offer the potential to complement welfare assessment. The results in publication 2 proofed that the system was able to correctly locate animals in specific areas with satisfying accuracy. Hence, the system has the ability to measure time budgets of individual animals at areas of importance such as alley, feed bunk or cubicles. Furthermore, as the system offers acceleration and location capabilities, there is an opportunity to extend research of behavior monitoring using both types of data combined.

Dissertation - Veterinärmedizinische Universität Wien - 2022

Seit den Anfängen der Tierhaltung wurde die Tiergesundheit und das Wohlbefinden der Tiere mittels visueller Beobachtung beurteilt. Diese Einschätzungen können jedoch sehr subjektiv sein und zwischen verschiedenen Personen variieren. Außerdem stellt diese Methode nur eine Momentaufnahme des Gesundheitszustandes und des Wohlbefindens der Tiere dar. In den letzten Jahren wurde durch den vermehrten Einsatz von Sensortechnologien das automatische und kontinuierliche Aufzeichnen von objektiven Daten ermöglicht. Diese Entwicklung brachte neue Methoden des Herdenmanagements und der Einzeltierbeurteilung mit sich. 1. Publikation: Unser Ziel war es, die aktuell vorhandene Literatur über Beschleunigungssensor/Akzelerometer-basierte Systeme, die für die Beurteilung von Tiergesundheit und Wohlbefinden bei Milchkühen und Schweinen verwendet werden, durchzusehen und zu diskutieren. Für Rinder konnten wir einen Aufwärtstrend in diesem Forschungsgebiet mit 219 Publikationen von 2009 bis 2019 erkennen. Zu den von Sensorsystemen erkennbaren Verhaltensweisen, die sich auf die Futter- und Wasseraufnahme beziehen, gehörten Fressverhalten, Wiederkauen, Grasen und Trinken; zu denen, die sich auf Bewegung und Ruhephasen beziehen, gehörten Aktivität, Liegen, Stehen und Gehen. Abweichungen dieser Verhaltensweisen wurden von manchen Systemen meistens verwendet, um Alarme wie Brunst-, Gesundheits-, Abkalbungs- oder Lahmheitsalarme zu generieren. Außerdem fanden wir heraus, dass Beschleunigungssensoren für die Anbringung an verschiedenen Körperteilen der Tiere (Ohren, Beine, Hals, Schwanz) entwickelt wurden, abhängig davon, welches Verhalten überwacht werden sollte. Die Genauigkeit der Systeme hängt mit der Art des Verhaltens und der Position des Sensors am Tier zusammen. Beschleunigungssensoren am Hals waren am besten dafür geeignet, ein breiteres Spektrum an Verhaltensweisen zu erkennen, wobei Sensoren am Ohr, Bein oder Kiefer bessere Ergebnisse für spezifische Verhaltensweisen lieferten. Außerdem war unsere Schlussfolgerung, dass die aktuellen Methoden zur Beurteilung des Tierwohls noch erheblich verbessert werden können. Dafür sollte das automatische und kontinuierliche Monitoring mit Beschleunigungssensor-basierten Systemen ergänzend genutzt werden. 2. Publikation: In dieser Studie waren es unsere Ziele, 1) die Genauigkeit des Lokalisierungssystems von Smartbow (Smartbow GmbH/Zoetis LLC, Weibern, Österreich) bezüglich der Erkennung der Kühe in definierten Stallbereichen (Laufgang, Futtertische, Liegeboxen) sowie der von den Tieren in diesen Bereichen verbrachten Zeit zu evaluieren und 2) die Performance zwei verschiedener Algorithmen dieses Systems zu vergleichen. Diese Studie wurde unter Feldbedingungen auf einem österreichischen Milchviehbetrieb durchgeführt. Für diese Studie wurden 35 Kühe verwendet. Die Position der Tiere im Stall, die durch das Sensorsystem bestimmt wurde, wurde jeweils mit den Auswertungen der Videoaufnahmen pro Minute und pro Kuh verglichen. Insgesamt wurden 6.030 Beobachtungen für die endgültige Analyse verwendet. Als Ergebnisse wurden die Sensitivität, Spezifität und der positive Vorhersagewert für die Erkennung der Tiere im Laufgang (74,0; 91,2 und 76,9%), am Futtertisch (93,5; 86,2 und 89,1%) und in den Liegeboxen (90,5; 83,3 und 95,4%) sowie eine Gesamtgenauigkeit von 87,6% berechnet. Die Korrelationen für die Zeit, die die Kühe in den bestimmten Bereichen verbracht hatten, war gut bis hoch (r= 0,82; 0,98 und 0,92 jeweils für die Laufgänge, den Futtertisch und die Liegeboxen). Beide Algorithmen lieferten ähnliche Ergebnisse. Zusammenfassend lässt sich sagen, dass der technische Fortschritt die Entwicklung von präziseren Sensorsystemen zur Überwachung von Tierverhalten ermöglicht hat. Beschleunigungssensor-basierte Systeme sind dazu geeignet, eine breite Vielfalt von Verhaltensweisen zu erkennen und haben das Potential, ergänzend für die Beurteilung des Tierwohls eingesetzt werden zu können. Die Ergebnisse aus der zweiten Publikation zeigten, dass das Sensorsystem fähig war, die korrekte Position der Tiere in definierten Bereichen mit einer zufriedenstellenden Genauigkeit zu erkennen. Folglich ist es mit diesem System möglich, das Zeitbudget von einzelnen Tieren in wichtigen Bereichen wie dem Laufgang, dem Futtertisch oder den Liegeboxen zu bestimmen. Da das untersuchte Sensorsystem sowohl Beschleunigungssensoren als auch die Lokalisierungsfunktion beinhaltet, besteht außerdem die Möglichkeit, Forschungsfragestellungen bezüglich der Überwachung von Tierverhalten auszuweiten und beide Arten von Daten zu kombiniert zu verwenden.

application/pdf