Browsing by Subject "Prozessüberwachung"

Now showing 1 - 2 of 2

Automatische Prozessüberwachung in der Nutztierhaltung : Gestaltung eines Verfahrens zur Extraktion von Prozessindikatoren aus Bilddaten mittels Deep Learning
(2024) Riekert, Martin; Kirn, Stefan
Der Gegenstand der Arbeit sind Verfahren zur Erkennung der Prozessindikatoren zum Liegeverhaltens von Schweinen aus Videobildern. Das Liegeverhalten eines Schweines ist definiert als dessen Position im Stallbereich und ob es liegt oder nicht liegt. Hierzu zeichnen in Stallbereichen installierte Kameras kontinuierlich Videobilder auf, die hinsichtlich des Liegeverhaltens der abgebildeten Schweine analysiert werden. Die Stallposition im Tagesverlauf und die Liegehäufigkeit sind wichtige Prozessindikatoren in der Schweinehaltung. Die Problemstellung liegt in der Korrektheit der Erkennung der Prozessindikatoren zum Liegeverhalten. Bisherige Verfahren treffen zwei Annahmen: Erstens werden nur zur Tageszeit aufgenommene Videobilder verarbeitet, sodass das Liegeverhalten im Dauerbetrieb und insbesondere der Nacht und Dämmerung unerkannt bleibt. Zweitens setzen die Verfahren Homogenität der Stallbereiche voraus, sodass alle Stallbereiche ähnliche physische Eigenschaften besitzen. Diese Annahme beschränkt die Eignung der Verfahren für unbekannte Stallbereiche. Die Problemstellung wird aus der Perspektive des Deep Learning untersucht. Die vorliegende Arbeit trägt zur automatischen kontinuierlichen Erfassung der Position und der Körperhaltung von Schweinen unter Verwendung von handelsüblichen 2D-Kameras in realen Umgebungen unter verschiedenen Lichtbedingungen und Kameraausrichtungen rund um die Uhr bei. In der vorliegenden Arbeit wird untersucht, wie Deep-Learning-Verfahren angewendet und gestaltet werden können, um unter realen Bedingungen kontinuierlich eine hohen mean Average Precision zu erzielen und welche Einschränkungen bei der Anwendung von Deep-Learning-Verfahren bestehen. Das gestaltete und evaluierte Verfahren ermöglicht die Erkennung von Schweinen in einer großen Anzahl verschiedener Ställe, dies beinhaltet das Liegeverhaltens unter Verwendung realistischer Kamera- und Beleuchtungseinstellungen (inkl. Nachtaufnahmen mittels Nahinfrarot).
Entwicklung und Erprobung eines Online-Messsystems für Biogasanlagen auf Basis der Nah-Infrarot-Reflexionsspektroskopie (NIRS)
(2013) Stockl, Andrea; Jungbluth, Thomas
Due to the EU?s and Germany?s political goals of expanding the use of renewable energy sources, the utilization of biomass for energy supply is expected to continue growing in the coming years. Consequently, the efficiency of biogas plants will have to be improved further. This applies both to raising the energy yield from the input materials and exploiting the full potential of the technical installations. During the four phases of the anaerobic digestion (AD) process, volatile fatty acids such as acetic and propionic acids are produced as intermediates. These compounds can be used as indicators of the function and stability of the digestion process. So far, volatile fatty acids have to be determined by sampling the digester content and analyzing the sample in the laboratory (e.g., by gas chromatography). It is thought that by using near-infrared-reflection spectroscopy (NIRS) for online measuring, the management and control of biogas plants could be facilitated, considerably. This was to be investigated in a project funded by the Baden-Württemberg Ministry of Rural Areas and Consumer Protection within the ?research platform on bioenergy? Baden-Württemberg?. In this study, a NIR-measurement system was calibrated for determining the concentration of volatile fatty acids in two semi-continuously operated, bench-scale digesters at mesophilic and thermophilic temperature level. For each of the two digesters, one NIR-sensor was calibrated for acetic and propionic acid, and a second one for total acid equivalents. The experimental studies were divided into three stages. The chapters of this research work consist of three peer-reviewed papers that describe these experiments.