Das Säugeverhalten von Sauen ist für das Überleben der Ferkel von entscheidender Bedeutung, da es sowohl die Nahrungsaufnahme als auch den Aufbau der grundlegenden Immunität durch das Kolostrum sicherstellt. Störungen des Säugeverhaltens – oft verursacht durch Gesundheitsprobleme wie das Postpartale Dysgalaktie-Syndrom (PDS) – können zu schlechter Entwicklung, beeinträchtigter Gesundheit und erhöhter Sterblichkeit bei Ferkeln führen. Die frühzeitige Erkennung solcher Störungen ist jedoch schwierig, da sie aktuell auf zeitaufwendigen und oft unvollständigen direkten Beobachtungen beruht.
In diesem Projekt soll daher ein audiobasierter Algorithmus entwickelt werden, der Säugeakte bei Sauen automatisch erkennt und klassifiziert; als erfolgreich (mit Milchfluss, gekennzeichnet durch spezifische Lautmuster) oder als erfolglos (ohne Milchfluss). Mithilfe von synchronisierten Audio- und Videoaufnahmen von Sauen während der ersten zehn Tage nach der Geburt – der kritischsten Phase für das Überleben der Ferkel – wird ein bestehender Algorithmus zur präzisen Erkennung von Säugeräuschen verfeinert, um automatisch zwischen erfolgreichen und erfolglosen Säugeakten zu unterscheiden.
Diese Arbeit wird die wissenschaftliche Grundlage für ein nicht-invasives und skalierbares Werkzeug schaffen, das die frühzeitige Erkennung von Gesundheitsproblemen bei Sauen unterstützt. Das Werkzeug hat das Potenzial, das Wohlbefinden von Ferkeln und Sauen sowie die Effizienz in der Landwirtschaft deutlich zu verbessern.
Projektpartner
