Leveraging YOLO for Real-Time Video Analysis of Animal Welfare in Slaughtering Processes

Künstliche Intelligenz (KI) ist eine der Schlüsseltechnologien in unserem digitalen Informationszeitalter. Innovative KI-Ansätze finden sich in nahezu allen Lebensbereichen wieder und erleichtern und unterstützen unsere tägliche Arbeit, insbesondere bei der Bearbeitung von komplexen, wirtschaftlichen oder industriellen Fragestellungen. In diesem Beitrag betrachten wir den Anwendungsbereich Tierschutz und stellen die Entwicklung des Projekts Tierwohl-KI vor.
Das Ziel dieses Projekts besteht in der Verbesserung des Tierschutzes in Schlachtbetrieben. Dazu werden Methoden der künstlichen Intelligenz entwickelt und eingesetzt, um die Möglichkeiten der amtlichen und betrieblichen Tierschutzkontrollen zu erweitern. Wir beschreiben die Durchführung dieses Projekts entlang des Data Science Process Modells (DASC-PM) und zeigen, wie die einzelnen Phasen dieses Vorgehensmodells, vom Projektauftrag bis hin zur Nutzbarmachung, durchgeführt und implementiert werden. Die dabei gewonnenen Einblicke und Erkenntnisse sind sowohl für Forschende als auch für anwendungsorientierte Fachleute im Bereich Data Science nützlich.

Artificial intelligence has empowered digitization into a new era of intelligent systems. Machine learning solutions are being tailored to various application scenarios, leading to automated functionalities along complex real world processes. In this paper, we investigate the domain of animal welfare and present our latest findings in relation to the detection of animal welfare violations. To this end, we introduce four different situations of increased animal welfare risk occurring in a slaughtering process and elucidate different deep learning approaches to detect these situations based on video data. Though the reported results are considered to be preliminary, our solution already detects most of the situations of increased animal welfare risk with high accuracy.