Die Einführung von Künstlicher Intelligenz (KI) beschränkt sich längst nicht mehr auf rein digitale Branchen oder hochautomatisierte Bereiche wie die Industrieproduktion. Auch traditionelle Sektoren wie die Landwirtschaft und Viehzucht erleben derzeit einen tiefgreifenden Wandel – angetrieben durch Daten und Automatisierung.

In der Schweiz, wo die Viehwirtschaft seit jeher eine strategisch wichtige Rolle spielt, hat Artificialy eine innovative Computer-Vision-Lösung entwickelt, um das Herdenmanagement zu verbessern und die Produktionseffizienz zu optimieren.

Automatisierte Tiererkennung und -sortierung

Das Projekt entstand aus dem Bedarf, das Zusammenführen und Management von Milchkühen zu automatisieren. Auf modernen Betrieben werden Kühe zweimal täglich gemolken, und einige benötigen spezielle Behandlungen aus gesundheitlichen oder reproduktiven Gründen. Diese Tiere manuell zu identifizieren und zu separieren ist arbeitsintensiv, kostspielig und zeitaufwendig.

Traditionelle Infrarotstrahlsysteme konnten lediglich die Anwesenheit von Kühen erkennen und ein Sortiertor aktivieren – mit klaren Einschränkungen: Wenn ein Tier an der falschen Stelle stehen blieb oder zu nah an einem anderen Tier, kam es leicht zu Fehlfunktionen oder Fehlern.

Aus dieser Herausforderung heraus entwickelten wir ein intelligentes, KI-basiertes Echtzeit-Tracking-System, das auch unter komplexen Umweltbedingungen zuverlässig arbeitet.

Unsere KI-Lösung: Computer Vision und Prädiktive Steuerung

Wir haben ein Deep-Learning-basiertes Computer-Vision-System entwickelt, das in der Lage ist, jedes Tier individuell zu erkennen und zu verfolgen.

Das System verwendet eine 360°-Fisheye-Kamera mit IR-Beleuchtung, integriert in eine NVIDIA Jetson Orin-Plattform, um lokale Datenverarbeitung und unmittelbare Reaktionszeiten zu gewährleisten.

Die KI-Architektur basiert auf drei zentralen Komponenten:

• Objekterkennung – Identifiziert und lokalisiert jede Kuh im Sichtfeld.

• Landmarkenerkennung – Erkennt wichtige Körperteile (Kopf, Schultern, Schwanz), um die Tracking-Genauigkeit zu erhöhen.

• Zeitliches Tracking und prädiktive Steuerung – Durch die Kombination visueller Daten über mehrere Zeitpunkte (T, T+1, T+2) kann das System Bewegungen vorhersagen und Tore vorausschauend aktivieren, wodurch Fehler und Wartezeiten minimiert werden.

Das Ergebnis ist ein kontinuierlicher, automatisierter Ablauf, in dem Tiere sicher und effizient identifiziert, verfolgt und auf den richtigen Weg geführt werden. Das System kann sogar Tiere erneut erkennen, die kurzzeitig außer Sicht geraten sind.

Die Herausforderungen von Computer Vision in realen Umgebungen

Ein Stall ist eine hochdynamische Umgebung: Kühe unterscheiden sich in ihrem Erscheinungsbild, die Lichtverhältnisse ändern sich im Tagesverlauf, Kameras können verschmutzen, und das Verhalten der Tiere ist oft unvorhersehbar.

Diese Herausforderungen zu überwinden war entscheidend, um ein robustes, zuverlässiges und praxistaugliches System zu entwickeln.

Ein besonders spannender Aspekt des Projekts war der Einsatz von Generativer KI, um die Robustheit des Computer-Vision-Modells zu erhöhen. Da die Kamera in einer festen Position und Umgebung installiert war, konnte ihre Leistung in anderen Szenarien abnehmen.
Zur Lösung dieses Problems nutzten wir Image-Inpainting-Techniken auf Basis von Stable Diffusion, um synthetische Variationen der Szene zu erzeugen – darunter Wiesenflächen, Asphalt oder verschiedene Bodentypen.
Dieser Ansatz erweiterte und diversifizierte den Datensatz und verbesserte die Fähigkeit des Modells, unter unterschiedlichen realen Bedingungen zuverlässig zu generalisieren.

Ergebnisse: Effizienz, Tierwohl und Nachhaltigkeit

Dank dieser Lösung wurde der gesamte Sortierprozess effizienter, präziser und tierfreundlicher. Die automatisierte Torsteuerung verringerte sowohl die Anzahl von Zwischenfällen als auch den Stresspegel der Kühe – was direkt zu einem besseren Wohlbefinden der Herde und einer höheren Produktivität beitrug.

Darüber hinaus optimierte das System die Arbeitsabläufe und reduzierte den Energieverbrauch manueller Prozesse – ein konkretes Beispiel für nachhaltige Innovation im Agrarsektor.

KI als Treiber der Schweizer Agritech-Innovation

Dieses Projekt zeigt, wie Künstliche Intelligenz auch in traditionellen Industrien echten Mehrwert schaffen kann.
Der daten- und ingenieurgetriebene Ansatz von Artificialy schlägt die Brücke zwischen KI-Forschung und Praxisanwendung und macht fortschrittliche Technologien sowohl in industriellen als auch landwirtschaftlichen Kontexten zugänglich und skalierbar.

Im weiteren Agritech-Umfeld ebnen Innovationen wie diese den Weg für eine neue Ära der Smart Farming, in der jede Entscheidung – von der Tierbewegung bis zur Gerätewartung – datenbasiert optimiert werden kann.