1 Masterarbeit-Schmidt-2023.pdf 12038980 46dc64785a9b6d047668a08cb0e50bfd dbhsnb/thesis2023-0238 1867634309 Oau rda Converted from PICA to MODS using Pica2Mods XSLT Transformator 2.2 [SCM: "6f55f39418ac01aa24b956f3d89dc79f69ad6cf8" "v2.2" "2022-02-28T18:58:10+0100"] with mode 'DEFAULT'. Masterarbeit Hochschulschrift Tiergesundheitsüberwachung von Rindern via Videosystem und Objekterkennung Die vorliegende Arbeit befasste sich mit der Tiergesundheitsüberwachung von Rindern via Videosystem und Objekterkennung. Dafür wurden aus Videodateien Bilder extrahiert, um die Rinder in Objekteigenschaften klassifizieren zu können. In drei Versuchen wurden die Objekteigenschaften „stehender“ und „liegender“ Kühe mit dem Objekterkennungsmodell YO-LOv4 trainiert, um einen zuverlässigen Detektor zu erhalten. Dabei mussten die Anzahlen der Bilder bzw. der Label von „liegenden“ Kühen angeglichen werden, um bessere Genauigkeiten zu erhalten. Gabriel Schmidt VerfasserIn aut Lisa Bachmann AkademischeR BetreuerIn dgs Timo Homeier-Bachmann AkademischeR BetreuerIn dgs 140581510 0000-0002-8135-3814 10115485-9 Hochschule Neubrandenburg 01.09.2005 - Grad-verleihende Institution dgg 6083865-6 Hochschule Neubrandenburg Fachbereich Agrarwirtschaft und Lebensmittelwissenschaften Grad-verleihende Institution dgg https://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000003122 630 Landwirtschaft, Veterinärmedizin Fachbereich Agrarwirtschaft und Lebensmittelwissenschaften alle Rechte vorbehalten Nutzungsrechte erteilt Lizenz Metadaten: CC0 frei zugänglich (Open Access) de 2023 Hochschule Neubrandenburg Neubrandenburg monographic 2023 2023 2023 Hochschulbibliothek Neubrandenburg Neubrandenburg 2023 Hochschulbibliothek Neubrandenburg https://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000003122 vorgelegt von Gabriel Schmidt Tiergesundheit Überwachung Rind Videosystem Objekterkennung Objekteigenschaften YOLOv4 Detektor Algorithmus Neuronales Netz 2023-10-25T12:07:50.814Z 2023-10-25T12:12:10.692Z editorT editorT