
Hoe computer vision kan bijdragen aan meer diergerichte pluimveehouderij
4 maart 2025
Wageningen University & Research Promovendus Jan Erik Doornweerd onderzocht hoe computer vision kan bijdragen aan een betere beoordeling van de beweging van vleeskuikens. Dit onderzoek kan in de toekomst resulteren in verbeterde gezondheid, welzijn en prestaties van vleeskuikens.
Na zijn afstuderen als dierwetenschapper aan Wageningen University & Research (Fokkerij en Genetica) in 2019, startte Jan Erik Doornweerd in 2020 aan zijn promotieonderzoek getiteld ‘Digital phenotyping of individual broilers in group-housing: detection, tracking and identification’. Een promotieonderzoek in opdracht van Wageningen Livestock Research (WR)/Fokkerij en Genetica met data van Cobb (wereldwijde vleeskuiken fokkerijorganisatie). “Daarbij viel ik wat mij betreft echt met mijn neus in de boter vanwege mijn interesse in pluimvee én in computer vision!”
Van subjectief naar objectief scoren
Doornweerd legt uit hoe fenotyperen – het meten en analyseren van eigenschappen van planten en dieren – van vleeskuikens in zijn werk gaat. “Het fenotyperen van beweging en loopgedrag van vleeskuikens voor fokkerijdoeleinden wordt tot op heden door getrainde experts gedaan. Daarbij loopt het dier door een zijdelings afgebakende loopgang van een voorgedefinieerde lengte. Bij dit zogenoemde gangbeeldonderzoek is de ondergrond identiek aan de ondergrond in de pluimveestal en bekijkt de expert de beweging van het dier vanaf de achterzijde. Hij of zij let daarbij onder meer op de enkels en knieën van het vleeskuiken, op hoe hoog het dier de poten optilt (staphoogte) en op de kromming van de tenen. Hieruit volgt een zogenoemde van 0 tot 5 voor het loopvermogen van het vleeskuiken. Score 0 is het best haalbare resultaat en 5 het minst goede resultaat. Een score ≤2 wordt daarbij als optimaal gezien en >2 als suboptimaal. Naast de loopscore scoort de expert ook op andere pootaandoeningen van het dier. Deze score is een maat voor eventuele welzijnsproblemen. Je kunt je voorstellen dat het voor een mens lastig is om dit fenotyperen, wat heel intensief werk is, gedurende lange tijd objectief en uniform te doen. Onbewust relateer je het scoren van een vleeskuiken toch aan de kuikens die je al hebt gezien en dat beïnvloedt de loopscores. Bovendien is het een momentopname en blijft de oorzaak achter een beoordeling onbekend. En dat terwijl de loop- en welzijnsscores maatgevend zijn voor selectie en genetische verbetering van een populatie!”
Het doel van Doornweerd’s promotieonderzoek is dan ook om de beoordeling van de bewegingen te objectiveren en beter te kunnen kwantificeren. “Door beoordelingen te automatiseren worden deze niet alleen objectiever, je kunt ook meer dieren scoren in minder tijd en dat is cruciaal voor het fokbeleid en de genetische ontwikkeling van vleeskuikens. Dat is niet alleen positief voor de fokker, de dieren profiteren er net zo goed van in de vorm van verbeterd dierwelzijn en diergezondheid wat bijdraagt aan een dierwaardige pluimveehouderij.”
RFID heeft voor- en nadelen
Het promotieonderzoek van Jan Erik Doornweerd borduurt voort op onderzoek van zijn collega Malou van der Sluis. “Malou van der Sluis heeft onderzocht in hoeverre passieve radiofrequentie identificatie (RFID) de beweging van vleeskuikens kan detecteren en in kaart kan brengen. Elk kuiken heeft daarbij een unieke RFID-tag die het dier identificeert in een proefopstelling van 1,80 bij 2,61 meter opgedeeld in vakken van 36 bij 42/45 centimeter. De bodem van elk proefvak heeft daarbij centraal een antenne die het signaal van de RFID-tags opvangt.” Doornweerd vond dat de bewegingen juist in kaart brengen lukte in 95,3 procent van de gevallen. “In de rest van de gevallen slaat de RFID-tag een of meerdere proefvakken over omdat de antenne(s) de tag niet registreren. Bijvoorbeeld doordat een dier over de grens tussen twee proefvlakken liep of gedeeltelijk door twee vlakken. In 4,7 procent van de gevallen wijkt de werkelijke beweging en de werkelijk afgelegde afstand dus af van de geregistreerde waarden. In de meeste gevallen wordt de afgelegde afstand daarbij onderschat. Positief aan deze manier van meten is dat je individuele dieren kunt identificeren, wat noodzakelijk is voor fokkerij, maar tegelijkertijd is het ondoenlijk om een pluimveestal volledig van antennes te voorzien.”
Beveiligingscamera’s bieden potentie
In zijn promotieonderzoek bekeek Doornweerd of en hoe een camera met computer vision bewegingen van vleeskuikens kan detecteren en of die camera in combinatie met algoritmes ook in staat is om individuele dieren te identificeren. Uit literatuuronderzoek kwam naar voren dat RGB-beveiligingscamera’s bij andere diersoorten succesvol ingezet worden voor bewegingsdetectie. “Mede om die reden hebben we boven de eerder genoemde proefopstelling een standaard RGB-beveiligingscamera opgehangen. Voor de detectie van de dieren (en de andere objecten) gebruiken we het bekende YOLO-algoritme. YOLO staat voor ‘You Only Look Once’ en is in 2015 bedacht door een aantal onderzoekers. Voor het traceren van de dierbewegingen gebruiken we het Simple Online and Realtime Tracking (SORT) algoritme.”
“Uit mijn promotieonderzoek blijkt dat je met een camera dierbewegingen heel goed in kaart kunt brengen en in de meeste gevallen nauwkeuriger dan met RFID-tags. Daarbij zijn met name bochtjes en looptempo interessant. Wat met een camera – die dus van bovenaf filmt – minder goed lukt, is individuele dieren volgen. Zodra een of meerdere vleeskuikens te dicht op elkaar liggen of staan, kunnen er zogenoemde ‘identity switches’ optreden. Het algoritme is dan niet meer in staat om individuele dieren te onderscheiden. Overigens kunnen we met deze manier van werken de identiteit van een dier niet identificeren, we kunnen dieren enkel van elkaar onderscheiden en volgen in de ruimte.” Vervolgonderzoek van Doornweerd heeft laten zien dat het mogelijk is om ook individuele dieren in groepshuisvesting te volgen door RFID en computer vision te combineren.
Bestaande data gebruiken
Naast het in kaart brengen van dierbewegingen in het horizontale vlak in de proefopstelling, onderzocht Doornweerd ook welke rol computer vision kan vervullen bij het ondersteunen van experts bij de eerder ter sprake gekomen loopscore. “Daarvoor moet het algoritme in staat zijn om de kop, de hals, de heupen, knieën en enkels van het dier te onderscheiden. Het algoritme hebben we daartoe getraind door zelf handmatig beelden van bewegende vleeskuikens te annoteren en we hebben bestaand beeldmateriaal van bewegende kalkoenen gebruikt om het algoritme te trainen. Dat laatste blijkt namelijk goed mogelijk. In eerste instantie kan computer vision de expert ondersteunen bij het doen van loopscores maar ik sluit verdere of volledige automatisering op termijn niet uit.”

Vervolgstappen
“Voor eventuele vervolgstappen moeten we het onderzoek allereerst opschalen, zowel qua technologie als qua opzet en omvang. Tot dusver hebben we onderzocht of je met computer vision loopbewegingen in kaart kunt brengen. Dat lukt maar we kunnen nog geen conclusies trekken over hoe goed we meten. Om genetische parameters te kunnen schatten met het oog op genetische verbetering van diergezondheid en dierenwelzijn en omdat ons onderzoek zich richt op de fokkerij, is identiteitsbepaling noodzakelijk. Als we kijken naar bedrijfsmanagement op pluimveehouderijbedrijven, dan is dat wellicht niet het geval. In dat geval zijn de data ook relevant en interessant als vroegtijdige indicatie van problemen met voer, water, ziekte of smothering. Maar ook om het gedrag en ruimtegebruik van vleeskuikens te analyseren met het oog op stalindeling ten behoeve van een meer diergerichte huisvesting. In welk type huisvesting voelt een vleeskuiken zich het prettigst? Daarnaast zouden we dezelfde vision technologie en algoritmen ook kunnen inzetten voor de analyse van beweging en loopgedrag van andere typen pluimvee zoals eenden, kalkoenen en zelfs voor andere diersoorten.”
Qua (aanvullende) technologie zijn Doornweerd en zijn collega-onderzoekers vooral geïnteresseerd in (non-invasieve) alternatieven voor RFID, in voordelige vision technologie en in connectiviteitsoplossingen voor grootschalig gebruik van de cameratechnologie op pluimveebedrijven. “Daarmee kunnen we de toepassing opschalen en het gedragsonderzoek verder verbeteren. Zelf zou ik heel graag de sociale interactie tussen dieren willen analyseren. Want door te weten wat het dier zelf wil, kunnen we toewerken naar een meer dierwaardige pluimveehouderij.”
