Smart Animal Monitoring Using Wearables and Ingestibles: Automated Solutions for Training, Health, and Behavior Analysis

Promovendus/a
Eerdekens, Anniek
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Informatietechnologie
Curriculum
Master of Biomedical Engineering, Universiteit Gent, 2019
Academische graad
Doctor in de ingenieurswetenschappen: biomedische ingenieurstechnieken
Taal proefschrift
Engels
Vertaling titel
Intelligente monitoring van dieren met draagbare technologie en inneembare sensoren: automatische systemen voor training, gezondheidsbewaking en gedragsanalyse
Promotor(en)
prof. Margot Deruyck, vakgroep Informatietechnologie - prof. Wout Joseph, vakgroep Informatietechnologie
Examencommissie
voorzitter prof. Sabine Wittevrongel (voorzitter Commissie Wetenschappelijk Onderzoek) - dr. ir. Said Benaissa (vakgroep Informatietechnologie) - prof. Margot Deruyck (vakgroep Informatietechnologie) - prof. Edna Hillmann (Humboldt-Universität zu Berlin, Duitsland) - prof. Wout Joseph (vakgroep Informatietechnologie) - prof. Adnan Shahid (vakgroep Informatietechnologie) - prof. Sofie Van Hoecke (vakgroep Elektronica en Informatiesystemen) - dr. Glenn Van Steenkiste (vakgroep Interne Geneeskunde, Voortplanting en Populatiegeneeskunde)

Korte beschrijving

In de huidige tijd, waar sensortechnologie alomtegenwoordig is in mobiele apparaten, wordt activiteitenanalyse steeds gangbaarder, zowel in gezondheidsmonitoring als in fitness-tracking. Deze trend vindt ook zijn weg in de paardensport en veehouderij, waar het monitoren van diergedrag essentiële inzichten biedt in hun gezondheid en welzijn. Traditionele methoden zijn vaak beperkt in het detecteren van gedrag of kunnen slecht generaliseren naar nieuwe data. Dit doctoraatsonderzoek richt zich op het potentieel van deep learning, met zijn geavanceerde computationele capaciteiten, om deze kloof te dichten. Door gebruik te maken van draagbare en inslikbare sensoren, worden data omgezet in inzichten over de activiteiten van het dier. Onze modellen, getest onder diverse omstandigheden, hebben geleid tot de ontwikkeling van een energie-efficiënt model dat activiteiten nauwkeuriger herkent. We hebben niet alleen activiteiten van dressuur en jumpingtrainingen kunnen classificeren om trainingen te optimaliseren, maar ons werk richt zich ook op het detecteren en classificeren van koliek bij paarden, een ernstige aandoening die fataal kan zijn. Automatische detectie kan levensreddend zijn. Verder is de toepassing van deze technologieën onderzocht voor het monitoren van geitengedrag, met gebruik van temperatuur- en versnellingsmetergegevens, om gedragingen zoals lighouding en maagbeweging te onderscheiden en te koppelen aan gezondheidsevaluaties door dierenartsen.

Praktisch

Datum
Maandag 26 februari 2024, 17:30
Locatie
auditorium 1, iGent, eerste verdieping, Technologiepark Zwijnaarde 126, 9052 Zwijnaarde

Meer info

Contact
doctoraat.ea@UGent.be