| Köhler, Stefan Daniel: Nutzung von Prozessparametern automatischer Melksysteme für die Erkennung von Eutererkrankungen unter Verwendung der Fuzzy Logic |
Humboldt-Universität zu Berlin
zur Erlangung des akademischen Grades
doctor rerum agriculturarum (Dr. rer. agr.)
Landwirtschaftlich-Gärtnerische Fakultät
Dekan: Prof. Dr. Uwe Jens Nagel
Gutachter:
1. Prof. Dr. sc. Otto Kaufmann
2. Prof. Dr. habil. Dieter Ordolff
eingereicht: 14.06.2002
Datum der Promotion: 22.10.2002
Die vorliegende Arbeit wurde gefördert aus Mitteln des
Vereins zur Förderung agrar- und stadtökologischer Projekte e.V. (A.S.P.).
| Seiten: | [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110] [111] [112] [113] [114] [115] [116] [117] |
Inhaltsverzeichnis | |
| Titelseite | Nutzung von Prozessparametern automatischer Melksysteme für die Verwendung von Eutererkrankungen unter Verwendung der Fuzzy Logic |
| 1 | Einleitung und Problemstellung |
| 2 | Literatur |
| 2.1 | Milch und Melken |
| 2.1.1 | Milchabgabe |
| 2.1.2 | Milchbestandteile |
| 2.1.3 | Milchfluss |
| 2.2 | Eutergesundheit |
| 2.2.1 | Faktoren der Eutergesundheit |
| 2.2.2 | Euterentzündungen |
| 2.2.3 | Parameter zur Kontrolle der Eutergesundheit |
| 2.2.3.1 | Zellgehalt der Milch |
| 2.2.3.2 | Elektrische Leitfähigkeit der Milch |
| 2.2.3.3 | Weitere Parameter zur Kontrolle der Eutergesundheit |
| 2.2.4 | Eutergesundheit am Melkroboter |
| 2.3 | Anwendungen der Fuzzy Logic |
| 2.3.1 | Milchviehfütterung |
| 2.3.2 | Qualitative Analyse der Milchleistung |
| 2.3.3 | Auslese von Milchkühen |
| 2.3.4 | Brunsterkennung |
| 2.3.5 | Gesundheitskontrolle |
| 3 | Fuzzy Logic |
| 3.1 | Entscheidungsunterstützende Systeme |
| 3.2 | Fuzzy Sets |
| 3.3 | Grundbegriffe |
| 3.3.1 | Linguistische Variable |
| 3.3.2 | Zugehörigkeitsfunktion |
| 3.3.3 | Unscharfes Schließen |
| 3.3.4 | Fuzzy Operatoren |
| 3.4 | Aufbau eines Fuzzy Logic Systems |
| 3.5 | Fuzzy Control |
| 3.6 | Zusammenfassung |
| 4 | Ansatz für die Arbeit |
| 5 | Eigene Untersuchungen |
| 5.1 | Voruntersuchung |
| 5.1.1 | Datenerhebung |
| 5.1.1.1 | Ziel |
| 5.1.1.2 | Material und Methode |
| 5.1.1.3 | Ergebnisse |
| 5.1.1.4 | Diskussion |
| 5.1.2 | Entwurf von Fuzzy Modellen |
| 5.1.2.1 | Ziel |
| 5.1.2.2 | Material und Methode |
| 5.1.2.2.1 | Software |
| 5.1.2.2.2 | Entwicklung der Fuzzy Modelle |
| 5.1.2.3 | Ergebnisse |
| 5.1.2.4 | Diskussion |
| 5.2 | Hauptuntersuchung |
| 5.2.1 | Ziele |
| 5.2.2 | Material und Methoden |
| 5.2.2.1 | Datenerhebung und -aufbereitung |
| 5.2.2.2 | Optimierung der entwickelten Fuzzy Logic Modelle |
| 5.2.2.3 | Vergleich mit statistischen Modellen |
| 5.2.2.4 | Übersicht zur Methodik des Hauptversuches |
| 5.2.3 | Ergebnisse |
| 5.2.3.1 | Datenerhebung und -aufbereitung |
| 5.2.3.2 | Optimierung der entwickelten Fuzzy Logic Modelle |
| 5.2.3.3 | Statistische Modelle |
| 5.2.3.4 | Überblick über die wichtigsten Ergebnisse |
| 5.2.4 | Diskussion |
| 5.2.4.1 | Datenerhebung und -aufbereitung |
| 5.2.4.2 | Optimierung der entwickelten Fuzzy Logic Modelle |
| 5.2.4.3 | Statistische Modelle |
| 5.2.4.4 | Vergleichende Erwägungen |
| 6 | Zusammenfassung |
| 7 | Thesen |
| Abkürzungsverzeichnis | Abkürzungsverzeichnis |
| Bibliographie | 8 Literaturverzeichnis |
| Anhang A | 9 Anhang |
| A.1 | 9.1 Ergänzende Abbildungen |
| A.2 | 9.2 Darstellung der Fuzzy Modelle |
| Danksagung | |
| Selbständigkeitserklärung | |
Tabellenverzeichnis | |
| Tabelle 1: | Zusammensetzung von normaler Milch (Bogner 1988, S. 212) |
| Tabelle 2: | Beurteilung zytologisch-mikrobiologischer Befunde in Anlehnung an International Dairy Federation (IDF) 1967 (Proben von Anfangsviertelgemelken, normale Laktation) (Quelle: DVG 1994, S.8) |
| Tabelle 3: | Definitionspunkte der Zugehörigkeitsfunktionen für die Terme der Variable Leitfähigkeit |
| Tabelle 4: | Fuzzy Inferenz für ein sehr einfaches Modell zur Erkennung von Euterkrankheiten am Melkroboter unter Einbeziehung der Eingangs-variablen Leitfähigkeit und Zwischenmelkzeit |
| Tabelle 5: | Einteilung der Euterviertel in „auffällig“ oder „nicht auffällig“ |
| Tabelle 6: | Voruntersuchung - Vergleich der Werte für die absolute Milchbildung pro Stunde und die normierte Milchbildung pro Stunde |
| Tabelle 7: | Voruntersuchung - Vergleich der Werte für die normierte Milchbildung pro Stunde nach Laktationsgruppen |
| Tabelle 8: | Voruntersuchung - Vergleich der Werte für den absoluten Milchfluss und den normierten Milchfluss |
| Tabelle 9: | Voruntersuchung - Vergleich der Werte für die absolute Zwischenmelkzeit und die normierte Zwischenmelkzeit |
| Tabelle 10: | Voruntersuchung - Vergleich der Werte für die normierte Leitfähigkeit und den relativen Futterrest |
| Tabelle 11: | Fuzzy Inferenz für Modell 1 |
| Tabelle 12: | Fuzzy Inferenz für Modell 2 |
| Tabelle 13: | Ergebnisse der Fuzzy Logic Modelle |
| Tabelle 14: | Parameter zur Bewertung der Eutergesundheit |
| Tabelle 15: | Zuordnung der Werte für den Gesundheitsstatus |
| Tabelle 16: | Linguistische Variable und die Zugehörigkeitsfunktionen ihrer einzelnen Terme in Modell 5a |
| Tabelle 17: | Fuzzy Inferenz für Modell 5a |
| Tabelle 18: | Linguistische Variable und die Zugehörigkeitsfunktionen ihrer einzelnen Terme in Modell 6a |
| Tabelle 19: | Fuzzy Inferenz für Modell 6a |
| Tabelle 20: | Statistik aller Einzeldaten |
| Tabelle 21: | Vergleich zwischen Vorder- und Hintervierteln |
| Tabelle 22: | Vergleich zwischen „unauffälligen“ und „auffälligen“ Vierteln |
| Tabelle 23: | Kombinierter Vergleich für den Parameter Milchfluss [kg/min] |
| Tabelle 24: | Vergleich des Milchflusses [kg/min] anhand der am meisten abweichenden Einzeldaten „auffälliger“ Euterviertel |
| Tabelle 25: | Umfang von Grundgesamtheiten und Teilgruppen |
| Tabelle 26: | Normierung von Parametern unter Verwendung verschiedener Vertrauensintervalle |
| Tabelle 27: | Ergebnisse des Tests für die Modelle 2 und 3 anhand unterschiedlich normierter Parameterwerte |
| Tabelle 28: | Vergleich der normierten Parameter der Grundgesamtheiten |
| Tabelle 29: | Ergebnisse der Modellierung mit Fuzzy Logic Systemen (I) |
| Tabelle 30: | Ergebnisse der Modellierung mit Fuzzy Logic Systemen (II) |
| Tabelle 31: | Ergebnisse der Modellierung mit Fuzzy Logic Systemen (III) |
| Tabelle 32: | Ergebnisse der Modellierung mit Grenzwertmethoden (I) |
| Tabelle 33: | Ergebnisse der Modellierung mit Grenzwertmethoden (II) |
| Tabelle 34: | Ergebnisse der Modellierung durch Indexbildung |
| Tabelle 35: | Vergleich der besten Ergebnisse verschiedener Modellierungen |
Abbildungsverzeichnis | |
| Abbildung 1: | Grundformen der Milchflusskurve: Stufenform (blau, durchgehend), bimodale Form (rot, gestrichelt) und Kastenform (grün, gepunktet) (nach Roth et al. 1998 sowie Worstorff et al. 2000; verändert) |
| Abbildung 2: | Grafische Darstellung von Nichtzugehörigkeit bzw. Zugehörigkeit zu einer Menge in der binären Logik (0/1, nein/ja) und in der Fuzzy Logic (0 ... 1, nein ... ja) |
| Abbildung 3: | Zugehörigkeitsfunktionen der Variable Leitfähigkeit |
| Abbildung 4: | Informationsfluss in einem Fuzzy Logic System |
| Abbildung 5: | Komplettes Fuzzy Inferenz Diagramm mit allen Informationen zu einem Fuzzy Logic System |
| Abbildung 6: | Fuzzy Inferenz Diagramm für ein sehr einfaches Modell zur Erkennung von Euterkrankheiten am Melkroboter unter Einbeziehung der Eingangsvariablen Leitfähigkeit und Zwischenmelkzeit |
| Abbildung 7: | Fuzzy Logic Kontrollsystem |
| Abbildung 8: | Ergebnis des Tests der ANFIS -Modellierung. Referenzwerte: blaue Punkte; Modellwerte: rote Sternchen. |
| Abbildung 9: | Struktur des ANFIS Modells 7 |
| Abbildung 10: | Vergleich der relativen Häufigkeitsverteilung (in %) für die Milchbildungsrate (in kg/h) „unauffälliger“ (oben) und „auffälliger“ (unten) Euterviertel. |
| Abbildung 11: | Vergleich der relativen Häufigkeitsverteilung (in %) für die elektrische Leitfähigkeit der Milch (in mS/cm) „unauffälliger“ (oben) und „auffälliger“ (unten) Euterviertel. |
| Abbildung 12: | Vergleich der relativen Häufigkeitsverteilung (in %) für die normierte Milchbildungsrate „unauffälliger“ (oben) und „auffälliger“ (unten) Euterviertel. |
| Abbildung 13: | Vergleich der relativen Häufigkeitsverteilung (in %) für die normierte elektrische Leitfähigkeit der Milch „unauffälliger“ (oben) und „auffälliger“ (unten) Euterviertel. |
| Abbildung 14: | Terme der Variable normierte Milchbildungsrate in Modell 6a. |
| Abbildung 15: | Terme der Variable normierter Milchfluss in Modell 6a. |
| Abbildung 16: | Terme der Variable normierte Zwischenmelkzeit in Modell 6a. |
| Abbildung 17: | Terme der Variable normierte Leitfähigkeit in Modell 6a. |
| Abbildung 18: | Terme der Variable Euterviertelstatus in Modell 6a. |
| Abbildung 19: | Ergebnisse des ANFIS Trainings für Modell 8 (Referenzwerte: blaue Kreise; Modellwerte: rote Sternchen). |
| Abbildung 20: | Ergebnisse einer von drei Testgruppen für das im Modell 8 generierte Fuzzy Inferenz System (Referenzwerte: blaue Punkte; Modellwerte: rote Sternchen). |
| Abbildung 21: | Überblick über die Versuchsanordnung. |
| Abbildung 22: | Anordnung von vier Messgeräten „LactoCorder® low flow“ an einem der beiden Melkroboter. |
© Die inhaltliche Zusammenstellung und Aufmachung dieser Publikation sowie die elektronische Verarbeitung sind urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung. Das gilt insbesondere für die Vervielfältigung, die Bearbeitung und Einspeicherung und Verarbeitung in elektronische Systeme.
|
DiML DTD Version 2.0 |
Zertifizierter Dokumentenserver der Humboldt-Universität zu Berlin |
HTML - Version erstellt am: Fri Feb 7 16:31:20 2003 |