Köhler, Stefan Daniel: Nutzung von Prozessparametern automatischer Melksysteme für die Erkennung von Eutererkrankungen unter Verwendung der Fuzzy Logic

Humboldt-Universität zu Berlin


Dissertation
Nutzung von Prozessparametern automatischer Melksysteme
für die Erkennung von
Eutererkrankungen unter
Verwendung der Fuzzy Logic

zur Erlangung des akademischen Grades
doctor rerum agriculturarum (Dr. rer. agr.)

Landwirtschaftlich-Gärtnerische Fakultät

vorgelegt von: Dipl. Ing. agr. Stefan Daniel Köhler
geb. am 15.06.1969 in Erfurt

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

TitelseiteNutzung von Prozessparametern automatischer Melksysteme für die Verwendung von Eutererkrankungen unter Verwendung der Fuzzy Logic
1 Einleitung und Problemstellung
2 Literatur
2.1Milch und Melken
2.1.1Milchabgabe
2.1.2Milchbestandteile
2.1.3Milchfluss
2.2Eutergesundheit
2.2.1Faktoren der Eutergesundheit
2.2.2Euterentzündungen
2.2.3Parameter zur Kontrolle der Eutergesundheit
2.2.3.1Zellgehalt der Milch
2.2.3.2Elektrische Leitfähigkeit der Milch
2.2.3.3Weitere Parameter zur Kontrolle der Eutergesundheit
2.2.4Eutergesundheit am Melkroboter
2.3Anwendungen der Fuzzy Logic
2.3.1Milchviehfütterung
2.3.2Qualitative Analyse der Milchleistung
2.3.3Auslese von Milchkühen
2.3.4Brunsterkennung
2.3.5Gesundheitskontrolle
3 Fuzzy Logic
3.1Entscheidungsunterstützende Systeme
3.2Fuzzy Sets
3.3Grundbegriffe
3.3.1Linguistische Variable
3.3.2Zugehörigkeitsfunktion
3.3.3Unscharfes Schließen
3.3.4Fuzzy Operatoren
3.4Aufbau eines Fuzzy Logic Systems
3.5Fuzzy Control
3.6Zusammenfassung
4 Ansatz für die Arbeit
5 Eigene Untersuchungen
5.1Voruntersuchung
5.1.1Datenerhebung
5.1.1.1Ziel
5.1.1.2Material und Methode
5.1.1.3Ergebnisse
5.1.1.4Diskussion
5.1.2Entwurf von Fuzzy Modellen
5.1.2.1Ziel
5.1.2.2Material und Methode
5.1.2.2.1Software
5.1.2.2.2Entwicklung der Fuzzy Modelle
5.1.2.3Ergebnisse
5.1.2.4Diskussion
5.2Hauptuntersuchung
5.2.1Ziele
5.2.2Material und Methoden
5.2.2.1Datenerhebung und -aufbereitung
5.2.2.2Optimierung der entwickelten Fuzzy Logic Modelle
5.2.2.3Vergleich mit statistischen Modellen
5.2.2.4Übersicht zur Methodik des Hauptversuches
5.2.3Ergebnisse
5.2.3.1Datenerhebung und -aufbereitung
5.2.3.2Optimierung der entwickelten Fuzzy Logic Modelle
5.2.3.3Statistische Modelle
5.2.3.4Überblick über die wichtigsten Ergebnisse
5.2.4Diskussion
5.2.4.1Datenerhebung und -aufbereitung
5.2.4.2Optimierung der entwickelten Fuzzy Logic Modelle
5.2.4.3Statistische Modelle
5.2.4.4Vergleichende Erwägungen
6 Zusammenfassung
7 Thesen
Abkürzungsverzeichnis Abkürzungsverzeichnis
Bibliographie 8 Literaturverzeichnis
Anhang A 9 Anhang
A.19.1 Ergänzende Abbildungen
A.29.2 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