{"id":16957,"date":"2026-08-21T14:15:50","date_gmt":"2026-08-21T12:15:50","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/jan-erik-doornweerd\/"},"modified":"2026-08-21T14:15:59","modified_gmt":"2026-08-21T12:15:59","slug":"jan-erik-doornweerd","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/jan-erik-doornweerd\/","title":{"rendered":"Jan Erik Doornweerd"},"content":{"rendered":"","protected":true},"excerpt":{"rendered":"","protected":true},"author":8,"featured_media":16958,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"us_portfolio_category":[45],"class_list":["post-16957","us_portfolio","type-us_portfolio","status-publish","post-password-required","hentry","us_portfolio_category-new-template"],"acf":{"main_text":"","naam_van_het_proefschift":"Digital phenotyping of individual broilers in group-housing","samenvatting":"Pluimvee levert een belangrijke bijdrage aan de wereldwijde vleesproductie. Het grootste deel van deze productie is afkomstig van vleeskuikens (broilers), die in de afgelopen 75 jaar aanzienlijk productiever en effici\u00ebnter zijn geworden, grotendeels dankzij genetische verbetering. Al 55 jaar selecteren fokkerijorganisaties op pootgezondheid, waarbij ze vertrouwen op subjectieve en bewerkelijke handmatige scoresystemen. Geautomatiseerde fenotypering met behulp van computervisie zou een meer schaalbare, effici\u00ebnte en objectieve benadering kunnen bieden voor grootschalige individuele fenotypering van vleeskuikens. Dit kan de effectiviteit van de selectie voor een betere pootgezondheid vergroten door nauwkeurigere schattingen van de fokwaarde.\n\nIn dit proefschrift was het doel om technologische methoden te ontwikkelen en te evalueren om de voortbeweging van individuele vleeskuikens te fenotyperen met behulp van computervisie en sensordata-fusie. Elk onderzoekshoofdstuk (hoofdstukken 2, 3, 4 en 5) richt zich op technologische methoden die objectieve en herhaalde voortbewegingsfenotypes bij individuele kuikens mogelijk maken. Twee op video gebaseerde benaderingen voor het fenotyperen van voortbeweging zijn ontwikkeld of ge\u00ebvalueerd: pose-schatting (hoofdstuk 2) en multi-object tracking (hoofdstukken 3, 4 en 5). Pose-schatting sluit aan bij de huidige handmatige beoordeling op een loopvlak, terwijl multi-object tracking een nieuwe top-view benadering introduceert om meerdere individuele vleeskuikens in groepshuisvesting gelijktijdig te fenotyperen.\n\nIn hoofdstuk 2 werd de toepassing van pose-schattingsnetwerken ge\u00ebvalueerd over verschillende pluimveesoorten (kalkoenen en vleeskuikens) om de behoefte aan uitgebreide annotatie te verminderen. Er werden video-opnames gemaakt tijdens looptesten die representatief zijn voor de praktijk bij zowel vleeskuikens als kalkoenen. Pose-schattingsnetwerken werden getraind op videoframes van \u00e9\u00e9n soort of beide soorten en getest op elke soort (binnen de soort, over de soorten heen en multi-soort). Soortspecifieke modellen waren het meest nauwkeurig in het schatten van poses. Modellen die over soorten heen werden toegepast, waren niet succesvol. Multi-soort modellen hadden iets hogere fouten dan de soortspecifieke modellen, maar hadden minder dan de helft van het aantal annotaties per soort nodig. Over het geheel genomen toonde hoofdstuk 2 aan dat uitgebreide annotatie kan worden verminderd door multi-soort modellen te gebruiken met slechts een licht lagere prestatie, mits toegepast op visueel vergelijkbare soorten.\n\nIn de hoofdstukken 3, 4 en 5 werd de methodologie voor het verzamelen van voortbewegingsfenotypes van individuele vleeskuikens in groepshuisvesting stapsgewijs ontwikkeld. Een experimentele stal werd uitgerust met een overhead videocamera en een netwerk van passieve radiofrequentie-identificatieantennes (RFID) werd onder de stalvloer geplaatst. In de stal werden negenendertig vleeskuikens gehuisvest, elk voorzien van een RFID-tag aan hun poot. Een opstelling waarin beide systemen onder vergelijkbare omstandigheden konden worden bestudeerd.\n\nHoofdstuk 3 bood een vergelijking tussen RFID en video-tracking, waarbij hun sterke punten, beperkingen en verschillen in het vastleggen van de locatie en beweging van een vleeskuiken werden ge\u00efdentificeerd, evenals de implicaties voor het beoordelen van gedragsstatistieken. Het volgen van kuikens op video was gedetailleerder (pixelniveau) dan het volgen van kuikens op het netwerk van RFID-antennes (antenneniveau). De afhankelijkheid van video-tracking van kleurgecodeerde kuikens voor effectieve tracking en identificatie was echter een beperking. Om deze beperking te verzachten, richtte hoofdstuk 4 zich op het volgen van kuikens in groepshuisvesting met een vergelijkbaar uiterlijk (niet-kleurgecodeerd) op video. Hoofdstuk 4 onderzocht de duur en afstand waarover de niet-kleurgecodeerde vleeskuikens konden worden gevolgd, evenals de locaties en omstandigheden (nabijheid en kinematica) waaronder videotracks verloren gingen. De trackingduur (gemiddeld 12,36 minuten) en afstand (gemiddeld 1,89 meter) varieerden op basis van de interacties van de kuikens, de omgeving en de bewegingspatronen. Videotracks gingen vaak verloren wanneer de kuikens werden afgedekt of zich in de nabijheid (< 10 cm) van andere kuikens bevonden. Vaak bestond het volledige traject van een kuiken uit meerdere videotracks van verschillende lengtes, waarbij elke videotrack segmenten van \u00e9\u00e9n of meerdere kuikens bevatte. De semi-continue videotracks misten echter identificatie om specifieke videotracks te koppelen aan individuele vogels, wat nodig is voor dierfokkerij. Hoofdstuk 5 introduceerde een verbeterd tracking-algoritme en een sensordata-fusie aanpak die de videotracks combineerde met RFID-identificatie. Vergeleken met hoofdstuk 4 nam de gemiddelde trackingduur toe tot 13,27 minuten, over een afstand van 6,60 meter (trajecten die langer dan 5 seconden duurden). Bovendien werd de link tussen videotracks en RFID tot stand gebracht. De aanpak vulde onvolledige RFID-trajecten aan, zowel met als zonder toevoeging van videodata, en koppelde deze voltooide trajecten aan videotracks. De aanpak werd ge\u00ebvalueerd voor verschillende antenneconfiguraties ter voorbereiding op toekomstige praktische implementatie. De sensordata-fusie aanpak was in staat om videotracks en RFID te koppelen met tweederde minder antennes dan de volledige rasterconfiguratie. Samen hebben deze hoofdstukken (hoofdstuk 3, 4, 5) een methodologie vastgesteld die de fenotypering van individuele vleeskuikens in groepshuisvesting mogelijk maakt.\n\nIn hoofdstuk 6 werden de bredere implicaties en toepassingen van video-gebaseerde fenotypering van vleeskuikens besproken in de context van fokkerij en management, potenti\u00eble technologische verbeteringen en praktische implementatie in de stal. Video-gebaseerde fenotypering van pootgezondheid, leefbaarheid en voer- en drinkgedrag werd besproken, en er werden aanbevelingen gedaan voor verder onderzoek of implementatie. Ik concludeerde dat video-gebaseerde fenotypering van pootgezondheid zeer waarschijnlijk een waardevolle verbetering zal zijn ten opzichte van de huidige praktijk en dat er potentieel is om individueel voer- en drinkgedrag in groepshuisvesting te beoordelen voor fokkerijdoeleinden. De video-gebaseerde fenotyperingsmethoden vereisen echter validatie via commerci\u00eble proeven. Het verzamelen van fenotypes in commerci\u00eble omgevingen, gecombineerd met een genetische analyse, is essentieel om de algoritmen te verfijnen, implementatieproblemen aan te pakken en het voordeel voor de vleeskuikenfokkerij beter te begrijpen.","summary":"Poultry is a major contributor to the world's meat production. Most of this poultry meat production originates from broilers, which have become more productive and efficient largely due to genetic improvement over the past 75 years. For the past 55 years, breeding companies have selected for leg health by relying on subjective and laborious manual scoring systems. Automated phenotyping using computer vision could provide a more scalable, efficient and objective approach for large-scale individual broiler phenotyping. Potentially increasing the effectiveness of selection to improve leg health through better breeding value estimates.\n\nIn this thesis, the goal was to develop and evaluate technological methods to phenotype the locomotion of individual broilers with computer vision and sensor data fusion. Each research chapter (chapters 2, 3, 4, and 5) centers around technological methods that enable objective and repeated locomotion phenotypes on individual broilers. Two video-based approaches to phenotype locomotion have been developed or evaluated: pose-estimation (chapter 2) and multi-object tracking (chapters 3, 4, and 5). Pose-estimation integrates with the current manual walkway scoring approach, while multi-object tracking introduces a novel top-view approach to phenotype multiple individual broilers in group-housing simultaneously.\n\nIn chapter 2, the application of pose-estimation networks was evaluated across different poultry species (turkeys and broilers) to reduce the need for extensive annotation. Video recordings were made during walkway tests representative of practice in both broilers and turkeys. Pose-estimation networks were trained on video frames from one species or both species and tested on each species (within-, across-, and multi-species). Species-specific models were the most accurate in estimating poses. Models applied across-species were not successful. Multi-species models had slightly higher errors than the species-specific models but had less than half the number of annotations per species. Overall, chapter 2 showed that extensive annotation could be reduced by using multi-species models with only a slightly lower performance if applied on visually comparable species.\n\nIn chapters 3, 4, and 5 the methodology to collect locomotion phenotypes of individual broilers in group-housing was incrementally developed. An experimental pen was equipped with an overhead video camera and a network of passive radio frequency identification antennas (RFID) was positioned beneath the pen. The pen housed thirty-nine broilers, each fitted with an RFID-tag attached to their leg. A setup in which both systems could be studied under similar circumstances.\n\nChapter 3 provided a comparison between RFID and video tracking, identifying their strengths, limitations, and differences in terms of capturing a broiler\u2019s location and movement and the implications for assessing behavioural metrics. Tracking broilers on video was more detailed (pixel-level) than following broilers on the network of RFID antennas (antenna-level). However, the dependence of video tracking on color-marked broilers for effective tracking and identification was a limitation. To alleviate this limitation, chapter 4 focused on tracking broilers in group-housing with similar appearances (non-color marked) on video. Chapter 4 examined the duration and distance over which the non-color marked broilers could be tracked, as well as the locations and circumstances (proximity & kinematics) under which video tracks were lost. The tracking duration (average of 12.36 minutes) and distance (average of 1.89 meters) varied based the broilers\u2019 interactions, environment, and movement patterns. Video tracks were often lost when the broilers were occluded or in close proximity (< 10 cm) to other broilers. Frequently, a broiler\u2019s complete trajectory was composed of multiple video tracks of varying lengths, with each video track containing segments from one or multiple broilers. However, the semi-continuous video tracks lacked identification to link specific video tracks to individual birds which is needed for animal breeding. Chapter 5 introduced an improved tracking algorithm and a sensor data-fusion approach that combined the video tracks with RFID identification. Compared to chapter 4, the average tracking duration increased to 13.27 minutes, covering 6.60 meters (trajectories lasting more than 5 seconds). Furthermore, the link between video tracks and RFID was established. The approach completed incomplete RFID trajectories, both with and without incorporating video data, and associated these completed trajectories with video tracks. The approach was evaluated for different antenna configurations to explore and prepare for future practical implementation. The sensor data-fusion approach was able to link video tracks and RFID with two-thirds fewer antennas than the full-grid configuration. Together, these chapters (chapter 3, 4, 5) established a methodology that enables the phenotyping of individual broilers in group-housing.\n\nIn chapter 6, the broader implications and applications of video-based broiler phenotyping were discussed in the context of broiler breeding and management, potential technological improvements, and practical implementation in the barn. Video-based phenotyping of leg health, liveability and feeding and drinking behaviour were discussed, and recommendations were made for further research or implementation. I concluded that video-based phenotyping of leg health will most likely be a valuable improvement over the current phenotyping practice and there is potential to assess individual feeding and drinking behaviour in group-housing for breeding purposes. However, the video-based phenotyping methods require validation through commercial trials. Collecting phenotypes in commercial settings combined with a genetic analysis is essential to refine the algorithms, address deployment issues, and better understand the benefit for broiler breeding.","auteur":"Jan Erik Doornweerd","auteur_slug":"jan-erik-doornweerd","publicatiedatum":"4 september 2026","taal":"EN","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/janerikdoornweerd?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/42a3eeee-27f6-4d0f-9f60-c2bf167efc90\/highres","url_epub":"","ordernummer":"19205","isbn":"","doi_nummer":"","naam_universiteit":"Wageningen University","afbeeldingen":16959,"video_url":"","podcast_url":"","naam_student:":"","binnenwerk":"","universiteit":"Wageningen University","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/16957","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"author":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/comments?post=16957"}],"version-history":[{"count":1,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/16957\/revisions"}],"predecessor-version":[{"id":16960,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/16957\/revisions\/16960"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/16958"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=16957"}],"wp:term":[{"taxonomy":"us_portfolio_category","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio_category?post=16957"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}