Hallo zusammen,
Bei meiner Tätigkeit habe ich ein veterinärmedizinisches System für die Dokumentation von Pferdehufe und Pferden für die Ausbildung zum Pferdeorthopäden entwickelt. Das System besteht aus einem Web-Frontend, einem Backend mit einer Datenbank und einer Android-App. Mehrere Komponenten nutzen Machine-Learning-Modelle.
Das System löst eine zeitaufwendige und manuelle Dokumentation mittels eines einfachen File-Systemes (meist Windows Explorer) ab. Zuvor wurden die Bilder per Handy aufgenommen, manuell auf einen PC/Laptop gezogen und in eine vorgegebene und festen Struktur (zB. : …/Pferd/TerminMitDatum/VorDerBehandlung/Huf/Bild.jpg) mit je sechs Perspektiven pro Huf eingefügt, jeweils vor und nach der Behandlung. Diese Methode wurde über Jahre hinweg für die jeweiligen Pferde angewandt. Die nachgelagerte Arbeit, wie das teilen, mit diesen Bildern war ebenso mühselig und fehleranfällig.
Alle diese Schritte – auch die Administration der Pferde, wie auch z.B. die Zuweisung von Pferden zu Auszubildenden – können nun einfach und zentral mit dem System durchgeführt werden.
Das System besteht aus drei Komponenten.
Dem Web-Frontend über dem die grundlegende Administration erfolgt. Hierfür muss ein Account mit einer verifizierten E-Mail erstellt werden. Der User kann nach dem Aktivieren/Verifizieren seines Accounts beliebig viele Pferde erstellen; diese kann er anschließend auch anderen Usern freigeben. Zu jedem Pferd können alle Fragebögen und Visiten eingesehen werden. Die Visiten bestehen aus den bereits genannten Bildern der Hufe und können als PDF abgerufen werden und ermöglichen es sehr schnell und einfach, die jeweiligen Bilder zu vergleichen. Die PDFs können für nur eine Visite oder für den gesamten Zeitraum erstellt werden. Alles mit einem Klick, kein manuelles Durchgehen oder einzelnes Öffnen/Vergleichen, alles in Sekunden; genauso können dadurch die Visiten viel leichter verwaltet und geteilt werden. Hierbei wird vor allem der zeitliche Aufwand stark reduziert.
Dem Backend, auf welches ich nur kurz eingehe, ganz grob: Dieses speist das Frontend und die App mit Daten und wird von beiden Komponenten auch mit Daten gespeist. Es hat – ganz klassisch – mehre Schnittstellen, für welche man verifiziert sein muss, und kommuniziert direkt (und als einziges) mit der Datenbank. Alle Services laufen über Docker.
Der App, hier verifiziert man sich mit demselben Account, nach der Verifizierung kann diese genutzt werden um Daten zu den jeweiligen Pferden zu erstellen. Dies umfasst Fragebögen und insbesondere die Foto-Dokumentation der Hufe. Hierbei unterstützt ein Objekterkennungs-Modell die Vergleichbarkeit auch über einen langen Zeitraum und bei seltener Benutzung zu gewährleisten. Der User wird durch alle Schritte der Bilder durchgeführt und kann jeden Schritt wiederholen. Das Modell übernimmt die jeweiligen Bildzuschnitte und ist auch in der Lage Fehler, wie eine falsche Perspektive zu erkennen. Genauso sind weitere Features geplant, wofür bereits Machine-Learning-Modelle bestehen, wie z.B. das Berechnen des Standwinkels bei Belastung des Hufs.