Bioveiligheid omvat de preventie van ziektetransmissie binnen en tussen bedrijven. Twee aparte studies werden uitgevoerd om te onderzoeken wat veehouders aanzet of tegenhoudt om bioveiligheidsmaatregelen te implementeren. De eerste studie had tot doel de perceptie van rundveehouders rond bioveiligheid in kaart te brengen en de oorzaken voor de lage implementering te identificeren. Het eerste deel van deze studie bestond uit een focusgroepgesprek waarvan de trends gebruikt werden om een vragenlijst te ontwikkelen voor een enquête gericht tot Vlaamse rundveehouders. Hoewel de 91 deelnemende rundveehouders weet hadden van verscheidene bioveiligheidsmaatregelen, associeerden zij deze eerder met ziektepreventie dan met bioveiligheid. De bedrijfsdierenarts lijkt de voornaamste bron van informatie voor de veehouder (98%). Slechts twintig procent en 32% van de veehouders zijn ervan overtuigd dat de implementatie van bioveiligheid hen respectievelijk meer geld en tijd zou kosten. Tenslotte ziet 80% van de veehouders ruimte voor verbetering binnen hun bedrijf en geven ze aan nood te hebben aan praktische informatie. De tweede studie was gericht op de identificatie van hoofdpunten van twintig op voorhand geselecteerde bioveiligheidsmaatregelen, drijfveren en hindernissen aangaande de implementatie ervan. Ze werden door tweeëntwintig professionals uit de rundveesector, zoals veehouders, dierenartsen en adviseurs, beoordeeld op haalbaarheid, efficiëntie en return-on-investment. De afkalfstal, een knaagdierbestrijdingsprogramma en de reiniging en desinfectie van de stallen scoorden het hoogst. De laagst scorende maatregelen waren het douchen vooraleer de stallen te betreden en een ‘diervrije’ periode van 24 uur. De return-on-investment hiervan was heel laag, omdat daarvoor hoge investeringen noodzakelijk zijn. Om te begrijpen waarom bioveiligheid voordelig is, moet de veehouder een beeld krijgen van alle risico’s en kosten van ziekte, en inzien hoe bioveiligheid risico’s en kosten kan verminderen.

Equine training activity detection will help to track and enhance the performance and fitness level of riders and their horses. Currently, the equestrian world is eager for a simple solution that goes beyond detecting basic gaits, yet current technologies fall short on the level of user friendliness and detection of main horse training activities. To this end, we collected leg accelerometer data of 14 well-trained horses during jumping and dressage trainings. For the first time, 6 jumping training and 25 advanced horse dressage activities are classified using specifically developed models based on a neural network. A jumping training could be classified with a high accuracy of 100 %, while a dressage training could be classified with an accuracy of 96.29%. Assigning the dressage movements to 11, 6 or 4 superclasses results in higher accuracies of 98.87%, 99.10% and 100%, respectively. Furthermore, during dressage training, the side of movement could be identified with an accuracy of 97.08%. In addition, a velocity estimation model was developed based on the measured velocities of seven horses performing the collected, working, and extended gaits during a dressage training. For the walk, trot, and canter paces, the velocities could be estimated accurately with a low root mean square error of 0.07 m/s, 0.14 m/s, and 0.42 m/s, respectively.