Nowoczesna technologia wyręczy hodowcę w detekcji kulawizny

Dwa trendy wpływają negatywnie na czas, jaki współczesny hodowca może poświęcić pojedynczej krowie. Pierwszy to stale rosnąca średnia wielkość stada, a drugi to coraz mniejsze zainteresowanie pracą w hodowli pracowników zatrudnianych z zewnątrz.

tekst: Lek. wet. Michał Zdunek, 7M AMDG sp. z o.o.

Wiemy, że im większe stado, tym większa presja chorób zakaźnych. Tak samo jest z Dermatitis digitalis (DD), popularnie nazywaną „truskawką”. Aby pokonać ten problem jak najszybciej, należy go wykryć, a następnie podjąć działania miejscowe oraz kąpiele. I tu pojawia się problem, gdyż im większe stado, tym trudniej wykryć objaw kulawizny u pojedynczej krowy. Szczęśliwie im wyższy dobrostan, tym ryzyko jest mniejsze. Nie jest więc tak, że największe stada muszą mieć najwięcej problemów. Sprawdza się powiedzenie: jak dbasz, tak masz.

Warto podjąć wysiłek, aby oceniać wystąpienie objawu kulawizny częściej niż tylko po korekcji racic, kiedy można się zapoznać z wygenerowanym raportem. Częstotliwość monitorowania lokomocji krów powinna być dostosowana do występujących ryzyk. Na pewno jeśli jest źle, do czasu uzyskania trwałego progresu ocena powinna być wykonywana nawet dwa, trzy razy w miesiącu. Jeśli ryzyko jest bardzo niskie, to częstotliwość prowadzenia oceny raz na kwartał wystarczy. Ta czasochłonna procedura najlepiej określi status zdrowotny twojego stada. Im lepiej znasz swoje stado, tym lepszych wyborów dokonujesz. Rekomendowane są cele zawarte w tabeli 1.

Tabela 1. Wynik oceny kulawizny
Źródło: Locomotion score targets for a 5-Point scoring system (Cook 2007)

A jak będzie wyglądała przyszłość w zarządzaniu tym problemem? Prowadzimy prace B+R, aby zautomatyzować procedurę oceny. W przyszłości hodowca ma dostać powiadomienie (alarm) o krowie z problemem oraz zestawienie przedstawiające, ile krów wykazuje objaw kulawizny.

Jak to ma działać? Większość z nas słyszała o autonomicznych pojazdach. Aby mogły bezpiecznie jechać, zastosowana w nich sztuczna inteligencja musi doskonale rozpoznawać teren wkoło. Prace trwają od lat, a testy, jeszcze z obecnością człowieka w pojeździe, są prowadzone przez wiele firm.

Chodzi tu o analizę obrazu – w każdej klatce filmu należy rozpoznać obiekty i zakwalifikować je do kategorii (wszystko automatycznie). W przypadku projektu „System detekcji kulawizny bydła na podstawie ruchliwości krów, charakterystyki chodu i platformy tensometrycznej z wykorzystaniem sztucznej inteligencji” chodzi o rozpoznanie i zaznaczenie sylwetki krowy, a następnie zaznaczenie na niej punktów krytycznych. Punkty te umożliwiają ocenę. Algorytmy mierzą zależności między nimi. Przygotowaliśmy wzorce ruchu dla krowy zdrowej i potrafimy, poprzez analizę matematyczną, wskazać odchyły od normy (krowa z zaznaczonymi punktami krytycznymi – zdjęcie 1).

Zdjęcie 1. Print screen z programu CVAT, wszystkie zaznaczenia wykonane automatycznie. Obraz pochodzi z kamery video. Oceniamy co 5. klatkę w filmie, chociaż w części wykonujemy też pracę, oceniając 30 klatek na 1 s. Na tej klatce widać krowę w prostokącie zwanym „badning box”. Jest on po to, aby algorytmy nie oceniały tego, co jest poza nim. Widać zaznaczone kolorami:
• linia kręgosłupa, kolor różowy: Neck, i niebieski: Spine 1, Spine 2 i Spine 3;
• noga lewa przednia, a na niej punkty: FL Hoof, FL Fetlock, FL Carpal, FL Elbow – kolor zielony;
• noga prawa przednia, a na niej punkty: FR Hoof, FR Fetlock, FR Carpal – kolor żółty;
• noga lewa tylna, a na niej punkty: BL Hoof, BL Fetlock, BL Ankle, BR Knee – kolor fioletowy;
• noga prawa tylna, a na niej punkty: BR Hoof, BR Fetlock, BR Ankle – kolor czerwony.

Pracujemy nad wieloma wariantami i konsekwentnie badamy (testujemy) ich efektywność. Prace wykonywane są na tysiącach klatek. Pomocna jest w tym praca z „czarnymi filami”, gdzie zasłonięte jest wszystko prócz punktów krytycznych (zdjęcie 2). Nieustannie pracujemy nad udoskonaleniem zaznaczania (tagowania) punktów krytycznych – im lepiej to będzie zrobione, tym większa szansa na użyteczne narzędzie w przyszłości!

Zdjęcie 2.

Ostatnie wyniki pracy algorytmów, które oceniały 50 krów, gdzie zadaniem było odróżnienie krów z oceną 1–3 (skala Zinpro) od krów 4–5, to 80% prawidłowych wskazań. Takie efekty uzyskano po 9 miesiącach z 32 zaplanowanych dla części analizy obrazu.

Innymi elementami projektu są platformy, gdzie poprzez pomiar siły nacisku (tensometry) oceniamy, czy objaw kulawizny wystąpił – zdjęcie nr 3. Ciekawe wyniki i spore nadzieje wiążemy z analizą danych z akcelerometrów i magnetometrów.

Zdjęcie 3.

Mamy tysiące danych do analizy z wcześniej zebranych doświadczeń, zakończonych produktem www.cowmonitor.pl, w tym wypadku sprawdzamy dynamikę ruchliwości krów w oborze. Zresztą wszystkie nasze testy przeprowadzane są w oborach produkcyjnych. Entuzjastów nowych technologii zapraszamy na kanał Projektadk na youtube.com, gdzie zamieściliśmy kilka filmów z naszej pracy. Tam też, w komentarzach, chętnie odpowiemy na Wasze pytania. 

Nadchodzące wydarzenia