• Danish
  • English

Seneste nyheder

Intelligent system opdager brunst og halthed hos køer

25-05-2011
Færre falske alarmer ved detektering af brunst, og en nyskabende metode til detektering af halthed hos malkekøer. Således er resultaterne af et nyligt afsluttet PhD-projekt fra Danmarks Tekniske Universitet.

De danske besætninger af malkekøer vokser og dermed også avlernes behov for i større grad at kunne overvåge og detektere malkekøernes fysiske tilstand. Ikke mindst på områderne for detektering af brunst og halthed kan udvikling af bedre og nye, intelligente systemer være med til at give avlerne større overblik over besætningernes sundhedstilstand.

Ragnar Ingi Jónsson, der er PhD-studerende ved Danmarks Tekniske Universitet, har i hans nyligt afsluttede PhD-projekt forsket i udviklingen og forbedringen af sådanne systemer.

Aktivitetssensorer indikerer brunst
20110526_bensensor

En ikke gravid malkeko kommer gennemsnitligt i brunst én gang hver tredje uge, og brunsten varer i alt mellem 6 og 24 timer. Det er derfor vigtigt for kvægavleren, at han nøjagtig ved, hvornår den enkelte er i brunst for derved at kunne optimere produktionen mest muligt.

Når en ko kommer i brunst, stiger dens aktivitetsniveau. I projektet blev det derfor valgt, at man ville forsøge at detektere brunsttilfælde ved hjælp af prisbillige og kommercielle sensorer, som kunne levere data til en specieludviklet algoritme til beregning af et afvigende aktivitetsniveau hos køerne. De anvendte sensorers måleparametre var endvidere koafhængige, hvilket betyder, at beregningsalgoritmen i den enkelte måleenhed automatisk tilpassede sig den pågældende kos aktivitet. Derved kunne fejldetekteringer minimeres ved at tage højde for den enkelte kos naturlige aktivitetsniveau - som er forskellig fra ko til ko. Det vil sige at fejldetekteringer forårsaget af køer med et generelt højt aktivitetsniveau kunne minimeres betydeligt.

Efter forsøg med aktivitetssensorer blev brunstdetekteringen kombineret med forsøg på baggrund af kommercielle og igen prisbillige ligge/stå-sensorer. De indsamlede data fra de to sensorer blev efterfølgende kombineret i en samlet brunstdetektor.

- Brunstdetektering på baggrund af ligge/stå-aktivitet er ikke helt lige så pålideligt som detektering ved hjælp af aktivitetsniveau. Men hvis man kombinerer de to, så får man faktisk noget ret valide data, fortæller Ragnar Ingi Jónsson.

Resultatet af brunstdetekteringen blev en detekteringsprocent 88.9 pct. Heraf var kun 5,9 pct. fejldetekteringer, hvilket ifølge Ragnar Ingi Jónsson er meget lavt.

Ædedata afslører halthed

Udviklingen af en algoritme til brunstdektektering skete med udgangspunkt i, at brunsten indtræffer hurtigt, og at der derved hurtigere kan måles ændringer i en kos adfærdsmønster. Set i forhold til det, er detektering af halthed hos malkekøer langt sværere, da sådanne lidelser kan opstå på kort tid, men også udvikle sig over længere tid. Det er dermed svært at udvikle en beregningsalgoritme, som tilgodeser begge tilfælde af halthed.

Til at løse dette problem har Ragnar Ingi Jónsson anvendt data fra malkekøernes aktivitetsniveau, deres besøg hos malkerobotten samt data omkring ædeadfærd. Og netop brugen af data omkring malkekøernes ædeadfærd, som dækker over antal besøg ved fodertrug samt varighed af dette besøg, gav gode resultater for detekteringen af køer med benlidelser.

- Antallet af detekterede tilfælde steg, da vi valgte at kombinere data omkring køernes ædeadfærd med de andre parametre, fortæller Ragnar Ingi Jónsson.

20110526_forderkasseDe anvendte data omkring ædeadfærd blev indsamlet i en forsøgsstald, hvor køerne på halsbåndet var forsynet med en aktivitetssensor. Specielle foderkasser registrerede derved varigheden af den enkelte kos besøg samt mængden af foder, som koen åd under besøget. Gennem en diskriminant analyse i det udviklede system, som kombinerede de indsamlede observationer af den enkelte kos ædeadfærd med dens antal af besøg i malkerobotten samt generelle aktivitetsniveau, blev den observerede adfærd klassificeret som tilhørende enten en rask eller en halt ko. En nærmere undersøgelse af den detekterede ko kunne derefter igangsættes til af- eller bekræftelse af koens tilstand som halt.

Halthedsdetekteringen viste, at systemet kunne fange ca. 75 pct. af tilfældene af halthed hos de køer, som indgik i forsøget.

Fakta om projektet

PhD-projektet er er blevet til i samarbejde mellem Danmarks Tekniske Universitet - DTU og Faculty of Science and Technology på Aarhus Universitet. Forskningen i projektet er sket i samarbejde med bl.a. professor Mogens Blanke, DTU Elektro, lektor Niels Kjølstad Poulsen, DTU Informatik, samt lektor Søren Højsgaard og forskningsleder Lene Munksgaard fra Aarhus Universitet.

PhD-projektet forsvares tirsdag den 31. maj kl. 13 på Danmarks Tekniske Universitet. Læs mere om PhD-forsvaret HER.

Kontaktperson
Ragnar Ingi JónssonRagnar Ingi Jónsson

PhD-studerende

DTU Elektro, Danmarks Tekniske Universitet

T +45 4083 1143

LOADEMAIL[rij]DOMAIN[elektro.dtu.dk]

robocluster

Kort om Innovationsnetværket RoboCluster 

Innovationsnetværket RoboCluster samler danske kompetencer inden for forskning, udvikling og design af robotteknologi. Netværket giver dig ny viden om robotter, robotteknologi og intelligente løsninger og services til indsatsområder med stor politisk og udviklingsmæssig bevågenhed. Få nye input til netop dine udfordringer med robotteknologi og automatisering og kom tættere på det danske robotmiljø 

Læs mere...
  • Kontakt
  • Campusvej 55
  • 5230 Odense M
  • Telefon: 6550 7400
  • LOADEMAIL[mail]DOMAIN[robocluster.dk]

Bevillingsgivere

Bevillingsgivere