Präzisionstechnologie und maschinelles Lernen ermöglichen eine frühzeitige Diagnose einer Wadenpneumonie

Laut einer neuen Studie führt die Überwachung von Milchkälbern mit Präzisionstechnologien, die auf dem „Internet der Dinge“ oder IoT basieren, zu einer früheren Diagnose von kälbertötenden Atemwegserkrankungen bei Rindern. Der neuartige Ansatz – ein Ergebnis der bereichsübergreifenden Zusammenarbeit eines Forscherteams der Penn State, der University of Kentucky und der University of Vermont – bietet Milcherzeugern die Möglichkeit, die Wirtschaftlichkeit ihrer Betriebe zu verbessern, so die Forscher.

Dies ist nicht die Milchwirtschaftsstrategie Ihres Großvaters, bemerkt die leitende Forscherin Melissa Cantor, Assistenzprofessorin für Präzisionsmilchwissenschaft am Penn State College of Agricultural Sciences. Cantor stellte fest, dass neue Technologien immer erschwinglicher werden und den Landwirten die Möglichkeit bieten, Tiergesundheitsprobleme früh genug zu erkennen, um einzugreifen und so die Kälber und die damit verbundene Investition zu retten.

IoT bezieht sich auf eingebettete Geräte, die mit Sensoren, Verarbeitungs- und Kommunikationsfähigkeiten, Software und anderen Technologien ausgestattet sind, um über das Internet Daten mit anderen Geräten zu verbinden und auszutauschen. In dieser Studie, erklärte Cantor, wurden IoT-Technologien wie tragbare Sensoren und automatische Futterautomaten eingesetzt, um den Zustand der Kälber genau zu überwachen und zu analysieren.

Solche IoT-Geräte generieren riesige Datenmengen, indem sie das Verhalten der Kühe genau überwachen. Um die Interpretation dieser Daten zu erleichtern und Hinweise auf Kälbergesundheitsprobleme zu liefern, haben die Forscher maschinelles Lernen eingeführt – einen Zweig der künstlichen Intelligenz, der die verborgenen Muster in den Daten lernt, um anhand der Eingaben der IoT-Geräte zwischen kranken und gesunden Kälbern zu unterscheiden .

„Wir befestigen Beinbänder an den Kälbern, die Aktivitätsverhaltensdaten von Milchkühen aufzeichnen, etwa die Anzahl der Schritte und die Liegezeit“, sagte Cantor. „Und wir verwendeten Futterautomaten, die Milch und Getreide abgeben und das Fütterungsverhalten aufzeichnen, etwa die Anzahl der Besuche und Liter verbrauchter Milch. Informationen aus diesen Quellen signalisierten, wann der Zustand eines Kalbes kurz davor stand, sich zu verschlechtern.“

Bei der Atemwegserkrankung bei Rindern handelt es sich um eine Infektion der Atemwege, die den Hauptgrund für den Einsatz antimikrobieller Mittel bei Milchkälbern darstellt und für 22 % der Kälbersterblichkeit verantwortlich ist. Die Kosten und Auswirkungen der Krankheit können der Wirtschaft eines landwirtschaftlichen Betriebes schweren Schaden zufügen, da die Aufzucht von Milchkälbern eine der größten wirtschaftlichen Investitionen darstellt.

„Die Diagnose einer Atemwegserkrankung bei Rindern erfordert intensive und spezialisierte Arbeitskräfte, die schwer zu finden sind“, sagte Cantor. „Präzisionstechnologien auf Basis von IoT-Geräten wie Futterautomaten, Waagen und Beschleunigungsmessern können daher dabei helfen, Verhaltensänderungen zu erkennen, bevor sich äußere klinische Anzeichen der Krankheit manifestieren.“

In der Studie wurden Daten von 159 Milchkälbern mithilfe präziser Viehzuchttechnologien und von Forschern gesammelt, die an der University of Kentucky tägliche körperliche Gesundheitsuntersuchungen an den Kälbern durchführten. Die Forscher zeichneten sowohl die Ergebnisse der automatischen Datenerfassung als auch die Ergebnisse der manuellen Datenerfassung auf und verglichen die beiden.

In kürzlich veröffentlichten Ergebnissen in IEEE-Zugriff, berichteten die Forscher, dass der vorgeschlagene Ansatz in der Lage sei, Kälber, die eine Atemwegserkrankung bei Rindern entwickelten, früher zu identifizieren. Zahlenmäßig erreichte das System eine Genauigkeit von 88 % bei der Kennzeichnung kranker und gesunder Kälber. Siebzig Prozent der erkrankten Kälber wurden vier Tage vor der Diagnose vorhergesagt, und bei 80 Prozent der Kälber, bei denen ein chronischer Krankheitsfall auftrat, wurde dies innerhalb der ersten fünf Krankheitstage festgestellt.

„Wir waren wirklich überrascht, als wir herausfanden, dass der Zusammenhang mit den Verhaltensänderungen bei diesen Tieren ganz anders war als bei Tieren, denen es mit einer Behandlung besser ging“, sagte sie. „Und das hatte sich noch nie jemand angesehen. Wir kamen auf die Idee, dass, wenn sich diese Tiere tatsächlich anders verhalten, wahrscheinlich eine Chance besteht, dass IoT-Technologien, die mit Inferenztechniken des maschinellen Lernens ausgestattet sind, sie tatsächlich früher identifizieren könnten, bevor es irgendjemand mit nackten Tieren kann.“ Auge. Das bietet Produzenten Optionen.“