Новости компаний

Система SMARTBOW – прогностическая ценность по здоровью каждой коровы

Высокоточный мониторинг молочного скота — развивающееся направление сельского хозяйства, задача которого заключается в обеспечении непрерывного отслеживания состояния здоровья коров дойного стада с целью оптимизации и улучшения рабочих процессов в хозяйстве. SMARTBOW — интеллектуальная система, включающая активные ушные бирки с трехосным акселерометром и радиочипом, приёмники, сервер и другие компоненты. Например, характеристика активной ушной бирки включает в себя: размер 52 х 36 х 17 мм и массу – 34 г для определения местоположения коров в реальном времени.

Данные, поступающие от коров, обрабатываются в режиме реального времени и используются для определения местоположения каждого животного, выявления у них половой охоты и мониторинга здоровья по резкому или постепенному снижению руминации [1].

Для оценки эффективности трех модулей системы SMARTBOW были проведены научные исследования. При сравнении данных по местоположению контрольных точек среднее отклонение данных системы SMARTBOW от результатов измерения с помощью лазерного дальномера составило – 1,22-1,80 м. Эти данные подтверждают высокую точность определение локализации отдельных коров, что упрощает поиск и выявление животных в коровнике.

Принцип мониторинга состояния здоровья поголовья при использовании системы SMARTBOW заключается в отслеживании изменений в руминации, поэтому эффективность этой функции зависит от точности её измерения. Были проведены два научных исследования со сравнительной оценкой данных визуального наблюдения и данных системы SMARTBOW: коэффициент корреляции (r), рассчитанный по их результатам, составил – 0,97 и 0,99. Эти данные подтверждают высокую надежность измерения жевательной активности в разных условиях содержания и у разных пород молочных коров.

Далее представлены некоторые примеры высокоточных технологий мониторинга состояния молочного стада:

• Мониторинг поведения (например, подсчет шагов, измерение времени лежания и активности, контроль руминации, кормовое поведение и т. д.);
• Анализ визуальных характеристик (например, оценка физического состояния коров, появление хромоты и т. д.);
• Анализ качества молока (например, общий надой молока, содержание жиров, белков, лактозы, подсчет соматических клеток, электропроводность и т. д.);
• Определение местоположения в режиме реального времени (например, локализация, передвижение между различными зонами и время, проведенное в каждой зоне);
• Контроль температуры (например, температура в рубце, кожных покровов, во влагалище и т.д.).

Ушная бирка ежесекундно собирает данные и с установленной периодичностью отправляет их на приемники, которые в свою очередь передают данные для интерпретации на сервер. Данные от ушной бирки поступают на приемники каждые 4 секунды, если корова активна, и каждые 16 секунд, если она не активна. В данной конфигурации срок службы батарейки, установленной в ушной бирке, составляет два года. Батарейки легко заменяются, что увеличивает срок службы ушной бирки. В отличие от других систем датчиков система SMARTBOW позволяет вести мониторинг активности, руминации и местоположения животных в режиме реального времени, а сама бирка является многоразовой.

Полученные данные обрабатывает запатентованная система Animal Pattern Recognition IntelLigence (APRIL) – искусственный интеллект, который использует разработанные алгоритмы прогнозирования состояния здоровья животных с учетом особенностей конкретной коровы, группы или стада. Для этого APRIL использует специфические для животных динамические алгоритмы для обучения, которые непрерывно адаптирует по индивидуальным параметрам каждого животного. В течение 5 дней после биркования коров и активации бирок, их назначения в программе по коровам, то есть идентификации, система SMARTBOW начинает самообучение по каждому животному отдельно и по стаду в целом. Затем, с 6-го дня работы система передаёт релевантные предупреждения о начале эструса или о снижении руминации.

Для объективной оценки состояния здоровья коров нужно использовать измеряемые физиологические и поведенческие показатели, а общую продуктивность стада можно измерить с помощью доильной установки. Полученную информацию используют для повышения качества прогнозирования определенных событий, уровня воспроизводства, эффективности лечения, а также для профилактики заболеваемости. Наиболее известные и широко используемые технологии мониторинга состояния молочного стада основаны на принципе регистрации надоев молока, определения его компонентов и оценке поведения коров, связанного с половой охотой [2].

Низкотехнологичные методы измерения указанных показателей применяют уже много лет, но у сверхточного мониторинга есть ряд несомненных преимуществ. Появление этих технологий позволило повысить частоту отбора проб, разработать объективные и стандартизированные методы регистрации показателей, а также интегрировать в процесс алгоритмы для отслеживания показателей в динамике. Установка таких систем сопряжена с большими затратами, поэтому, прежде чем вкладывать средства в эти технологии, производителю молочной продукции следует соотнести объем инвестиций с потенциальной пользой для производства и оценить совокупные затраты на инвестиции [2].

Наибольшим спросом пользуются те технологии, с которыми производители уже связывают возможность получения дополнительной прибыли, выше уровня установившегося на практике, достигаемого за счет экономии на трудовых ресурсах. Кроме того, для успешного внедрения таких технологий в хозяйства, они должны быть просты в использовании, чтобы их легко смогли освоить как работники, так и консультанты, а также совместимы с технологией по содержанию коров на ферме и дополнены высоким уровнем обслуживания клиентов, то есть – надежны [2, 3]. Новые технологии сверхточного мониторинга молочного стада должны предусматривать возможность интеграции дополнительных данных, расширения функционала, потенциального повышения точности и достоверности измерений.
В сервере, установленном на ферме искусственный интеллект системы SMARTBOW, обрабатывает и анализирует большой объём поступающих данных. Благодаря их использованию система в техническом отношении становится эквивалентна разуму человека и на примере модели поведения каждого животного происходит обучение специфических динамических алгоритмов, которые выявляют отклонения в поведении, после превышения определенных пороговых значений система отправляет соответствующие предупреждения.

Таким образом, пользователь может оперативно получить доступ к актуальным данным о поголовье, а не использовать быстро устаревающие данные, поступающие от датчиков через определенные промежутки времени, как это происходит в других системах. Это имеет прогностическую ценность по здоровью коров и в большинстве случаев имеет решающее значение, так как сигналы о нарушении в руминации формируются на основании непрерывно поступающей информации для каждого животного – индивидуально. Специалисты хозяйств видят предупреждения о состоянии здоровья поголовья и начале половой охоты, которые поступают по SMS или на электронную почту.

Функция системы SMARTBOW для мониторинга состояния здоровья поголовья основана преимущественно на принципе отслеживания руминации, но при этом учитывает также динамику активности животных, то есть их трафик. Было проведено несколько исследований по выявлению первых изменений в поведении с целью определения физиологических изменений при разных заболеваниях до возникновения их клинических признаков. Согласно результатам этих исследований, при возникновении каких-либо заболеваний у молочных коров наблюдали отклонение от обычной модели жевательной активности [4-8]. Это подтверждает возможность использования мониторинга руминации в качестве эффективного инструмента выявления нарушений здоровья на ранней стадии.

Специфические движения ушей во время руминации можно определить по данным акселерации, регистрируемой датчиком в ушной бирке SMARTBOW. Специальные алгоритмы осуществляют поиск тенденций в поступающих данных об ускорении, регистрируют жевательную активность каждой коровы и выявляют отклонения в данных, в результате которых могут быть отправлены два разных предупреждения:

1) Резкое снижение руминации и отклонение в активности в течение последних 24 часов.
2) Колебания в течение последних нескольких дней, то есть постепенное снижение руминации.

Для оценки этой функции системы SMARTBOW были проведены два исследования: в Университете штата Кентукки (исследование 1) и в Ветеринарном университете Вены (исследование 2). В 2014 году в Университете штата Кентукки на базе молочного производства с беспривязным стойловым содержанием коров провели исследование для оценки функции системы SMARTBOW для мониторинга руминации [9]. В исследование были включены 48 лактирующих молочных коров голштинской породы из дойного стада с установленными ушными бирками SMARTBOW (24 первотелки, 24 коровы на 223,4 ± 117,8 дня лактации. В общей сложности в течение четырех часов подготовленные наблюдатели (всего 42) осуществляли мониторинг руминации. Руминацию определяли как отрыгивание пищевого кома с последующим ритмичным пережевыванием. Окончанием эпизода по руминации считали повторное проглатывание пищевого кома коровой [10].

Данные наблюдения сравнивали с продолжительностью руминации в минутах, зарегистрированной системой SMARTBOW за тот же период, при этом рассчитывали средние результаты по наблюдению и по системе для каждой коровы с поправкой на повторные измерения, затем выполняли анализ с использованием коэффициента корреляции Пирсона (r). Также рассчитали коэффициент корреляции соотношений в качестве интегрированного показателя корреляции высокой точности.
Данные системы SMARTBOW о продолжительности руминации в минутах в час сравнили с данными визуального наблюдения за аналогичные периоды времени. По результатам сравнения отмечена выраженная корреляция между данными визуального наблюдения и данными системы SMARTBOW при r = 0,97 (p < 0,01; CCC = 0,96).
В 2015 году в Ветеринарном университете в Вене было проведено исследование с целью разработки алгоритма для функции мониторинга руминации системы SMARTBOW и оценки его точности [11]. Для формирования фокус-группы из всего поголовья коров, которых содержали в условиях беспривязной стойловой системы, отобрали десять здоровых дойных коров 2-й лактации симментальской породы на 73 ± 27 день лактации. Животных содержали в отдельном загоне в коровнике, оснащенном 15 индивидуальными автоматическими кормушками, которые наполняли два раза в сутки. Всем животным установили ушные бирки SMARTBOW с частотой записи данных 10 Гц (10 элементов данных в секунду), что отличается от представленных в продаже ушных бирок с частотой записи данных 1 Гц (1 элемент данных в секунду). Исследование включало в себя два раздела, в рамках которых животные получали две разных полнорационных кормосмеси с различным содержанием грубых кормов. Поведение коров регистрировали пять камер, установленных по периметру загона, а для выявления различий полученные данные, по непосредственному наблюдению за коровами в течение 40 часов, сопоставили с видеорядом, записанным в течение того же времени.

Два подготовленных наблюдателя сравнивали поведение коров по видеозаписям и непосредственно в коровнике. Начало руминации определяли как время попадания пищевого кома в ротовую полость после отрыгивания. В качестве окончания времени руминации регистрировали повторное проглатывание пищевого кома коровой [10].

На первом этапе этого двухэтапного исследования использовали контрольные данные для доработки алгоритма определения руминации, принцип которого основан на обработке данных акселерации, полученных в ходе наблюдения за коровами в течение 50 часов. Через два месяца после проведения первого исследования состоялся второй этап оценки эффективности алгоритма, который предусматривал сравнение записей, сделанных в течение 50 часов, и данных, полученных с помощью системы SMARTBOW. Данные о продолжительности руминации за каждый час наблюдения объединили и проанализировали с использованием коэффициентов корреляции Спирмена и t-критерия Стъюдента для парных выборок.

Для всех типов регистрируемых событий отмечен высокий уровень соответствия данных непосредственного наблюдения и анализа видеоряда (r = 0,99, p < 0,001). На основании полученных результатов в качестве «золотого стандарта» (GS), в рамках данного исследования, приняли классификацию поведенческих реакций на основании видеонаблюдения. По результатам сравнения видеонаблюдения и данных, полученных с помощью функции системы SMARTBOW для определения руминации, коэффициент корреляции для продолжительности руминации в минутах в час на первом и втором этапах исследования составил r > 0,99 (p < 0,01). Система SMARTBOW занижала время руминации на 16 ± 77 с в час, что составляет 1,1 % от средней продолжительности руминации в течение этого периода (1508 ± 1097 с).
Функция системы SMARTBOW для мониторинга руминации основана преимущественно на определении отклонения в активности руминации относительно остальных дней в одно и то же время суток. Таким образом, главным условием эффективности функции мониторинга руминации является его точность. Результаты процитированных исследований подтверждают надежность данных по определению этого вида поведения в различных условиях содержания и организации производства. При возникновении нарушений здоровья у дойных коров наблюдали отклонения от привычной динамики руминации [4-8].

Колебания руминационной активности в пределах 10% от зарегистрированных значений в предшествующие дни соответствуют нормативным показателям, однако превышение этого диапазона указывает на развитие патологии. Коэффициент корреляции (r) 0,97–0,99 означает, что система SMARTBOW способна определять даже незначительные изменения руминации и на основании этого выявлять коров с риском возникновения заболеваний.

Руминационная активность зависит от множества факторов, в том числе рациона, теплового стресса, скученности и т.д. [12]. По этой причине абсолютную продолжительность руминации и отклонения следует тщательно анализировать, поскольку они не всегда связаны только с нарушениями здоровья. Ни в одном из проведённых исследований заболеваний по результатам мониторинга руминации с использованием системы SMARTBOW у коров выявлено не было, однако данные исследований показали, что ушная бирка SMARTBOW способна точно определять продолжительность руминации у коров – индивидуально.

Это позволяет использовать мониторинг руминации в качестве эффективного инструмента выявления нарушений здоровья у коров в начальную стадию их развития. Доказано, что система SMARTBOW показала высокую прогностическую ценность предупреждений по здоровью каждой коровы.
 
Список литературы
1.            Wathes CM, Kristensen HH, Aerts JM, Berckmans D. Is precision livestock farming an engineer’s daydream or nightmare, an animal’s friend or foe, and a farmer’s panacea or pitfall? Computers and Electronics in Agriculture 2008;64(1):2-10.
2.            Borchers MR, Bewley JM. An assessment of producer precision dairy farming technology use, prepurchase considerations, and usefulness. Journal of Dairy Science 2015;98(6):4198-4205.
3.            Russell RA, Bewley JM. Characterization of Kentucky dairy producer decision-making behavior. Journal of Dairy Science 2013;96(7):4751-4758.
4.            Rutten CJ, Velthuis AGJ, Steeneveld W, Hogeveen H. Invited review: Sensors to support health management on dairy farms. Journal of Dairy Science 2013;96(4):1928-1952. https://doi.org/10.3168/jds.2012-6107.
5.            Stangaferro ML, Wijma R, Caixeta LS, Al-Abri MA, Giordano JO. Use of rumination and activity monitoring for the identification of dairy cows with health disorders: Part I. Metabolic and digestive disorders. Journal of Dairy Science 2016a;99(9):7395-7410. https://doi.org/10.3168/jds.2016-10907.
6.            Stangaferro ML, Wijma R, Caixeta LS, Al-Abri MA, Giordano JO. Use of rumination and activity monitoring for the identification of dairy cows with health disorders: Part II. Mastitis. Journal of Dairy Science 2016b;99(9):7411-7421. https://doi.org/10.3168/jds.2016-10908.
7.            Stangaferro ML, Wijma R, Caixeta LS, Al-Abri MA, Giordano JO. Use of rumination and activity monitoring for the identification of dairy cows with health disorders: Part III. Metritis. Journal of Dairy Science 2016c;99(9):7422-7433. https://doi.org/10.3168/jds.2016-11352.
8.            Paudyal S, Maunsell FP, Richeson JT, Risco CA, Donovan DA, Pinedo PJ. Rumination time and monitoring of health disorders during early lactation. Animal 2018;12(7):1484-1492. https://doi.org/10.1017/S1751731117002932.
9.            Borchers MR, Chang YM, Tsai IC, Wadsworth BA, Bewley JM. A validation of technologies monitoring dairy cow feeding, ruminating, and lying behaviors. Journal of Dairy Science 2016;99(9):7458-7466. https://doi.org/10.3168/jds.2015-10843.
10.          Schirmann K, von Keyserlingk MA, Weary DM, Veira DM, Heuwieser W. Technical note: Validation of a system for monitoring rumination in dairy cows. Journal of Dairy Science 2009;92(12):6052-6055.
11.          Reiter S, Sattlecker G, Lidauer L, Kickinger F, Öhlschuster M, Auer W, Schweinzer V, Klein-Jöbstl D, Drillich M, Iwersen M. Evaluation of an ear-tag-based accelerometer for monitoring rumination in dairy cows. Journal of Dairy Science 2018;101(4):3398-3411. https://doi.org/10.3168/jds.2017-12686.
12.          Lindgren E. Validation of rumination measurement equipment and the role of rumination in dairy cow time budgets. 2009. Master’s thesis Swedish University of Agricultural Sciences, Department of Animal Nutrition and Management, Uppsala.

Подробнее о системе СМАРТБОУ в России