Koll på juverhälsan med robotdata

Traditionellt undersöker den som mjölkar kor hur mjölken ser ut innan spenkopparna sätts på. Det handlar då om att leta efter flockor, färgförändringar eller andra avvikelser, för att hitta sjuka kor och förhindra att dålig mjölk hamnar i tanken. I automatiska mjölkningssystem med robotar används i stället olika sensorer.

Dorota Anglart har i sitt doktorsarbete undersökt möjligheten att få fram mer information från de kombinationer av mätvärden som samlas in dagligen i automatiska mjölkningssystem.

Mätvärden från sensorerna användes som indata i maskininlärningsmodeller som  tränades för att kunna ge en uppskattning av mjölkens celltal och förekomst av flockor – två väletablerade och viktiga indikatorer på juverhälsa och mjölkkvalitet.

– Det är inte första gången som data från sensorer kombineras för att försöka hitta sjuka kor eller identifiera mjölk av dålig kvalitet, säger Dorota Anglart. Däremot finns det väldigt få modeller som kan skatta celltalet, och inga modeller som kan upptäcka förekomsten av flockor. Dessutom vet man väldigt lite om flockor på juverfjärdedelsnivå hos kor som mjölkas automatiskt.

Mjölkens celltal (dvs. mängden vita blodkroppar) mäts regelbundet för att övervaka mjölkkvalitet och juverhälsa, men det kräver manuellt arbete och kan vara kostsamt. De modeller som Dorota Anglart och hennes kollegor nu har tagit fram visade sig kunna skatta mjölkens celltal med liten felmarginal och den blev ännu mindre om celltalet från kons tidigare mjölkningar var kända. Det visade sig också att skattningen inte blev bättre genom att använda data från mer än 3 dagar, vilket betyder att kon inte behöver vara särskilt länge i besättningen förrän det går att göra en skattning.

– Med modeller som utnyttjar dagliga data från mjölkningsroboten skulle det kunna vara möjligt att få mått på celltal så ofta som användaren själv önskar, utan provtagning, säger Dorota Anglart. Skattade värden på celltal skulle även kunna användas som indata till modeller för att hitta sjuka kor, då möjligheten att hitta juverinflammationer förbättras om celltalet ingår i sådana modeller.

I avhandlingen ingår även en helt unik undersökning av förekomsten av flockor på juverfjärdedelsnivå hos kor i automatiska system. Det visade sig bland annat att sannolikheten för att en ko ska ha flockor i mjölken ökade med ökat mjölkningsintervall, och även att risken för förekomst av flockor ökade om kon hade haft mycket flockor i samma juverdel vid en tidigare mjölkning. Forskarnas modeller kunde med hög säkerhet peka ut kor vars mjölk inte innehöll flockor, men det var svårare att peka ut de kor som hade flockor i mjölken, och då framförallt de som hade en mindre förekomst av flockor.

– I framtiden hoppas vi kunna skapa appar där användaren lätt kan få en uppfattning om celltalsnivå hos enskilda kor, och förhoppningsvis även i kombination med risken för förekomst av flockor i mjölken, avslutar Dorota Anglart.

---------------------------

Husdjursagronom Dorota Anglart försvarade sin doktorsavhandling Indicators of mastitis and milk quality in dairy cows: data, modeling, and prediction in automatic milking systems den 5 februari 2021 vid SLU i Uppsala. Opponent var professor Mirjam Nielen, Utrecht University, Nederländerna.

Doktorsarbetet har genomförts i ett samarbete mellan SLU och DeLaval International och har även finansierats av Stiftelsen för strategisk forskning (SSF).

Mer information

Dorota Anglart
Institutionen för kliniska vetenskaper
Sveriges lantbruksuniversitet
Dorota.Anglart@delaval.com

Länk till avhandlingen (pdf)
https://pub.epsilon.slu.se/21244/

Pressbild

(Får publiceras fritt i anslutning till artiklar om detta pressmeddelande. Klicka för högupplöst foto. Fotograf ska anges.)

Automatisk mjölkning vid Lövsta lantbruksforskning, SLU:s anläggning för forskning och utbildning om lantbrukets djur. Foto: Mark Harris