Forskare beräknar vad kor som hamnat i ”radioskugga” har för sig
Forskaren Keni Ren och hennes kollegor har identifierat en bra metod för att fylla i (interpolera) data som saknas, i system för övervakning av mjölkkor i ladugården. Denna kunskap är viktig för att förbättra kvaliteten i dessa system, som moderna gårdar och forskare använder för att studera kornas aktiviteter.
Kor som får gå fritt i ladugården, tillbringar dagarna med att vila, gå omkring, stå stilla, äta och besöka mjölkningsroboten. Kornas individuella beteendemönster och sociala aktiviteter har betydelse för välbefinnandet. Om man har koll på hur korna rör sig och vad de gör kan man till exempel undvika utbrott av sjukdomar i djurbesättningen.
Realtidssystem för övervakning av djur, till exempel ultrabredbandsteknik (UWB), används mer och mer, men metoderna har fortfarande en del brister. Ofta uppstår korta och långa tidluckor, då det saknas data för vissa djur. Det kan bero på inredningen i ladugården, kalibreringsproblem eller kommunikationsfel mellan de små sändarna som korna har runt halsen och utrustningen som tar emot signalerna i lokaliseringssystemet.
Inom statistiken finns ett antal interpoleringsmetoder som används för att förbättra kvaliteten i arbetet när man studerar stora mängder data. Interpolering betyder att man förutsäger och fyller i okända data som saknas. Keni Ren och hennes kollegor bestämde sig för att ta reda på vilken metod som är den bästa att använda när man studerar frigående mjölkkors liv inomhus.
– Vi undersökte fyra olika typer av metoder. Alla fyra är välkända interpoleringsmetoder, men vi visste inte hur mycket de skiljer sig åt eller vilken som skulle vara att föredra, säger Keni Ren.
Genom att övervaka mjölkkor lär sig forskare och lantbrukare mer om hur djuren beter sig och interagerar. De kan använda kunskapen för att förbättra djurhållningen, med avseende på djurens välbefinnande och hälsa.
Den modifierade Akima-metoden var bäst
Under sex dagar observerade forskarna 69 kor. Data från de 20 av dem som gav mest pålitliga data användes för att simulera saknade positionsdata. Därmed kunde interpolerade data jämföras med riktiga data för de fyra olika interpoleringsmetoderna (1) senast obseverade position, 2) linjär interpolering, 3) kubisk spline-interpolering och 4) modifierad Akima-interpolering).
– Den modifierade Akima-interpolationsmetoden visade minst fel för alla de aktiviteter vi undersökte; gå, äta, vila och stå. Metoden hade med andra ord den högsta noggrannheten för att förutse positionerna oavsett vilken aktivitet kon hade, säger Keni Ren.
Frigående mjölkkor går omkring, de stannar, vänder sig om och går åt ett annat håll. Ibland går de lite längre sträckor i ladugården, men de ägnar mycket tid åt att bara vila. I utfodringsområdet rör sig korna ofta fram och tillbaka inom ett begränsat område. Algoritmen i den modifierade Akima-interpoleringsmetoden är utformad för att undvika överdrifter i kornas rörelser utan att uppskattningen blir för tillplattad, och tycks därför passa kornas olika typer av rörelser.
– Fördelen med att använda Akima-metoden är störst när det gäller att fylla i luckorna med saknade data som uppstår när djuret går. Jag blev förvånad över hur felavståndet stabiliserades efter bara en minut av saknade data, med den här metoden.
Forskare nämner ofta problemen med saknade data, när de publicerar sina studier om djurens beteende.
– De olika interpoleringsmetoderna används ofta, men jag har inte sett någon verifiera vilken metod som är den bästa för att studera mjölkkornas sociala nätverk tidigare, säger Keni Ren.
Länkar:
Läs mer om studien i den vetenskapliga artikeln:
Ren, K., Alam, M., Nielsen, P. P., Gussmann, M. K., & Rönnegård, L. (2022) Interpolation methods to improve data quality of indoor positioning data for dairy cattle. Frontiers in Animal Science, 53.