Forskningens mål och mening
Rutinmässig insamling av data genom kokontroll- och seminverksamhet har funnits i Sverige i mer än 60 år, men i dagens moderna mjölkningsanläggningar registreras dessutom automatiskt ett stort antal uppgifter via sensorer och mätsystem. Därutöver bedrivs en ökad molekylär karaktärisering av djuren på olika biologiska nivåer. Det med hjälp av:
Sammantaget medför detta att det finns tillgång till stora mängder data (Big data), som ofta är både heterogena och komplext strukturerad. Målet med forskningen är att utnyttja all denna information optimalt vilket kräver grundläggande forskning om informationshantering och modellutveckling.
Tyngdpunkten för forskningen vid Beijerlaboratoriet är en kombination av matematik, statistik och datavetenskap (ex. beräkningsstatistik, maskininlärning och matematisk optimering). Stor del av forskningen är dock interdisciplinär och involverar såväl genetik, husdjursvetenskap, teknik som veterinärmedicinsk epidemiologi.
Beijerlaboratorierna i Uppsala
Beijerlaboratoriet för husdjursforskning (the Beijer Laboratory for Animal Science, BLAS), är en del av Beijerlaboratorierna i Uppsala och finansieras med bidrag från Kjell och Märta Beijers Stiftelse (Beijerstiftelsen).
Forskare och projekt vid Beijerlaboratoriet för husdjursforskning
Aktuell forskning
Elin Hernlund: Kosignaler - tolkning och digitala hjälpmedel
Kroppshållning, rörelser och ansiktsuttryck är viktiga signaler om hur en ko mår. Men hur specifika är de? Vilka sjukdomar kan vi utläsa? Kan vi se om kon är glad eller missnöjd?
I dagens moderna produktionssystem samlas mängder av automatiska data om kornas produktionsförmåga och hälsa men trots detta upptäcks ibland sjukdomar alltför sent. Bondens ”djuröga”, som kan upptäcka sjukdom med hjälp av information från kons kroppsspråk, riskerar att få mindre betydelse när vi går mot en ökad automatisering av besättningens skötsel och hälsoövervakning.
Därför arbetar jag inom Beijerlaboratoriet för husdjursforskning med att skapa digitala metoder som kan uppfatta djursignaler och tolka djurens rörelsemönster. Forskningen fokuserar på att i detalj beskriva rörelsemönstret vid hälta genom att mäta kons rörelser med hjälp av IMU-sensorer. IMU-sensorer mäter acceleration och rotation av olika kroppssegment på kon (se bild). Vi använder både biomekanisk signalanalys och maskininlärningsmetoder för att förstå precis hur rörelsemönstret förändras vid lindrig hälta. Det ger oss möjlighet att hjälpa individuella kor tidigt i sjukdomsprocessen och förstå om besättningens miljö eller skötsel behöver förändras för att förhindra att hälta uppstår.
Rörelsemönstret vi beskriver i detalj kan i nästa steg användas för att detektera hälta via övervakningskameror i ladugården med hjälp av så kallat datorseende. Den seende datorn behöver ingen utrustning på djuren, utan via AI-metoder identifieras anatomiska punkter på kons kropp och aktivitet och rörelsemönster kan registreras. Det gör tekniken billig och enkel att använda när den väl är utvecklad.
För att ta ett nytt stort steg AI-utveckling för djurhälsa arbetar vi också med ett pilotprojekt där vi bygger tredimensionella digitala modeller av djur. Modellerna lär sig olika varianter av kroppsform från 3D scanning av kor. Den kan då anpassa sig till varje individ i en besättning som den ser på en bild eller video och samla in information om djurets hälsostatus och kroppsspråk. Det skulle göra att en kamera i ladugården kan få ännu mer detaljerad information om djurens kroppsform, kroppshållning, rörelser och därmed hälsa.
Med den biologiskt kunniga AI-tekniken hoppas vi bidra till ett digitaliserat precisionslantbruk där djuren och deras välmående står i centrum.
IMU-sensorer är klistrade till olika kroppssegment för att registrera rörelse. Foto: Katrina Ask.
Mer om Elins forskning går att läsa nedan:
Martin Johnsson: Genomets dynamik och digital avel av mjölkkor
Modern husdjursavel tar in stora mängder data om djurs egenskaper och dna, som måste analyseras till en form som kan användas som grund för avelsbeslut. Vår forskning handlar om att hitta nya sätt att använda stora datamängder, både fenotypiska och genomiska, till mjölkkoavel.
Ett projekt använder statistiska metoder för att mäta effekten av temperaturstress hos svenska mjölkkor under de varma sommarmånaderna. Syftet är dels att bygga en avelsvärdering som kan användas för att förbättra toleransen mot värmestress, och dels att förstå sambandet mellan värmetålighet och förmågan att hantera andra stressorer.
I mitt arbete med genomik mäter och modellerar jag den genetiska variationen i genomet och beskriver hur genetisk variation påverkas av selektion. Jag använder simulering för att utvärdera nya metoder för att representera och analysera helgenomsekvensdata. Målet är dels att förstå konsekvenserna av modern genomisk avel och att i längden kunna använda sekvensdata till avelsvärdering.
Jag använder liknande metoder, och en kombination av simulering och teoretiska beräkningar, för att studera hur man kan hantera enskilda anlag med stora effekter, till exempel genetiska defekter som orsakar fertilitetsproblem.
Mer om Martins forskning finns att läsa HÄR.
