Sensorbaserad management av mastit i automatiska mjölkningssystem

Mastit är den vanligaste produktionssjukdomen som drabbar mjölkkor. Mastit leder till försämrad välfärd och medför stora ekonomiska förluster. Sensorer i automatiska mjölkningssystem (AMS) mäter kontinuerligt kornas beteenden, sjukdomssymptom och mjölkens sammansättning, vilket kan användas till att identifiera juversjukdom. Forskning pågår kring hur all denna information ska kombineras på bästa sätt för att identifiera mastit, men än så länge finns inte forskning kring vilka beslut som ska tas baserat på den information som kommer från sensorerna. Det optimala beslutet beror på faktorer såsom kons ålder, bakteriologi, tidigare mastitfall, sjukdomsgrad, kostnaderna för insatserna. Beslutsfattandet är därmed komplicerat, eftersom så många faktorer är involverade,
och mer avancerade metoder behövs än vad som hittills används. Målet med projektet är att utveckla ett smart beslutstöd som kan förutspå sannolikhet för avläkning, risk för smittspridning och risk för återvall av mastit för en enskild ko. Detta kommer att göras genom att kombinera högteknologiskt matematiska/statistiska metoder med tillgång till stora mängder online data.