Präzision führt zu einer frühzeitigen Diagnose

Tränkeautomaten erfassen das Fütterungsverhalten der Kälber wie die Anzahl der Besuche und die verbrauchte Milch in Litern.

„Internet der Dinge“-Geräte wie Futterautomaten können dabei helfen, Verhaltensänderungen zu erkennen, bevor äußere klinische Anzeichen einer Krankheit auftreten.

Die Überwachung von Milchkälbern mit Präzisionstechnologien auf Basis des „Internets der Dinge“ führt laut Ergebnissen einer neuen Studie zu einer früheren Diagnose von Atemwegserkrankungen bei Rindern. Die neuen Technologien werden immer erschwinglicher. „Das bietet Landwirten die Möglichkeit, Tiergesundheitsprobleme früh genug zu erkennen, um einzugreifen und so Kälber und die damit verbundene Investition zu retten“, sagte Melissa Cantor, Assistenzprofessorin für Präzisionsmilchwissenschaft an der Pennsylvania State University.

Unter dem Internet der Dinge versteht man eingebettete Geräte, die über Sensoren, Verarbeitungs- und Kommunikationsfähigkeiten, Software und andere Technologien verfügen, um über das Internet Daten mit anderen Geräten zu verbinden und auszutauschen. In der Studie der Pennsylvania State University wurden Internet-of-Things-Technologien wie tragbare Sensoren und automatische Futterautomaten eingesetzt, um den Zustand von Kälbern zu überwachen und zu analysieren.

Solche Geräte erzeugen riesige Datenmengen, indem sie das Verhalten von Tieren überwachen. Um die Daten leichter interpretierbar zu machen und Hinweise auf Probleme mit der Kälbergesundheit zu geben, haben die Forscher maschinelles Lernen eingesetzt. Dabei handelt es sich um einen Zweig der künstlichen Intelligenz, der verborgene Muster in Daten lernt, um anhand von Eingaben von Geräten des Internets der Dinge zwischen kranken und gesunden Kälbern zu unterscheiden.

„Wir befestigen Beinbänder an den Waden, die Aktivitätsverhaltensdaten wie die Anzahl der Schritte und die Liegezeit aufzeichnen“, sagte Cantor. „Und wir verwendeten Futterautomaten, die Milch und Getreide ausgeben und das Fütterungsverhalten aufzeichnen, etwa die Anzahl der Besuche und die verbrauchten Liter Milch. Informationen aus diesen Quellen deuteten darauf hin, dass der Zustand eines Kalbes kurz davor stand, sich zu verschlechtern.“

Die Diagnose einer Atemwegserkrankung bei Rindern erfordere intensive und spezialisierte Arbeitskräfte, die schwer zu finden seien, sagte sie.

„Präzisionstechnologien, die auf Geräten des Internets der Dinge wie automatischen Futterspendern, Waagen und Beschleunigungsmessern basieren, können dabei helfen, Verhaltensänderungen zu erkennen, bevor sich äußere klinische Anzeichen der Krankheit manifestieren“, sagte sie.

Sie und ihre Kollegen von der Pennsylvania State University sammelten mithilfe präziser Nutztiertechnologien Daten von 159 Milchkälbern. Forscher der University of Kentucky führten tägliche körperliche Gesundheitsuntersuchungen der Kälber durch. Die Forscher zeichneten sowohl die Ergebnisse der automatischen Datenerfassung als auch die Ergebnisse der manuellen Datenerfassung auf und verglichen die beiden.

Die Forscher berichteten, dass der Ansatz in der Lage sei, Kälber, die eine Atemwegserkrankung bei Rindern entwickelten, schneller zu identifizieren. Zahlenmäßig erreichte das System eine Genauigkeit von 88 Prozent bei der Kennzeichnung kranker und gesunder Kälber. Siebzig Prozent der kranken Kälber wurden vier Tage vor der Diagnose vorhergesagt. Bei 80 Prozent der Kälber wurde innerhalb der ersten fünf Krankheitstage ein chronischer Krankheitsfall festgestellt.

„Wir waren wirklich überrascht, als wir herausfanden, dass der Zusammenhang mit den Verhaltensänderungen bei diesen Tieren ganz anders war als bei Tieren, denen es mit einer Behandlung besser ging“, sagte sie. „Wir haben das Konzept entwickelt, dass, wenn sich diese Tiere tatsächlich anders verhalten, wahrscheinlich eine Chance besteht, dass Internet-of-Things-Technologien, die mit Inferenztechniken des maschinellen Lernens ausgestattet sind, sie tatsächlich früher identifizieren könnten, bevor es irgendjemand mit bloßem Auge kann. Das bietet Produzenten Optionen.“

Enrico Casella vom Department of Animal and Dairy Science der University of Wisconsin war einer der Forscher, die an der Studie beteiligt waren. Weitere Informationen finden Sie unter animalscience.psu.edu – suchen Sie nach „Melissa Cantor“.

Melissa Cantor

Jeff Mulhollem ist Wissenschaftsjournalist an der Pennsylvania State University.

Tägliche Ag-Nachrichten und Marktinformationen aus dem gesamten Mittleren Westen.

Die Teilnehmerliste für die „Grundlagen der Weideplanung“ der Grassland 2.0 Academy war in nur drei Tagen besetzt. Die Warteliste für den Sommer 2024 wächst, da …

Kühe, die von Natur aus weniger Methan ausstoßen als Kühe im Durchschnitt, wurden kürzlich von Forschern der University of Pennsylvania-School of… identifiziert.

Kürzlich wurde ein Raum im Agrarwissenschaftsgebäude der University of Wisconsin-River Falls mit einem neuen Pasteur ausgestattet. Es wird dienen …