Исследования развивают точное молочное животноводство с помощью инструментов на базе ИИ
Исследователи из Texas A&M AgriLife помогают производителям использовать развивающиеся технологии, такие как сенсоры и робототехника, для оптимизации производства и улучшения здоровья и благополучия молочного скота.
Доцент кафедры молочного животноводства Сушил Паудел (Sushil Paudyal, Ph.D.) возглавляет исследования по применению искусственного интеллекта (ИИ) и машинного обучения для сбора расширенных данных на фермах в реальном времени. Эти системы помогают в раннем обнаружении болезней, принятии обоснованных решений и рентабельном внедрении робототехники.
"Сенсорные системы, ИИ и аналитика в реальном времени меняют то, как молочные фермы принимают повседневные решения. Но чтобы быть эффективными, эти технологии должны быть адаптируемыми, обновляемыми и настроенными под индивидуальные потребности фермы", — говорит Паудел.
Создание будущего, основанного на данных
Лаборатория Паудела сосредоточена на практических технологических исследованиях, помогающих производителям справляться с растущим тепловым стрессом и меняющейся динамикой труда. Технологические модели могут:
- Раннее выявлять болезни.
- Улучшать управление коровами.
- Повышать эффективность на молочных фермах.
Уже успешно внедрены модели для обнаружения хромоты, мастита и теплового стресса у отдельных коров с использованием алгоритмов аналитики, обученных на изображениях с камер и поведенческих сигналах.
"Сейчас мы разрабатываем модели эффективности фермы на основе машинного обучения для роботизированных систем доения, чтобы определить время простоя и сбои в доении", — отмечает исследователь.
На недавней конференции по точному животноводству в США команда представила ключевые исследования:
- Оценка влияния теплового стресса на эффективность роботизированных систем доения: Модели машинного обучения и компьютерного зрения показали, что управление тепловым стрессом критически важно, так как он значительно влияет на поток коров, использование робота, надой, потребление корма и производительность доения. Стратегии смягчения (улучшенное охлаждение, вентиляция, корректировка протоколов кормления) необходимы для поддержания продуктивности и благополучия животных.
- Количественная оценка теплового стресса и мастита с помощью ИИ: Автоматизированная система на основе видеомониторинга использует ИИ для оценки теплового стресса и мастита по поведенческим сигналам, обеспечивая мониторинг в реальном времени.
- Использование компьютерного зрения для обнаружения различных состояний цифрового дерматита: Компьютерное зрение позволяет проводить раннее, точное и неинвазивное обнаружение цифрового дерматита, улучшая мониторинг здоровья и снижая зависимость от субъективной визуальной оценки.
Инновации для реального применения
Одна из целей — создание неинвазивных, рентабельных диагностических инструментов, работающих в различных производственных системах. Например, используются камерные системы вместо физических датчиков для мониторинга больших групп коров, что снижает первоначальные затраты.
"Мы разрабатываем в нашей лаборатории сенсоры, которые могут помочь обнаруживать болезни без сбора инвазивных образцов крови или молока. Они будут отслеживать поведение и физиологические переменные, чтобы определять больных коров", — объясняет Паудел.
Команда в настоящее время разрабатывает виртуального помощника "DairyBot" — инструмент на основе генеративного ИИ, который позволит производителям:
- Оценивать данные фермы и лабораторные результаты.
- Задавать вопросы о решениях по кормлению.
- Интерпретировать данные стада в реальном времени с помощью ИИ.
"У них будет советник в реальном времени с обширными знаниями, который сможет использовать данные их фермы и специализированную литературу. Он не заменит ветеринара или диетолога, но даст им возможность принимать обоснованные решения", — говорит Паудел.
Предварительные результаты будут представлены на конференции Американского общества молочной науки в Луисвилле, штат Кентукки, 22–25 июня. Рабочий прототип DairyBot ожидается в течение шести месяцев.
Технологии, соответствующие масштабу
Хотя технологии и принятие решений в реальном времени — это будущее молочного животноводства, Паудел подчеркивает важность гибких решений, соответствующих масштабу фермы. Камерные системы, которые контролируют большие группы коров, могут снизить первоначальные затраты и увеличить внедрение, помогая сократить цифровой разрыв.
"Я всегда хочу разрабатывать решения реальных проблем, которые помогают молочным фермерам. Как университет с миссией поддержки фермеров Техаса, важно разрабатывать исследовательские проекты, которые дают практические, немедленно применимые решения", — заключает исследователь.