{"id":21162,"date":"2024-10-01T08:31:21","date_gmt":"2024-10-01T06:31:21","guid":{"rendered":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/?p=21162"},"modified":"2024-10-01T08:31:21","modified_gmt":"2024-10-01T06:31:21","slug":"algoritme-voorspelt-zieke-koe-en-storingen","status":"publish","type":"post","link":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/artikel\/20241001\/algoritme-voorspelt-zieke-koe-en-storingen\/","title":{"rendered":"Algoritme voorspelt zieke koe en storingen"},"content":{"rendered":"

Melkmachines en -robots verzamelen een grote hoeveelheid data. Met behulp van kunstmatige intelligentie adviseert een model over diergezondheid of over reparaties die aanstaande zijn. Dat is niet alleen voordelig voor veehouders, maar ook voor leveranciers en fabrikanten. <\/p><\/div>\n\n\n

Kunstmatige intelligentie of artificial intelligence (AI) heeft de laatste jaren een grote vlucht genomen. Dankzij de opwinding over programma\u2019s als Chat GPT lijkt het alsof er voorheen nog geen gebruik werd gemaakt van kunstmatige intelligentie. Dat is niet zo. Ook op melkveebedrijven wordt kunstmatige intelligentie al jaren in meer of mindere mate toegepast. Deze op statistiek gebaseerde beslisbomen of patroonherkenningen zijn hulpjes voor de veehouder. Je stelt een vraag aan de computer en aan de hand van de gevonden data geeft de computer bijvoorbeeld aan welke koeien een celgetal van 200.000 of hoger hebben. Wat kunstmatige intelligentie is of gewoon een uitgebreide vorm van statistiek, is niet altijd te zeggen: beide gebieden overlappen elkaar.<\/p>\n\n\n\n

Data, data en nog eens data<\/h2>\n\n\n\n

Op melkveebedrijven worden al decennia data verzameld. Denk aan de melkcontrole, activiteitenmetingen en de melkrobot. Vooral die laatste levert data waarmee tal van vraagstukken kunnen worden opgelost. Door verschillende parameters te combineren en verbanden te leggen, is soms proactief een koe te signaleren die mogelijk uierontsteking of ketose onder de leden heeft. Deze rekenregels of modellen heten algoritmes. Hoe meer data, hoe minder overzichtelijk het wordt en hoe lastiger het wordt om op basis daarvan de juiste conclusies te trekken. Een juist algoritme lost dat probleem op. En het mooie van computermodellen is dat je ze kunt \u2018trainen\u2019, waardoor ze steeds betrouwbaarder worden. Dit kan bijvoorbeeld door (reeds bekende) uitkomsten met bijbehorende data in het algoritme te stoppen.<\/p>\n\n\n\n

<\/div>
<\/div>

Fabrikanten zien kansen voor AI bij het doorzoeken van de handleidingen voor gebruikers of reparatiehandleidingen van monteurs.<\/p><\/div><\/div><\/section>\n\n\n\n

Kunstmatige intelligentie wordt in de melkstal en -robot het meeste toegepast om de diergezondheid in de gaten te houden. Daarnaast speelt zij een grote rol bij het in de gaten houden van de melkinstallatie (diagnose). Bijna alles is tegenwoordig verbonden met internet en ook voor deze toepassingen zal dat nodig zijn. Bij melkrobots is dat bijna altijd al het geval en ook bij moderne melkinstallaties zien we dat steeds vaker. Belangrijke voorwaarde is dan wel dat die is voorzien van melkmeting en koeherkenning. Voor toepassingen met kunstmatige intelligentie is veel rekenkracht nodig, en berekeningen en analyse van patronen gebeurt dan ook op afstand, in the cloud. De verzamelde data blijven eigendom van de veehouder en deze zal dan ook toestemming moeten geven voor het gebruik van deze data.<\/p>\n\n\n\n

<\/div>
<\/div>

Door metingen van de melkmachine of melkrobot te combineren met data van andere sensoren is AI in staat om nieuwe verbanden en patronen te herkennen.<\/p><\/div><\/div><\/section>\n\n\n\n

Koegezondheid<\/h2>\n\n\n\n

Koegezondheid is altijd een belangrijke reden geweest achter het verzamelen van zoveel mogelijk data. Niet alleen koegedrag maar ook melkgift, samenstelling, temperatuur, geleidbaarheid et cetera kunnen handvatten bieden bij het opsporen van zieke beesten. Dat is op zich niks nieuws. Daarnaast zal beeldverwerking in de toekomst een belangrijk middel worden om met behulp van camera\u2019s de gezondheid van koe en uier in de gaten te houden. Hoe ziet de koe eruit? Wat is haar gewicht, rekening houdend met bijvoorbeeld recente voeropname? En de uier? Zijn daaraan veranderingen te zien in de afgelopen paar dagen? Hoe meer gegevens je als veehouder hebt, hoe beter het overzicht van de koe. Zo werkt het ook met AI: hoe meer data je in een model stopt, hoe beter het in staat is om zieke dieren vroegtijdig te signaleren, vaak nog voor dat de veehouder het zelf opmerkt. Door met zogeheten deep learning-methoden bij zieke koeien (bijvoorbeeld \u00e9\u00e9n met mastitis) te laten kijken waar precies de afwijkingen, patronen en verbanden zitten, wordt het model elke keer een beetje slimmer. Daarbij is er wel een belangrijke rol voor de melkveehouder die vervolgens de uitkomsten valideert. Wanneer dit niet consequent gebeurt, duurt het langer voordat het model betrouwbaar is.<\/p>\n\n\n\n

<\/div>
<\/div>

Boumatic en ook DeLaval maken bij de speendetectie bij de melkrobots gebruik van kunstmatige intelligentie. Door alsmaar meer foto\u2019s van uiers en spenen in de modellen te zetten, wordt de speendetectie elke dag beter.<\/p><\/div><\/div><\/section>\n\n\n\n

Hoe werkt het in de praktijk als een algoritme in de veestapel een koe opspoort die op basis van data mogelijk mastitis onder de leden heeft? Omdat er altijd de mogelijkheid bestaat van een vals positieve melding, geeft het model dan bijvoorbeeld aan dat een koe met dit patroon in de data in het verleden 65 procent kans had op mastitis had of uierontsteking ontwikkelde. Met andere woorden: het ziekterisico voor deze koe is 65 procent.<\/p>\n\n\n\n

Verkeerde conclusies<\/h2>\n\n\n\n

Doordat het om levende dieren gaat, blijft controle nodig \u2013 er komen altijd fout positieve en fout negatieve meldingen voor. Maar hoe betrouwbaarder de modellen worden, hoe hoger de sensitiviteit (de kans dat het bij een positieve melding daadwerkelijk om een koe gaat die mastitis heeft of ontwikkelt) en specificiteit: de kans dat klopt dat een koe niet op de attentielijst staat en ook geen mastitis heeft of ontwikkelt.<\/p>\n\n\n\n

Daarnaast moeten ontwikkelaars in sommige situaties de modellen aanpassen omdat bijvoorbeeld door de lichtval in de zomer \u2013 of gewoon simpelweg het koeienras \u2013 het AI-model de verkeerde conclusies trekt. Een fout met een levend dier is natuurlijk schadelijker dan wanneer een AI-model op social media jou een verkeerde advertentie voorschotelt.<\/p>\n\n\n\n

Een ander mooi voorbeeld waar kunstmatige intelligentie goed van pas komt, is het herkennen van bimodaliteit bij koeien. In eerste instantie lijkt de koe de melk goed te laten schieten maar na een tijdje valt de melkgift drastisch terug om even later weer te stijgen. Door dit patroon (van eerdere melkingen) te herkennen en automatisch de voorbehandeltijd aan te passen is de tijd dat de koe de robot bezet houdt te verkorten. En in de melkstal zou deze mededeling bijvoorbeeld door middel van het informatiedisplay bij elke melkstand in combinatie met koeherkenning kunnen aangeven dat deze koe extra voorbehandeling nodig heeft. Dit is niet alleen beter voor de koe, maar voorkomt ook vereelting van de spenen.<\/p>\n\n\n\n

Diagnose melkinstallatie<\/h2>\n\n\n\n

Een richting waar fabrikanten van melkinstallaties en melkrobots naartoe willen, is het voorspellen van noodzakelijk onderhoud en reparaties. Want een melkrobot gaat altijd stuk als het slecht uitkomt: in het weekend of \u2018s avonds. Door krapte op de arbeidsmarkt wordt het steeds lastiger om snel een monteur langs te sturen. De achterstand die veehouders daardoor oplopen, is vaak pas na een paar dagen weer ingelopen. Daarom is het belang van sensoren enorm toegenomen. Die monitoren de status van de machine en zo kan preventief een reparatie worden uitgevoerd, zonder dat er veel zoekwerk nodig is naar de oorzaak van de storing.<\/p>\n\n\n\n

Standtijd<\/h2>\n\n\n\n

Het juiste diagnosemodel kan bijvoorbeeld al in een vroeg stadium zien dat onderdeel X de laatste weken meer stroom verbruikt en binnenkort mogelijk de geest geeft. Aan de hand van ervaringen bij andere veehouders met soortgelijke data kan dan worden vastgesteld of er sprake is van een acuut probleem dat snel verholpen moet worden. Of dat het nog kan wachten tot de volgende servicebeurt over twee weken. In elk geval kan het onderdeel alvast voor de veehouder worden gereserveerd.<\/p>\n\n\n\n

Ook door een betere inschatting van de standtijd van een onderdeel \u2013 hoe lang het onderdeel gemiddeld meegaat \u2013 kan het serviceniveau van dealers en fabrikanten verder verbeteren. Maar het kan ook een reden zijn om de servicebeurt naar voren te halen en daardoor stilstand te voorkomen. Het kan ook de andere kant op werken: bij installaties die goed draaien doordat ze relatief jong zijn of omdat de bezetting laag is, kunnen de onderhoudsintervallen worden opgerekt. Deze ontwikkeling staat overigens nog in de kinderschoenen. Maar ook hier is de monteursschaarste \u00e9\u00e9n van de belangrijke drijfveren.<\/p>\n\n\n\n

Voor de onderdelenvoorraad van dealers en fabrikanten is het belangrijk om te weten hoeveel en wanneer de onderdelen nodig zijn. Een onderdelenmagazijn is voor dealerbedrijven een flinke aanslag op de rekeningcourant. Door reparaties beter van tevoren in te plannen, kunnen dealers met een kleinere magazijnvoorraad hetzelfde of zelfs een beter serviceniveau garanderen. Kunstmatige intelligentie kan worden ingezet voor het inschatten van de juiste hoeveelheid onderdelen in het magazijn om het gewenste serviceniveau te kunnen bereiken.<\/p>\n\n\n\n

<\/div>

Speendetectie<\/h3>

Bij speendetectie maken verscheidene melkrobots gebruik van kunstmatige intelligentie. Er wordt een database met foto\u2019s aangelegd waarbij er niet alleen wordt gekeken wat een speen is en wat niet, maar ook hoe de robot deze het beste kan aansluiten. Dit komt vooral van pas bij koeien met een iets afwijkende speenplaatsing. Hoe groter de database, hoe beter de robots worden in het aansluiten van de koeien.<\/p><\/div><\/div><\/section>\n\n\n\n

Melkmachines, maar vooral melkrobots, zijn tegenwoordig behoorlijk geavanceerd. Voor de veehouder is het bijna onmogelijk om alles van de machine te weten. In de handleiding die vaak honderden pagina\u2019s beslaat, is het soms zoeken naar een speld in een hooiberg met een vraag over hoe iets ook alweer werkte. Door de handleiding en de lijst met storingen, symptomen en oplossingen te koppelen aan een zogenaamd Large Language Model \u2013 vergelijkbaar met Chat GPT \u2013 krijgt de veehouder na het stellen van een vraag de antwoorden voorgeschoteld waarnaar hij waarschijnlijk op zoek is. Door naast het antwoord ook de passage in de handleiding toe te voegen, kan de gebruiker controleren of het antwoord van het model inderdaad het antwoord is waarnaar de veehouder op zoek was. Dat ontlast de dealer en de robot is weer sneller operationeel.<\/p>\n\n\n\n

Reparatiehandleiding<\/h2>\n\n\n\n

Ditzelfde kan natuurlijk worden gedaan bij de reparatiehandleiding voor monteurs. Daardoor kunnen monteurs ook beter en sneller storingen diagnosticeren en dan vervolgens een uitgebreide beschrijving krijgen hoe zij de storing kunnen verhelpen.<\/p>\n\n\n\n

<\/div>
<\/div>

Door met behulp van kunstmatige intelligentie de melkinstallatie te monitoren is het mogelijk om storingen vroegtijdig te signaleren en in sommige gevallen op te lossen voordat ze een acuut probleem veroorzaken. Het tekort aan technisch personeel bij dealerbedrijven is een belangrijke drijfveer voor deze ontwikkeling.<\/p><\/div><\/div><\/section>\n","protected":false},"excerpt":{"rendered":"

Melkmachines en -robots verzamelen een grote hoeveelheid data. Met behulp van kunstmatige intelligentie adviseert een model over diergezondheid of over reparaties die aanstaande zijn. Dat is niet alleen voordelig voor veehouders, maar ook voor leveranciers en fabrikanten.<\/p>\n","protected":false},"author":3859,"featured_media":21166,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"wds_primary_category":69,"wds_primary_post_tag":0,"wds_primary_dossier":0,"wds_primary_artikel_type":0,"footnotes":""},"categories":[69,70,77],"tags":[],"dossier":[],"artikel_type":[27],"class_list":["post-21162","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-achtergrond","category-automatisch-melken","category-melktechniek","artikel_type-artikelen"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/posts\/21162","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/users\/3859"}],"replies":[{"embeddable":true,"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/comments?post=21162"}],"version-history":[{"count":1,"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/posts\/21162\/revisions"}],"predecessor-version":[{"id":21168,"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/posts\/21162\/revisions\/21168"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/media\/21166"}],"wp:attachment":[{"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/media?parent=21162"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/categories?post=21162"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/tags?post=21162"},{"taxonomy":"dossier","embeddable":true,"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/dossier?post=21162"},{"taxonomy":"artikel_type","embeddable":true,"href":"https:\/\/www.mechaman.nl\/veehouderij-techniek\/wp-json\/wp\/v2\/artikel_type?post=21162"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}