Lantbruk 4.0 för mer djurskydd i ladan
Konstgjord intelligens för mer djurskydd i ladan. Boxbergs utbildnings- och kunskapscenter (LSZ) och universitetet i Hohenheim öppnar upp datakällor för framtidssäkert grisodling Experimentella data om djurens beteende, biologiska data från rutinmässiga operationer, uppgifter om jordbruksmiljön, djurgenetik: på besättningen av smågrisar och uppfödning av grisar vid Boxbergs utbildnings- och kunskapscenter (LSZ) det finns enorma mängder data. En skatt som knappast har använts hittills. Eftersom dataposterna, inspelade i Excel-tabeller, pappersformulär eller genom specialapplikationer, inte är nätverksbyggda. Business IT-specialister från University of Hohenheim i Stuttgart kombinerar dessa data i en digital plattform i projektet "Agriculture 4.0: Information system for pig farming" - och får därmed tillgång till dem för dataanalys och maskininlärning. Detta möjliggör ny insikt som gynnar djurens välfärd och en framtidsorienterad inriktning av grisodlingen. Ministeriet för landsbygdsområden och konsumentskydd (MLR) stöder projektet under ledning av LSZ. Med finansiering på nästan 200.000 XNUMX euro för universitetet i Hohenheim, representerar det en tung vikt av forskning.
Stress med angränsande vikar, kampen för tillgång till resurser som vatten, foder och sysselsättningsmaterial, hälsoproblem, för höga nivåer av skadlig gas i facket - alla dessa faktorer främjar svansbiten hos svin. Vetenskap och praktik antar att samverkan mellan dessa riskfaktorer spelar en roll - men det finns fortfarande många klyftor i kunskap här.
Det är här intelligent big data-analys kommer in. "Detta gör att vi kan analysera stora mängder data om dessa faktorer från olika källor - och därmed få ny information och avslöja tidigare okända relationer," förklarar prof. Dr. Stefan Kirn, chef för avdelningen för informationssystem II vid universitetet i Hohenheim.
"Djuruppfödning erbjuder utmanande användningsfall för maskininlärningsprocesser, till exempel kan djurskydd förbättras eller operationell förvaltning kan optimeras," betonar forskningsinformationsforskaren Martin Riekert, som är chef för delprojektet vid University of Hohenheim.
Olika tillämpningar inom djurhållning
Ett ämne som forskarna riktar sig mot är hur man identifierar tidiga hälsorisker hos smågrisar med hjälp av maskininlärningsmetoder. I detta syfte undersöker de för närvarande cirka 25 variabler och har utvärderat data på cirka 2011 50.000 grisar sedan XNUMX för att kontrollera om förutsägelser om tidiga hälsorisker är möjliga.
"En annan tänkbar tillämpning skulle också vara att övervaka djurens beteende som en del av djurskyddsövervakningen för att identifiera stress i ett tidigt skede," säger Riekert. Teamet använder videokameror med djup inlärning för att utvärdera djurs ljussätt.
Detta är också en viktig applikation för bred praxis. Jordbruksboskapen står inför framtidsorienterade uppgifter. Många konsumenter i dag vill veta var djuren kommer ifrån, hur de hålls och matas och att de har det bra. Uppgifterna från djuret självt och från jordbruksmiljön, uppfödningstekniken och hälsotillståndet ger information om de många frågorna. Digitalisering och nätverk ger betydande bidrag till ökad acceptans av djurhållning i samhället och en bättre bild.
Många enskilda dataöar vid Boxbergs utbildnings- och kunskapscenter
Hohenheim-forskarna vill implementera detta specifikt med Boxberg Education and Knowledge Center (LSZ). Utmaningen på LSZ: ”Det finns mycket data där, men det kan inte användas eftersom det handlar om isolerade lösningar. De är inte i nätverk, säger Dr. Achim Klein, som ledde arbetsområdet Knowledge Extracting som delprojektet tilldelas till slutet av augusti 2019. ”Det finns en enorm ordning i djurproduktionen. För till skillnad från i anläggningsproduktionen är datauppsättningarna knappast tillgängliga för dataanalys. "
Mycket olika data registreras på suggor, smågrisar och uppfödningsgrisar i undervisnings- och experimentstallen. "Vi har rutinmässigt samlat in strukturerade data som data om såplanerare eller uppfödnings- och slaktdata", rapporterar Riekert. "Dessutom finns det andra strukturerade data om hushållsmiljön som facktemperatur, ventilationsinställningar, vattenflöde eller foderförbrukning. Dessutom ostrukturerade experimentella data om djurens beteende, som bland annat ger oss över 50 videokameror. ”
Digital nätverk istället för isolerade lösningar
Hittills har dessa data registrerats med Excel-tabeller och specialapplikationer - hittills är datainsamlingen inte ens digital överallt. I projektet samlar forskarna dessa heterogena data i en dataplattform (datalager).
För att göra detta utrustar de hela stallen med WLAN och installerar industridatorer med pekskärmar. Befintliga externa system, till exempel ventilations- och matningssystem, integrerar dem. Målet: manuella steg krävs inte längre i den papperslösa ladan, data skickas nu direkt till dataplattformen via den nya inmatningsmasken. "Detta gör datainmatning snabbare och effektivare", förklarar Tobias Zimpel, forskningsassistent i projektet. "Det finns en plausibilitetskontroll på platsen och de anställda kan komma åt informationssystemet när som helst."
Nätverket gör sedan data tillgängliga för dataanalys. "Genom maskininlärning kan systemet känna igen mönstren och lagarna i de olika uppgifterna", förklarar Riekert. "Målet är att få tidigare okända relationer och använda dem för att utveckla beslutsfattande hjälpmedel och prognosmodeller som gynnar djurskydd, forskning och individuell förvaltning."
BAKGRUND: Projekt "Jordbruk 4.0: Informationssystem för grisodling"
Projektet "Agriculture 4.0: Informationssystem för grisodling" finansieras av Baden-Württemberg Ministeriet för landsbygdsfrågor och konsumentskydd (MLR) som en del av den statliga regerings strategi "Agriculture 4.0 hållbar.digital". Projektet leds av Boxberg Education and Knowledge Center (LSZ). Institutionen för informationssystem II vid universitetet i Hohenheim får 197.648 0,3 euro för sitt projekt, den totala finansieringen är cirka 1.11.2016 miljoner euro. Projektet startade den 31.12.2019 november XNUMX och slutar den XNUMX december XNUMX.
Bakgrund: forskning tunga vikter
32,5 miljoner euro i medel från tredje part förvärvade forskare vid universitetet i Hohenheim 2018 för forskning och undervisning. I rad presenterar serien "tunga vikter av forskning" enastående forskningsprojekt med en ekonomisk volym på minst 350.000 Euro för skenbar forskning och 150.000 Euro för icke-teknisk forskning.
Text: Elsner (University of Hohenheim)
AI i ladan: LSZ Boxberg och University of Hohenheim öppnar upp datakällor för bättre och mer ekonomiskt grisodling Bildkälla: University of Hohenheim / Sacha Dauphin
