Deze presentatie is gehouden tijdens een studiedag over sensoren voor de automatische detective van kreupelheid bij melkvee, georganiseerd door het ILVO in Belgie.
2. Wat kunt u verwachten
Claudia Kamphuis
Sensoren in de melkveehouderij
Sensoren voor detectie kreupelheid
Hoe goed zijn de sensoren
Om mee naar huis te nemen
7. 2004: Master Dierwetenschappen,
Wageningen University
2006: PhD, Utrecht University
2010: Verdediging PhD
2011: Onderzoeker bij DairyNZ, Nieuw Zeeland
2013: Post-Doc,
Bedrijfseconomie
Wageningen Universiteit
8. Wat kunt u verwachten
Claudia Kamphuis
Sensoren in de melkveehouderij
9. Gestart door koe identificatie systemen in 1970
Monitoren van individuele melkgift
Voer verstrekking aan individuele koeien
10. Verder ontwikkeld door de uitvinding van de melkrobot (1992)
Gedwongen zintuigen te vervangen voor mastitis detectie
11. En verder gedreven door
Toename complexiteit bedrijfsmanagement
familiebedrijf naar personeel
klein naar grootschalig
12. En verder gedreven door
Toename complexiteit bedrijfsmanagement
Beschikbaarheid automatisatie en sensoren
13. En verder gedreven door
Toename complexiteit bedrijfsmanagement
Beschikbaarheid automatisatie en sensoren
Zorgen om dierwelzijn door overheid en maatschappij
Overheid Zembla: topsporters melkveehouderij Stichting Wakker Dier
14. Op welke management gebieden worden sensoren toegepast
Uiergezondheid Melksamenstelling Koe ‘samenstelling’
Reproductie Voortbeweging/locomotie/kreupelheid
15. En er wordt gezegd dat ze veel voordelen bieden
Verbeteren diergezondheid en dierwelzijn
Verbeteren productiviteit
Verbeteren efficiëntie
Verbeteren kwaliteit van producten
Objectieve manier van waarnemen
Verbeteren van sociaal leven
16. Gebruik van sensoren in Nederland
(Steeneveld and Hogeveen, 2015)
Vragenlijst via email naar
1672 melkveehouders
512 melkveehouders hebben gereageerd (31%)
202 melkveehouders gaven aan sensoren te hebben
41% van diegenen die reageerden
12% van diegenen die een vragenlijst ontvingen
17. Gebruik van sensoren (%) in Nederland
(Steeneveld and Hogeveen, 2015)
17
Sensor melkrobot
(n = 121)
conventioneel
(n = 81)
Geleidbaarheid 93 35
Kleur 60 1
Melk temperatuur 50 6
Weegschaal 27 5
Vet en eiwit 20 0
SCC 17 1
Activiteit voor melkvee 41 70
Activiteit voor jongvee 12 28
Temperatuur 6 14
Herkauw activiteit 9 12
Lactate dehydrogenase (LDH) 2 1
Progesteron 2 1
18. Wat u kunt verwachten
Claudia Kamphuis
Sensoren in de melkveehouderij
Sensoren voor detectie kreupelheid
19. Kreupelheid is
Review van Schlageter-Tello et al., 2014
Wetenschappelijke publicaties tussen 1945 en 2013
Manuele of automatische scoring systemen voor kreupelheid
244 publicaties in 39 wetenschappelijke tijdschriften
Eerste artikel uit 1988
70% na 2007
20. Kreupelheid is
Review naar wetenschappelijke publicaties (Schlageter-Tello et al., 2014)
Congressen of projecten met kreupelheid als (werk)thema
21. Kinetische sensor benadering
Meten van bewegingsenergie
Drukplaten
21
Welk type sensoren voor kreupelheid zijn er? Schlageter-Tello et al., 2014
22. Welk type sensoren voor kreupelheid zijn er? Schlageter-Tello et al., 2014
Kinetische sensor benadering
Kinematische sensor benadering
Meten van tijd en afstand van variabelen
gerelateerd aan ledematen of houding (van de rug)
23. 23
Welk type sensoren voor kreupelheid zijn er? Schlageter-Tello et al., 2014
Kinetische sensor benadering
Kinematische sensor benadering
Indirecte sensor benadering
meten van gedrag of productie
24. Indirecte sensor benadering in Nieuw-Zeeland
Geschatte kosten:
~$28,000 per jaar voor gemiddeld bedrijf met 400 koeien
Visuele observatie meest gebruikelijk: 75% gemist
Fabian et al. 2014
24
€16,500
25. Data die we gebruikt hebben
Activiteit en volgorde van
melken Gewicht
Melkopbrengst
5 bedrijven op het Noordereiland
4900 melkkoeien
1.5 jaar lang gevolgd
Sensor gegevens van iedere melking
26. Stap 1: vergelijken van sensor patronen over tijd
Koe identificatie nummer
Datum van observatie
Aangetaste hoef
Kreupelheidsscore
2 t/m 5 (Sprecher et al., 1997)
27. 1 kreupele koe 10 niet kreupele koeien
Stap 1: vergelijken van sensor patronen over tijd
381 kreupele koe 3180 niet kreupele koeien
Van hetzelfde bedrijf in dezelfde periode
28. 320
340
360
380
-14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0
Dagen
Verandering in activiteit (stappen / uur)
● Kreupel (n = 318); ○ Niet kreupel (n = 3180)
Dag van visuele
detectie
Sensor patroon over de tijd was significant verschillend
(P<0.05)
29. Veranderingen in andere sensoren
45.0
55.0
65.0
-14 -12 -10 -8 -6 -4 -2 0
Dagen
Volgorde van melken
8.8
9.0
9.2
9.4
9.6
9.8
10.0
-14 -12 -10 -8 -6 -4 -2 0
Dagen
Melkopbrengst (kg)
470
475
480
485
490
495
500
-14 -12 -10 -8 -6 -4 -2 0
Dagen
Gewicht (kg)
patronen over tijd waren
verschillend (P<0.05) voor alle
sensoren
● Kreupel (n = 318);
○ Niet kreupel (n = 3180)
30. Stap 2: voorspellen van de dag van kreupelheid
Middelen van sensor metingen
1 meting per dag voor iedere sensor
Maken van voorspellende variabelen: 14 per sensor
proportionele verschillen met voorgaande dagen
Model ontwikkeling met data mining en getest
Additieve logistische regressie
31. Resultaten van het detectiemodel
Sensitiviteit (%)
Sensor Alle kreupele
koeien
n = 381
Alleen kreupele
koeien met score ≥3
n = 229
Activiteit 26 39
Gewicht 37 38
Volgorde van melken 33 44
Combinatie 50 55
32. Combineren van sensoren is beter dan 1 sensor
Indirecte sensor metingen biedt mogelijkheden
Maar onvoldoende nauwkeurig voor de praktijk
Conclusie van dit onderzoek naar indirect sensor gebruik
55% sensitiviteit
80% specificiteit
33. Wat u kunt verwachten
Claudia Kamphuis
Sensoren in de melkveehouderij
Sensoren voor detectie kreupelheid
Hoe goed zijn de sensoren
34. Want wat betekenen de NZse resultaten voor de praktijk?
Incidentie kreupelheid = 54 gevallen / 100 koeien / jaar
Bruijnis et al, 2010
Melkveebedrijf van 100 koeien 5 kreupele koeien / maand
95 gezonde koeien / maand
55% sensitiviteit
2-3 kreupele koeien / maand
80% specificiteit
570 valse attenties / maand
19 valse attenties / dag
35. Want wat betekenen de NZse resultaten voor de praktijk?
Realiseren dat je
koeien mist en onnodig arbeid verricht
Alleen score ≥3 koeien
Maar score 2 meest interessant voor interventie?
55% Sensitiviteit
2-3 kreupele koeien / maand
80% specificiteit
570 valse attenties / maand
19 valse attenties / dag
36. En hoe zit het met andere studies?
Rutten et al. (2013) heeft 38 publicaties bekeken
4 publicaties met sensitiviteit én specificiteit ≥ 80%
4 kreupele koeien gevonden / maand
19 gezonde koeien krijgen attentie / dag
Alle modellen zijn beperkt getest:
4 publicaties hebben model getest op ≥2 bedrijven
34 publicaties hebben model getest op 1 bedrijf
waarvan 37% op ≤15 dieren
37. Dus, geen enkel sensor systeem is perfect! Omdat sensoren
Niet 100% nauwkeurig en precies meten
Ze maken meetfouten
38. Geen enkel sensor systeem is perfect! Omdat sensoren
Niet 100% nauwkeurig en precies meten
Een afgeleide meten voor kreupelheid
39. Geen enkel sensor systeem is perfect!
Omdat sensoren
Niet 100% nauwkeurig en precies meten
Een afgeleide meten voor kreupelheid
Parameters meten die niet uniek zijn voor kreupelheid
40. Geen enkel sensor systeem is perfect!
Omdat sensoren
Niet 100% nauwkeurig en precies meten
Een afgeleide meten voor kreupelheid
Parameters meten die niet uniek zijn voor kreupelheid
Moeten functioneren in een heel moeilijke omgeving
41. Maar hoe erg is dit?
Betere parameters
Betere sensoren
Die in praktijk werken
Betere modellen
42. Waarbij we moeten nadenken over
Wat willen we vinden en
wat zijn de gerelateerde management acties
Economische aspect automatische detectie
wat levert de investering op
Goede voorlichting aan veehouders
sensoren ondersteunen management
43. Wat kunt u verwachten
Claudia Kamphuis
Sensoren in de melkveehouderij
Sensoren voor detectie kreupelheid
Hoe goed zijn de sensoren
Om mee naar huis te nemen
44. Automatische detectie van kreupele
koeien is HOT
Maar beschikbare sensoren zijn (nog)
niet perfect
Er moet nog flink gewerkt worden
Sensoren ondersteunen management
45. Dankjewel voor uw aandacht
www.slideshare.net/claudiakamphuis ckamphuis
Editor's Notes
All same sensors!
1.5 years data collection
Scale and relevance, data from the field
Stress that this is an imaginary example! Mention that non-lame cows were not allowed to have a lameness record throughout data collection period. Make sure that you mention ‘compare pattern changes in behaviour and physiology 14 days before the cow was observed lame by the farmer
Stress that this is an imaginary example! Mention that non-lame cows were not allowed to have a lameness record throughout data collection period. Make sure that you mention ‘compare pattern changes in behaviour and physiology 14 days before the cow was observed lame by the farmer
Mention not interested in risk factors, so not interested that lame cows seem less active then non-lame cow but we’re interested in the pattern difference because that is what a detection model needs to identify
Good result because it tells us that sensors can pick up changes in behaviour and physiology associated with lameness