AI kan de melkveehouder en de koeien vooruithelpen
Wat als een computer niet alleen elke koe eenvoudig kon herkennen, maar ook haar gezondheid, gedrag en welzijn de klok rond kon monitoren? En wat als technologie boeren meer ademruimte geeft én tegelijk bijdraagt aan duurzamere, meer diervriendelijke veehouderij? Dat is geen verre toekomstmuziek, leert recent Vlaams onderzoek.
Zopas werd op het melkveebedrijf van Andy Van Rossem in Lokeren het onderzoek van Maarten Perneel (KU Leuven en UGent) voorgesteld. Toepassingen van artificiële intelligentie (AI) staan op het punt om het melkveebedrijf van morgen grondig te transformeren. Dat kan zorgen voor minder stress voor de koe en meer rust voor de boer.
Van melkstal tot datacentrum
Maarten Perneel is geen klassieke wetenschapper. Hij groeide op tussen de koeien, op het melkveebedrijf met 140 koeien van zijn ouders in Assenede. Die praktijkkennis koppelde hij aan een passie voor technologie. Tijdens zijn masterstudies ontwikkelde hij een methode om op basis van genetische gegevens en historische bedrijfsdata te voorspellen welke jonge kalveren het meeste potentieel hebben. Zijn publicatie hierover werd recent opgepikt in het gezaghebbende Journal of Dairy Science.
“De meeste melkveehouders fokken elk jaar meer vrouwelijke kalveren op dan nodig. Met AI kunnen we nu veel gerichter voorspellen welke dieren op lange termijn het beste zullen presteren op dat specifieke bedrijf. Dat bespaart kosten, verhoogt de efficiëntie én verlaagt de uitstoot”, legt Perneel uit.
Nog opvallender is zijn meest recente onderzoek: een systeem dat koeien automatisch herkent via camerabeelden. “We gebruiken AI om het gedrag en de locatie van koeien in de stal te monitoren, puur op basis van video. Zo kunnen we bijvoorbeeld automatisch en heel vroeg detecteren of een dier ziek is, mank loopt of afwijkend gedrag vertoont, en dat zonder bijkomende belasting voor het dier”, aldus Perneel.
Met een combinatie van 6 bewakingscamera’s en een centrale verwerkingseenheid ‘ziet’ hij de volledige koeienstal van zijn ouders. Omdat koeien traag bewegen, maken de camera’s 2 beelden per seconde. Maarten Perneel ontwikkelde een toepassing zodat met machine learning via de camerabeelden kan gevolgd worden of de koeien rechtstaan of liggen en zelfs op welke zijde ze liggen. Dat laatste is van belang. De pens zit links. Hoe langer de koeien op die kant blijven liggen, hoe beter voor het herkauwen en uiteindelijk hoe beter de melkproductie.
Data voor stallenbouwers
“Ik kan voorts bepalen hoelang elke ligboxplaats ingenomen wordt door een koe. Elke veehouder merkt wel op dat bepaalde ligplaatsen populairder zijn dan andere, maar met AI en dit camerasysteem kunnen stallenbouwers analyses maken en ervoor zorgen dat er in een stal geen ligboxplaatsen zijn die toch niet zullen worden gebruikt. Op dezelfde manier kunnen stallenbouwers aan de slag met beelden van de koeien aan het voerhek. Elke veehouder weet intuïtief dat de voerplaatsen aan het begin en het einde van het voerhek het populairst zijn, maar met camera’s en AI kunnen we dat nu ook meetbaar maken.”
Andere toepassingen op basis van machine learning en camerabeelden zijn detectie van bronst, kreupelheid en het afkalfmoment. “Op basis van de camerabeelden kan je ook de groei van de koeien bepalen. Een koe kan tot 2,5 cm per maand groeien en op basis van de beelden kan je dat tot op de millimeter nauwkeurig volgen, zowel in de lengte als in de breedte. Zo kan je zien welke dieren onder het groepsgemiddelde blijven, zonder dat ze afzonderlijk gewogen en gemeten worden.”
Bij melkvee kan je de hiërarchie van de groepen in de stal volgen, omdat koeien die hiërarchie vastleggen volgens een opspoorbaar patroon. En zelfs dat kan van belang zijn, weet melkveehouder Andy Van Rossem. “Voor de melkrobot deel ik de koeien in groepen in. In mijn groepen zie ik die hiërarchische volgorde terug. Als ik dan op basis van de camera-analyse weet welke koeien vaker of recent dominant gedrag vertonen, dan zet ik die niet bij elkaar in een groep”, zegt hij.
Vlaamse pionier op Europees niveau
Hoewel toepassingen van AI in de landbouw wereldwijd in opmars zijn, is het werk van Maarten Perneel uniek in Europa. “Een eerste uitdaging was het identificeren van elke individuele koe louter op basis van camerabeelden van hun vacht, die voor elke koe een unieke tekening heeft. Zo kan je dezelfde koe herkennen als ze staat of ligt, als je enkel de linkerzijde ziet of de rechter, als je maar een deel van de koe ziet, omdat ze met verschillende dieren bij elkaar staan, en ook ‘s nachts. Voor een dergelijke heridentificatie van runderen via camerabeelden bestaat er hier nog geen vergelijkbaar onderzoek. We bouwen als het ware het vliegtuig, terwijl het al in de lucht hangt”, zegt hij. Deze manier van identificatie werkt niet voor koeien met een egale vacht, zoals die van het ras Blonde d’Aquitaine of Jersey.
De identificatie via halsbanden met grote nummers kan voor die rassen een alternatief zijn. “Wij moeten een koe slechts om de paar minuten heridentificeren. Als een dier op een gegeven moment toevallig zo georiënteerd staat dat de halsband vanuit het perspectief van de camera niet zichtbaar is, moet dit op zich geen probleem zijn. Identificatie door het lezen van de oornummers is heel moeilijk met videomonitoring, omdat de cijfers te klein zijn en omdat oormerken frontaal vaak moeilijk uit te lezen zijn, zeker als ze wat verborgen zitten achter het haar in de oren van een koe”, verduidelijkt Perneel.
De mogelijke toepassingen van het onderzoek zijn breed: vereenvoudigde, meer accurate en goedkopere detectie van afkalving en bronst (vruchtbaarheid), alsook zelfs registratie voor PAS-maatregelen (Programmatische Aanpak Stikstof) behoren tot de mogelijkheden. Voor het registreren van de beweidingsmaatregel zou je met dit camerasysteem kunnen registreren dat de stal leeg is en dat de koeien dan logischerwijze op de weide staan. “Misschien is niet elke veehouder happig op een camera in zijn stal die door de overheid gecontroleerd wordt, maar dat is een andere discussie”, stelt de onderzoeker.
“Een of meer camera’s op de huiskavel zou een nog sterker bewijs van beweiding zijn. Bevestigen dat er koeien op de huiskavel staan, is perfect mogelijk, tellen hoeveel koeien er in de weide lopen is een heel stuk moeilijker. Daarvoor is de gemiddelde huiskavel inderdaad te groot. Cameraregistratie via een sluis waarlangs de koeien passeren, is mogelijk een alternatief”, zegt Perneel.
AI kan boer niet vervangen
“AI maakt het mogelijk om de observaties van de veehouder te automatiseren en te objectiveren. Het is geen vervanging van de boer, maar een slimme assistent die de klok rond meekijkt, meet en signaleert. De expertise en ervaring van de veehouder zal altijd een cruciaal element blijven in de dagelijkse bedrijfsvoering”, aldus Perneel. “We kunnen met camera’s en AI veel parameters meten die ook via andere sensoren kunnen bepaald worden, zoals elektronische oormerken, halsbanden en loopmatten. Een celgetalmeting lukt niet met een camera in de nok van de stal. Op termijn zou videomonitoring met AI bestaande systemen volledig kunnen vervangen in de stal. Bij koeien met weidegang is dat een stuk complexer, maar we verwachten dat de dagelijkse stalperiode – 8 uur weidegang betekent nog altijd een stalperiode van 16 uur – voldoende lang is om aan bronst- en kreupelheidsdetectie te doen.
Videomonitoring van grazende dieren kan ons meer leren over het gedrag van dieren in de weide, zoals hun favoriete graasplaats of hoe ze omgaan met hittestress. Dan moeten de camera’s toch enkele meters hoog hangen en mogen de groepen niet groter zijn dan 20 of 25 dieren. Voor fundamenteel onderzoek is videomonitoring in de weide op korte termijn een haalbare optie”, besluit Maarten Perneel.
