Hoe technologie het welzijn van vleeskippen in pluimveestallen kan verbeteren, dat werd onderzocht door IDlab en Waves (2 imec-onderzoeksgroepen van UGent) en door de UGent-groepen Ethology and Animal Welfare en Chair Poultry Health Sciences in samenwerking met bedrijven uit de sector en met steun van imec en Vlaio. Het onderzoek suggereert een combinatie van innovatieve sensortechnologie, machine learning en artificiële intelligentie, slimme verlichting en multifunctionele platformen in de stal.
Groeiende aandacht voor welzijn
De aandacht voor het welzijn van kippen groeit, onder meer door het toegenomen belang dat de consument hecht aan dierenwelzijn en de bereidheid om daar wat meer voor te betalen aan de kassa. Een negatief welzijn beïnvloedt bovendien de productiviteit in de pluimveestallen: uitval door ziekte betekent vaak een grote verliespost in de sector.
Binnen het imec.icon-project Welfare Improving monitoring Solutions for cHickens (WISH) zochten 4 onderzoeksinstellingen en 5 bedrijven uit de sector samen naar technologische oplossingen voor die uitdagingen. Voor een aantal sensoren is nog verder onderzoek noodzakelijk.
Automatisering welzijnsmonitoring en realtimeaansturing
Voor een efficiënte productie is het goed dat een kippenboer verschillende keren per dag in de stal komt om de gezondheid van de kippen te monitoren. Bewegen ze genoeg? Zijn er geen problemen met de poten? Is het niet te warm? Pikken de kippen elkaar niet te vaak? Is door opstapeling van mest de kwaliteit van de strooisellaag nog voldoende goed? Zijn er zieke dieren bij met mogelijk besmettingsgevaar? Bij problemen grijpt hij dan meteen in, zodat ziektes in een zo vroeg mogelijk stadium behandeld of vermeden worden.
Helaas is die arbeidsintensieve methode niet altijd werkbaar in de context van de dag van vandaag, met grote pluimveestallen en schaarse werkkrachten. Bovendien is er kans op wat men ‘bedrijfsblindheid’ noemt: dat pluimveehouders door hun vertrouwdheid met de eigen locatie en de dieren de kleine veranderingen in gedrag vaak niet opmerken. Met sensoren en de interpretatie van gegevens met machine learning zijn er kansen om al heel vroeg in te kunnen grijpen.
Technologie kan hier dus soelaas bieden: de intensieve opvolging wordt schaalbaar dankzij sensoren en daaraan gekoppelde AI-interpretaties. De omstandigheden in de stal kunnen vervolgens in real- time aangestuurd worden op basis van die inzichten. Aanpassingen inzake temperatuur, voeding, medicatie en supplementen kunnen een automatisch antwoord zijn op de vaststellingen. Dat is de theorie. De onderzoekers in het WISH-project verdiepten zich in de kippenstal van de toekomst en in toepassingen voor pluimveeonderzoek: welke sensoren zijn het meest geschikt om het welzijn te monitoren? Welke machine learning-algoritmes kunnen een betrouwbare gezondheids- en productiviteitsanalyse maken op basis van de sensorinput? En welke oplossingen kunnen de omgeving in real- time verbeteren voor kippen? De onderzoekers keken naar de activiteit van kippen, maar ook naar de vleeskwaliteit en de uitval.
Van kuchsensoren tot UWB-rugzakjes
De onderzoekers testten 3 sensortechnologieën die op populatieniveau in de stallen gegevens verzamelen (akoestische sensoren, video en Visible Light Sensing) en 3 sensortechnologieën die dat doen op het niveau van individuele kippen.
Met akoestische sensoren kan men gebruikmakend van machine learning, kan men specifieke kippengeluiden herkennen die geassocieerd worden met stress (distress calls), ontspanning (pleasure notes), vermoeidheid (warbles) of specifieke activiteiten (short beeps).
Tijdens het onderzoek werden ook 10 ‘nieuwe’ – voorheen niet-gedocumenteerde geluiden vastgelegd. Mogelijk kunnen die een rol spelen in het beter begrijpen van welzijn in een kippenstal. Op termijn willen de onderzoekers ook het aantal nies- en kuchgeluiden continu registreren op het niveau van de groep. Zodra het aantal kuchjes een bepaalde grenswaarde overstijgt, is er reden tot bezorgdheid en wordt de boer automatisch gealarmeerd.
De onderzoekers monitorden ook de kippenrennen met camera’s die gebruikmaken van machine learning om automatisch 16 ‘relevante’ indicatoren te herkennen, zoals kreupelheid, verlies van pluimen en andere indicatoren voor ziekte of agressie. Het AI–model dat ontwikkeld werd om ziektebeelden automatisch te herkennen, behaalde een accuraatheid van 91%. Bovendien konden de onderzoekers de specifieke plekken in de stal in kaart brengen waar de kippen graag vertoefden over een langere tijdsperiode.
Tot slot gingen de onderzoekers ook aan de slag met visible light sensing (VLS). Dat zijn sensoren die gebruikmaken van de intensiteit van gereflecteerd licht. Zo slaagden ze er via machine learning in om op een goedkope manier het aantal dieren in een specifiek gebied te bepalen, hun densiteit dus.
Indoor-gps voor kippen
Om data te verzamelen op het niveau van individuele kippen, is UWB (Ultra-Wideband) een relatief betaalbare manier om de absolute locatie van een kip te kennen en te volgen, een soort van indoor-gps. Eerst worden 4 ankerpunten rond het hok geïnstalleerd, vervolgens krijgt een kip een soort van radio/zender mee in een op maat gemaakt rugzakje. De reistijd van het radiosignaal tot de verschillende ankerpunten helpt om de exacte locatie te bepalen.
Dat kan intussen voor tot 200 kippen tegelijk, in realtime, met een update om de 16 seconden. Het resultaat is een erg gedetailleerde dataset voor onderzoeksdoeleinden om een specifiek dier doorheen de tijd op te volgen, maar ook inzicht in de heatmaps van de dieren in de stal en in de individuele activiteitsniveaus van de dieren.
Een inertial measurement unit (IMU) bevat een accelerometer en gyroscoop en registreert per individu de verandering in beweging over de tijd heen. Als een kip altijd veel afstand aflegt en plots niet meer, dan is er doorgaans iets aan de hand.
Tot slot hebben implanteerbare sensoren als voordeel dat ze hartslag, hartslagvariabiliteit en temperatuur kunnen meten, parameters die in belangrijke mate ziekte en welzijn kunnen voorspellen. Het nadeel van de sensoren is dat het een operatie vergt om ze aan te brengen. Deze technologie lijkt dan ook minder interessant voor commerciële boerderijen, maar biedt nieuwe mogelijkheden voor geavanceerde analyses bij pluimveeonderzoek.
Koelplatformen en lichttherapie
Dan is het tijd om de stap te zetten van datagedreven inzichten naar een beter welzijn in de stal. De onderzoekers werkten vooral met bestaande hardware, die gecombineerd werd met nieuwe software en AI-analyses.
Zo testten ze een platform in de stal dat vermoedelijk in staat is om de kippen actiever te maken, om jonge kippen meer beschutting en meer rust te geven en om hen te laten afkoelen in het geval van hittestress, omdat er ook een waterkoeling in het platform zat. De resultaten zullen die indicaties nog moeten bevestigen. Bovendien blijft de kippenmest dankzij deze platformen meer geconcentreerd (in de schuifjes onder de platformen), waardoor deze zich niet ophoopte op de vloer van de stal. De strooiselkwaliteit bleek aanzienlijk beter en de mest kon efficiënter verwijderd worden. Vervolgonderzoek zal dit finaal moeten aantonen en zal de exacte impact ervan moeten opmeten.
Een andere hardwarecomponent die de onderzoekers getest hebben, is een adaptief verlichtingssysteem. Lichttherapie bestaat ook voor mensen. Nog meer dan mensen zijn kippen gevoelig voor licht: blauw licht maakt hen rustig en stimuleert hen om te eten. Helderwit licht doet hen meer rondlopen. Door sneller agressie op te sporen, kan die agressie voor het uit de hand loopt gedempt worden met aangepast licht. Agressie (gepik) in de stal kan lijden tot ontstekende wondes en – uiteindelijk - tot uitval. De onderzoekers deelden de stal in in verschillende lichtzones. Opvallend is dat de voorkeur voor specifieke lichtkleuren varieert volgens de leeftijd van de kippen.
De ideale kippenstal bestaat (nog) niet
Uit het WISH-onderzoek is nog geen ‘ideale’ kippenstal naar voor gekomen. Zo blijkt elk type sensor geschikt voor verschillende doeleinden, zoals ziektedetectie, stressdetectie of het volgen van eet- en drinkgedrag. Jonge kippen lijken makkelijker op te volgen met camera’s dan oudere (die een witte massa kunnen vormen, wat moeilijk in beeld te vatten is). Een onderzoekssetting vergt andere sensoren dan een industriële kippenkwekerij.
Zo lijken voor commerciële omgevingen de sensoren op populatieniveau (video, akoestisch en VLS) economisch het interessantst. Voor onderzoek zou een combinatie van sensoren op populatieniveau en individuele sensoren dan weer ideaal kunnen zijn – en veel van het manuele en arbeidsintensieve labelwerk kunnen vervangen.
Dit onderzoek richtte zich specifiek op vleeskippen in stallen. Voor een extrapolatie naar vleeskippen die deels ook buiten lopen, is er misschien niet veel meer dan een nieuwe kalibratie van de sensoren nodig. Voor legkippen is de stap groter. Die hebben andere pathologieën dan vleeskippen, bewegen in andere patronen en leven in een heel andere setting. Hetzelfde geldt voor andere soorten vee. Voor varkens en runderen zou je sommige gelijkaardige sensoren kunnen gebruiken, maar bij het verwerken van de signalen en het automatisch ingrijpen via bijvoorbeeld lichtsturing of voer(additieven) wordt het een ander speelveld.
Beloftevolle ontwikkelingen
De onderzoekers hebben met dit WISH-project beloftevolle manieren ontwikkeld om het welzijn van vleeskippen aanzienlijk te verbeteren. Deze worden nog verder onderzocht met het oog op valorisatie. Verschillende partners uit het project gaan daar ook mee aan de slag. Poulpharm gaat de verschillende types sensoren valoriseren om de impact van nieuwe medicatie of voedingsadditieven goedkoper te meten. Roxell onderzoekt of het de multifunctionele platformen kostenefficiënt kan produceren en Vetworks wil verschillende geteste sensoren opnemen in het aanbod van hun consultancy services over het kweken van kippen op commerciële boerderijen.
De onderzoeksprogramma’s van imec.icon zijn vraaggedreven coöperatief onderzoek naar hardware-, software- en gecombineerde hardware/software-innovaties. Over een periode van 2 jaar werken multidisciplinaire onderzoeksteams van wetenschappers, industriële partners of social profitorganisaties samen om digitale oplossingen te ontwikkelen, die nadien hun weg zullen vinden naar het marktaanbod van de deelnemende partners. Het WISH-project bestond uit een consortium van 4 onderzoekspartners (imec – IDLab, imec – Waves, UGent - Chair Poultry Health Sciences, UGent - Ethology and Animal Welfare) en 5 bedrijven (Poulpharm bvba, Vetworks, Lopos, Roxell, Explorentis).
