‘Continu monitoren koegezondheid gaat veel brengen’

Door Janet Beekman

“Wij willen graag de monitoring van diergezondheid en dierenwelzijn naar een hoger plan tillen. Met behulp van sensoren, stalcamerasystemen en zelflerende software zetten we de komende jaren grote stappen vooruit op dit punt”, vertelt Kamphuis. Het doel is om verzamelde data op de juiste wijze te interpreteren, en die te gebruiken om tools te ontwikkelen voor geautomatiseerde herkenning van gedragspatronen, met attenties van afwijkingen. “Uiteindelijk verbeteren veehouders daarmee de gezondheid en het welzijn van hun koeien. Dat leidt tot een efficiëntere melkproductie, een beter rendement en arbeidsgemak.”

Wanneer en hoe is het monitoren en gebruik van dierdata begonnen in de melkveehouderij?

“Dat was ergens midden jaren zeventig, met koe-indentificatie via een sensor aan de halsband om krachtvoerboxen te benutten voor individuele voergiften. Vijf jaar later kwamen de eerste melkmeters, en al snel daarna stappentellers. De motivatie voor toepassing van dit soort technieken was in die jaren vooral arbeidsbesparing. Dat geldt ook voor introductie van de eerste melkrobots begin jaren negentig. Dat gaf de toepassing van sensortechnologie en het verzamelen van koedata echt een boost. Automatisch melken betekende ook een kentering in de monitoring van dieren. De veehouder zag zijn koeien immers niet meer twee keer daags. Hij ging steeds meer varen op data als de hoeveelheid en samenstelling van de melk die de melkrobot genereert. Er kwamen steeds meer gegevens over andere stoffen in de melk bij. Kees de Koning, directeur van Dairy Campus, was persoonlijk sterk betrokken bij de beginjaren van het automatisch melken. En sinds die tijd houdt Wageningen University & Research zich al bezig met benutting van koedata via automatisering.”

Hoe heeft de sensortechnologie en benutting van data zich verder ontwikkeld?

“Nu, ruim dertig jaar na de eerste melkrobot, gebruiken veehouders steeds vaker sensoren voor tochtdetectie via registratie van de activiteit van een koe. Wat gezondheidsmonitoring betreft gaan de mogelijkheden ook steeds verder. Niet alleen via data van de melksamenstelling, zoals detectie van ketose en acidose. Maar ook door registratie van vreet- en herkauwgedrag. Minder vreten en herkauwen, kondigt ziekte vaak al vroeg aan, waarop een veehouder tijdig kan ingrijpen. En pensbolussen kunnen de pens-pH monitoren waarmee veehouders pensverzuring kunnen voorkomen. Maar het gaat verder dan koedata, sensoren kunnen ook de luchtkwaliteit in stallen meten, zoals fijnstof of emissies van broeikasgassen. En er komen steeds meer data beschikbaar over weersomstandigheden, bodemkwaliteit, ruwvoeropbrengsten en de kwaliteit ervan via NIRS. Digitale afrastering via sturing op gps en attentie via de halsband van een koe is een nieuwe technologie. Er is enorm veel mogelijk, maar ik houd mij met name bezig met koedata. We werken hierbij ook met stalcamerasystemen.”

Waarom staan stalcamerasystemen de laatste jaren zo in de belangstelling, en wat voegt dit toe aan bestaande technologieën?

“Door de snelle ontwikkeling van techniek en datawetenschap kunnen we nu camera’s combineren met kunstmatige intelligentie. Hiermee kunnen we 24/7 het gedrag van koeien monitoren op alles wat we maar zouden willen. Je kunt in realtime en continu meten, en veranderingen in gedrag doorlopend vastleggen. Met een stappenteller meet je de activiteit van een koe, maar je weet niet wat ze precies doet. Al ontwikkelt zich dat ook verder, waarbij snelheid en richting van de stappen eveneens bekend zijn. Met camera’s in de stal zie je veel meer. Je kunt bijvoorbeeld waarnemen hoe lang het duurt voor een koe ligt of staat, en hoe ze loopt. Met kunstmatige intelligentie is dat te relateren aan bijvoorbeeld klauw- of uiergezondheid. Na verloop van tijd kan het systeem dan automatisch klauwproblemen detecteren op basis van het getoonde gedrag. Wij registreren op Dairy Campus het looppatroon van koeien bij het uitlopen van de melkstal, als ze teruggaan naar de leefruimte. We willen een algoritme ontwikkelen om met kunstmatige intelligentie afwijkingen van het normale looppatroon te signaleren. Als je zo ook mildere vormen van kreupelheid met subtiele veranderingen in het looppatroon herkent, kunnen veehouders eerder beginnen met een behandeling. Ook kun je met camera’s de individuele ruwvoeropname aan het voerhek monitoren. Vreten bijvoorbeeld alle koeien te weinig, kan een veehouder de rantsoensamenstelling aanpassen om de voeropname te verhogen. Dat kan veel geld opleveren.”

Wat zijn knelpunten rond de toepassing van stalcamerasystemen, computer vision en AI?

“De grootste uitdaging is om camera’s in een koeienstal goed te laten werken. Spinnen, vliegen, stof, vocht en ongedierte in een stal kunnen de werking verstoren. Een ander probleem is dat camerasystemen geen uniforme data genereren tússen bedrijven, en in de tijd. Ze maken beelden vanuit een andere hoek of bij een andere belichting, of het koeienras verschilt. Holsteins kunnen zich anders gedragen dan Jerseys. Het uniformeren van data kost heel veel tijd. Daarnaast heb je een goede infrastructuur nodig om een grote datastroom van computerbeelden te verwerken. Bij ons onderzoek op Dairy Campus beschikken we over goed internet, en onze camera’s en computers hebben voldoende opslagcapaciteit. We kijken ook of we kunnen gaan werken met Edge Computing, ofwel snelle dataverwerking dicht bij de databron, voor realtime inzicht en actie op locatie. Dat vergt snelle computers en een goede data-architectuur. Een gemiddeld melkveebedrijf voldoet meestal niet aan al deze voorwaarden. Dat is voor toepassing in de praktijk nog wel een knelpunt.”

Hoe snel verwacht je introductie van stalcamera-monitoring op basis van kunstmatige intelligentie in de praktijk?

“Het kan heel snel gaan, maar de softwareontwikkeling vraagt nog tijd. Wij hebben op Dairy Campus een camerasysteem geïnstalleerd dat op elk melkveebedrijf te gebruiken is. Dit kost ongeveer € 150 per stuk, best betaalbaar. Software en dataopslag is vele malen duurder, daar zit het nog op vast. Hier is verdere ontwikkeling nodig door het bedrijfsleven, om te komen tot praktische en eenvoudige tools waar veehouders op kunnen sturen. Van belang is het destilleren van de juiste informatie uit een hele brij aan data. Vervolgens zijn slagen nodig in de juiste interpretatie van data, en sturing daarop. Mijn toekomstdroom is dat we uiteindelijk alleen maar werken met camera’s in de stal in combinatie met kunstmatige intelligentie. Dan werk je ook niet meer invasief: je belast het dier dus niet meer met een halsband of pedometer. En het voorkomt praktische problemen, zoals een lege sensorbatterij aan de halsband. Maar dat zijn details. Het allerbelangrijkste blijft dat veehouders met meer gemak de gezondheid en het welzijn kunnen verbeteren. Dat leidt tot een ecologisch en economisch duurzame melkveehouderij.”