В молочной промышленности всё чаще применяют автоматизацию с использованием датчиков и робототехники. Исследователи из Texas A&M AgriLife помогают производителям использовать эти развивающиеся технологии для оптимизации производства и улучшения здоровья и благополучия молочного скота.
Сушил Паудял, доктор философии, доцент кафедры молочного животноводства в Колледже сельского хозяйства и наук о жизни Техасского университета A&M, возглавляет исследования, в которых искусственный интеллект (ИИ) и технологии машинного обучения применяются для сбора расширенных данных в режиме реального времени на фермах. Эти системы поддерживают раннее выявление заболеваний, принятие обоснованных решений и экономически эффективное внедрение робототехники.
«Сенсорные системы, искусственный интеллект и аналитика в реальном времени меняют подходы к принятию решений на молочных фермах, — говорит Паудял. — Но чтобы быть эффективными, эти технологии должны быть адаптируемыми, обновляемыми и ориентированными на потребности отдельных ферм».
Лаборатория Паудьяла занимается практическими исследованиями, основанными на технологиях, которые помогают производителям опережать меняющиеся вызовы, включая растущий тепловой стресс и изменение динамики рабочей силы. Модели, основанные на технологиях, могут выявлять заболевания на ранней стадии, улучшать управление стадом и повышать эффективность на молочных фермах. Паудял уже успешно внедрил модели для выявления хромоты, мастита и теплового стресса у отдельных молочных коров, используя передовые алгоритмы анализа данных, обученные на изображениях с камер и поведенческих сигналах.
«Сейчас мы разрабатываем модели эффективности ферм на основе машинного обучения для роботизированных систем доения, стремясь точно определить время простоя и сбои в доении», — сказал он.
На недавней конференции США по точному животноводству в Линкольне, Небраска, Паудял и его команда представили результаты своих исследований.
Одной из целей Паудьяла является создание неинвазивных, экономически эффективных диагностических инструментов, которые работают в различных системах производства. Например, некоторые из них используют системы на основе камер вместо физических датчиков для мониторинга больших групп коров, снижая затраты на запуск и расширяя воздействие.
«Мы разрабатываем датчики в нашей лаборатории, которые могут помочь выявлять заболевания без сбора инвазивных образцов крови или молока», — сказал Паудял. «Они будут отслеживать поведение и физиологические показатели, чтобы определять больных коров».
Его команда в настоящее время разрабатывает виртуального помощника «DairyBot» — инструмент генеративного искусственного интеллекта, который позволит производителям оценивать данные фермы и результаты лабораторных исследований, а также задавать вопросы о решениях по кормлению, используя искусственный интеллект для интерпретации данных стада в режиме реального времени.
«У них будет советник в режиме реального времени с обширной областью знаний, который сможет использовать данные их фермы и специальную литературу по молочному животноводству, — сказал Паудял. — Это не заменит ветеринара или диетолога, но расширит их возможности и поддержит их в принятии обоснованных решений».
Паудял представит первые результаты на конференции Американской ассоциации молочного животноводства в Луисвилле, Кентукки, 22–25 июня. Рабочий прототип DairyBot ожидается в течение шести месяцев.
Хотя Паудял говорит, что технологии и принятие решений в режиме реального времени — это будущее молочных ферм, он подчёркивает важность гибких решений подходящего размера. Однако, хотя многие фермеры видят возврат инвестиций, темпы внедрения варьируются.
Он считает, что системы на основе камер, которые отслеживают большие группы коров, могут снизить первоначальные затраты и повысить уровень внедрения, что в конечном итоге поможет минимизировать цифровой разрыв.
«Я всегда хочу разрабатывать решения для реальных проблем, которые помогают молочным фермерам, — сказал Паудял. — Как университет, предоставляющий гранты, с миссией поддержки молочных фермеров Техаса, важно разрабатывать исследовательские проекты, которые предоставляют практические решения, применимые на практике. Оснащая фермеров инструментами и ресурсами, которые им нужны, мы можем более эффективно решать реальные проблемы на ферме».
Предоставлено
Texas A&M University