Вступ
Оскільки молочна промисловість все більше впроваджує автоматизацію за допомогою сенсорів і робототехніки, дослідники Texas A&M AgriLife допомагають виробникам використовувати цю еволюційну технологію для оптимізації виробництва та покращення здоров’я і добробуту молочних корів.
Молочна промисловість: Дослідження Sushil Paudyal
Sushil Paudyal, Ph.D., доцент молочної науки в Texas A&M Department of Animal Science, демонструє спеціально розроблений сенсор, створений у його лабораторії для виявлення хворих корів без необхідності інвазивних зразків.
Використання штучного інтелекту в молочному виробництві
Sushil Paudyal, Ph.D., допомагає очолити ці зусилля. Він керує дослідженнями, які застосовують штучний інтелект (AI) та технології машинного навчання для збору розширених, реальних даних на фермах, розробляючи системи, які підтримують раннє виявлення захворювань, обґрунтоване прийняття рішень та економічно ефективне впровадження робототехніки.
“Системи на основі сенсорів, AI та аналітика в реальному часі трансформують те, як молочні ферми приймають щоденні рішення,” – зазначив Paudyal. “Але для того, щоб бути ефективними, ці технології повинні бути адаптивними, оновлюваними та налаштованими на індивідуальні потреби ферми.”
Створення майбутнього молочного виробництва на основі даних
Лабораторія Paudyal зосереджується на практичних, технологічних дослідженнях, які допомагають виробникам залишатися попереду еволюційних викликів, включаючи зростаючий тепловий стрес і зміни в трудовій динаміці. Моделі, засновані на технологіях, можуть виявляти захворювання на ранніх стадіях, покращувати управління коровами та підвищувати ефективність на молочних фермах. Він вже успішно впровадив моделі для виявлення кульгавості, маститу та теплового стресу у окремих молочних корів, використовуючи алгоритми аналітики, навчені на зображеннях з камер та поведінкових сигналах.
Молочна промисловість: Останні дослідження
- Оцінка впливу теплового стресу на ефективність роботизованих доїльних систем – Це дослідження, яке очолює аспірант Rajesh Neupane, розробило моделі машинного навчання та комп’ютерного зору, які визначили, що управління тепловим стресом є критично важливим у роботизованих доїльних системах, оскільки воно суттєво впливає на потік корів, використання роботів, виробництво молока, споживання корму та ефективність доїння. Корови в прохолодніших умовах працюють значно краще. Стратегії пом’якшення, такі як покращене охолодження, вентиляція та коригування протоколів годування, є критично важливими для підтримки продуктивності та добробуту тварин.
- AI-орієнтована кількісна оцінка теплового стресу та маститу у молочних корів – Це дослідження описує автоматизовану систему моніторингу на основі відео, яка використовує AI для оцінки теплового стресу та маститу у молочних корів через поведінкові сигнали, що дозволяє здійснювати моніторинг в реальному часі, що покращує добробут тварин та ефективність ферми.
- Використання комп’ютерного зору для виявлення різних умов цифрового дерматиту – Це дослідження вивчає останні досягнення в комп’ютерному зорі та підходах машинного навчання для раннього виявлення та прогнозування цифрового дерматиту у молочних корів, зосереджуючи увагу на їхньому потенціалі для реального застосування. Комп’ютерний зір дозволяє раннє, точне та неінвазивне виявлення цифрового дерматиту у молочних корів, покращуючи моніторинг здоров’я та зменшуючи залежність від суб’єктивної візуальної оцінки.
Молочна промисловість Інновації, розроблені для реального використання
Однією з цілей Paudyal є створення неінвазивних, економічно ефективних діагностичних інструментів, які працюють у різних виробничих системах. Наприклад, деякі з них покладаються на системи на основі камер замість фізичних сенсорів для моніторингу великих груп корів, знижуючи початкові витрати, одночасно розширюючи вплив.
“Ми розробляємо сенсори в нашій лабораторії, які можуть допомогти виявляти захворювання без збору інвазивних зразків крові або молока,” – сказав Paudyal. “Вони будуть моніторити поведінку та фізіологічні змінні для визначення хворих корів.”
Його команда наразі розробляє віртуального асистента “DairyBot”, інструмент на основі генеративного AI, який дозволить виробникам оцінювати дані ферми та результати лабораторії, а також ставити запитання щодо рішень про годування, використовуючи AI для інтерпретації даних стада в реальному часі.
“Вони матимуть радника в реальному часі з величезним обсягом знань, який може використовувати дані їхньої ферми та спеціалізовану літературу про молочне виробництво,” – зазначив Paudyal. “Це не замінить ветеринара або дієтолога, але це надасть їм можливість і підтримку для обґрунтованого прийняття рішень.”
Молочна промисловість: Дослідження в галузі тваринництва
Paudyal представить ранні результати на конференції Американської асоціації молочної науки в Луїсвіллі, Кентуккі, з 22 по 25 червня. Робочий прототип DairyBot очікується протягом шести місяців.
Технології, що підходять для всіх молочних ферм
Хоча Paudyal зазначив, що технології та прийняття рішень в реальному часі є майбутнім молочної промисловості, він підкреслює важливість гнучких, адаптованих рішень. Однак, хоча багато фермерів бачать повернення інвестицій, темпи впровадження варіюються.
Він вважає, що системи на основі камер, які моніторять більші групи корів, можуть зменшити початкові витрати та збільшити впровадження, в кінцевому підсумку допомагаючи зменшити цифровий розрив.
“Я завжди хочу розробляти рішення для реальних проблем, які допомагають молочним фермерам,” – сказав Paudyal. “Як університет з земельним грантом, чия місія полягає в підтримці молочних фермерів Техасу, важливо розробляти дослідницькі проекти, які надають практичні, негайно застосовувані рішення. Оснащуючи фермерів інструментами та ресурсами, які їм потрібні, ми можемо ефективніше вирішувати реальні проблеми на фермі.”
Можливість стежити за новинами у більш стислому форматі в Facebook або Telegram повернутися на головну сторінку