Вступ
Sushil Paudyal, Ph.D., асистент професора молочної науки в Техаському університеті A&M у відділі тваринництва, демонструє спеціально розроблений сенсор, створений у його лабораторії для виявлення хворих корів без необхідності інвазивних зразків. (Фото: Texas A&M AgriLife)
Молочна наука: Автоматизація в молочній промисловості
COLLEGE STATION, Texas — Оскільки молочна наука 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 молочної худоби.
Роль Sushil Paudyal
Sushil Paudyal, Ph.D., асистент професора молочної науки в Техаському коледжі сільського господарства та наук про життя, очолює ці зусилля. Він керує дослідженнями, які застосовують штучний інтелект (AI) та технології машинного навчання для збору розширених, реальних даних на фермах, розробляючи системи, що підтримують раннє виявлення захворювань, обґрунтоване прийняття рішень і економічно ефективне впровадження робототехніки.
“Системи на основі сенсорів, AI та аналітика в реальному часі трансформують спосіб, яким молочні ферми приймають щоденні рішення,” — сказав Paudyal. “Але для ефективності ці технології повинні бути адаптивними, оновлюваними та налаштованими під потреби конкретної ферми.”
Молочна наука: Майбутнє молочного виробництва на основі даних
Лабораторія Paudyal зосереджується на практичних, технологічних дослідженнях, які допомагають виробникам залишатися попереду еволюційних викликів, включаючи зростаючий тепловий стрес і змінну динаміку праці.
Технологічні моделі
- Виявляти захворювання на ранніх стадіях
- Покращувати управління коровами
- Підвищувати ефективність на молочних фермах
Вже зараз він успішно впровадив моделі для виявлення кульгавості, маститу та теплового стресу у окремих молочних корів, використовуючи алгоритми аналітики, навчання на зображеннях з камер та поведінкових сигналів.
“Зараз ми розробляємо моделі ефективності ферми на основі машинного навчання для роботизованих доїльних систем, з метою виявлення бездіяльного часу та збоїв у доїнні,” — зазначив він.
Молочна наука: Дослідження на конференції
На нещодавній конференції з точного тваринництва в Лінкольні, Небраска, Paudyal та його команда представили деякі свої дослідження:
Оцінка впливу теплового стресу на ефективність роботизованих доїльних систем
- Дослідження, яке очолював аспірант Rajesh Neupane, розробило моделі машинного навчання та комп’ютерного зору, які визначили, що управління тепловим стресом є критично важливим у роботизованих доїльних системах.
- Це значно впливає на потік корів, використання роботів, обсяг молока, споживання корму та продуктивність доїння.
AI-орієнтована кількісна оцінка теплового стресу та маститу у молочних корів
Дослідження описує автоматизовану систему відеомоніторингу, яка використовує AI для оцінки теплового стресу та маститу у молочних корів через поведінкові сигнали.
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.
Інновації 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 стартові витрати та розширюючи вплив.
“Ми розробляємо сенсори у нашій лабораторії, які можуть допомогти виявляти захворювання без збору інвазивних зразків крові або молока,” — сказав Paudyal.
Розробка DairyBot
Його команда наразі розробляє віртуального помічника “DairyBot”, генеративний AI інструмент, який дозволить виробникам оцінювати дані ферми та результати лабораторії, а також ставити запитання щодо рішень про корм, використовуючи AI для інтерпретації даних стада в реальному часі.
“Вони матимуть радника в реальному часі з величезною базою знань, який може використовувати дані їхньої ферми та специфічну літературу про молоко,” — зазначив Paudyal.
Молочна наука: Технології для всіх молочних ферм
Хоча Paudyal зазначив, що технології та прийняття рішень в реальному часі є майбутнім молочних ферм, він підкреслює важливість гнучких, адаптованих рішень. Однак, хоча багато фермерів бачать повернення інвестицій, рівень впровадження варіюється.
Зниження витрат
Він вважає, що системи на основі камер, які моніторять більші групи корів, можуть знизити початкові витрати та збільшити впровадження, в кінцевому підсумку допомагаючи мінімізувати цифровий розрив.
“Я завжди хочу розробляти рішення для реальних проблем, які допомагають молочним фермерам,” — сказав Paudyal. “Як університет з місією підтримувати молочних фермерів Техасу, важливо розробляти дослідницькі проекти, які надають практичні, негайно застосовувані рішення.”
Можливість стежити за новинами у більш стислому форматі в Facebook або Telegram повернутися на головну сторінку