Prosjektet ble startet som følge av den økende bruken av automatiske melkingssystemer (AMS), eller melkeroboter, i norsk melkeproduksjon. De siste to tiårene har AMS blitt en viktig del av norsk melkeproduksjon. Teknologien gir nye muligheter for bonden, men skaper også nye utfordringer knyttet til oppfølging av dyrehelse, reproduksjon, energistatus og produksjon.
Norsk melkeproduksjon har særlige forhold knyttet til klima, geografi og utstrakt bruk av grovfôr og grasensilasje. Samtidig genererer AMS store mengder data om den enkelte ku, blant annet om melkeproduksjon, melkingsaktivitet og andre produksjons- og helserelaterte indikatorer. Det kan være krevende å utnytte disse dataene effektivt fordi de er omfattende og komplekse og må tolkes på en meningsfull måte.
Prosjektet hadde som mål å utvikle nye metoder for å bruke AMS-data til bedre oppfølging av melkekyr. Arbeidet fokuserte på å identifisere indikatorer for dyrehelse, reproduksjonsstatus og energibalanse, samt å øke kunnskapen om hvilke faktorer som påvirker bondens beslutning om å investere i AMS. Prosjektet skulle også bidra med kunnskap som kan støtte bedre besetningsstyring og en mer bærekraftig melkeproduksjon.
SINTEFs bidrag i prosjektet
SINTEF bidro ved å utvikle og anvende matematiske modeller, statistiske metoder og maskinlæring for å analysere store og komplekse datasett fra AMS. Metodene ble brukt til å identifisere viktige mønstre og mulige biomarkører i sensor- og produksjonsdata, samt til å utvikle prediktive modeller for oppfølging av enkeltkyr. Resultatene kan bidra til tidligere oppdagelse av endringer i dyrehelse og produksjon og støtte bonden i mer informerte, datadrevne beslutninger.
Les bloggen
("Machine learning and milk analyses make it easier to monitor cow and herd health"). Bloggen er på engelsk.