Datadrevet management i mælkeproduktionen

Projektansvarlig:
Thomas Andersen

De forventede resultater fra projektet bliver offentliggjort på denne internetside:
4. kvartal 2022. Projektets resultater stilles gratis til rådighed

Introduktion:
Projektets formål er at automatisere management i malkekvægbesætningerne ved anvendelse af nye digitale teknologier, der udnytter store datamængder fra forskellige datakilder. Vi vil udvikle og afprøve nye digitale teknologier, der kan give mælkeproducenten alarmer kombineret med handlingsanvisninger, hvis der er forhold han/hun bør agere på. I 2022 afsluttes arbejdet med udvikling af modeller, som på basis af landmandens data kan forudsige elementer i produktionen, som kræver landmandens opmærksomhed.

I 2022 vil forudsigelserne blive knyttet til handlingsanvisninger, som landmanden kan følge for at afværge eventuelle problemer. Sidst på året påbegyndes arbejdet med at samle modeller og handlingsanvisning i en prototype, som i 2023 kan afprøves på en række landbrug. Ved brug af alarmer og handlingsanvisninger kan mælkeproducenten via management undgå sundheds- og produktionsforhold, som påvirker produktionen negativt. Det giver bedre økonomi og sikrer en mere ressource effektiv mælkeproduktion.

Projektresultater:

AP1

Early detction of abnormal weight patterns in dairy cows based on AMS weighing data 
Abstract fra Proceedings of the 3rd International Presion Dairy Farming Conference 2022

Vidste du, at vægtændringer hos en ko kan fortælle landmanden om koen trives 
Nyhed på LinkedIn om brug af vægt data til udpegning af køer der ikke trives eller ved at blive syge

Brug af vægt som grundlag for datadrevet management 
Udvikling af Multivariat dynamisk Lineær Model toæ årødoltopm af sygdomme hos malkekøer på baggrund af ændringer i kropsvægt og mælkeydelse

AP2

Alarmer på baggrund af daglig leverance af mælk 
Udvikling af en model til overvågning produktionen på baggrund af daglig mejerileverance af mælk

Big Data har store perspektiver for sundhedsarbejdet i danske kvægbesætninger
Artikel fra Dansk Veterinærtidsskrift nr. 3 2022, om resultater og perspektiver ved brug af datadrevet management

Et skridt nærmere kunstig intelligens i kvægbesætningen 
Udviklingen af kunstig intelligens til kvægbesætninger er nu så langt, at det skal afprøves i praksis

Predicting hoof disordres in cows 
Notebook that describes development of a machine learning model for predicting hoof disorders (med Dansk resume)

Overvågning af opdræt med sensorer 
Undersøgelse af muligheden for at overvåge opdræt med kommerceille 3D accelerometre

AP3

Handlingsanvisninger  
Anvisninger til handlinger som kan præsenteres for brugerne ved en alarm

AP4

Prototype afprøvning 
Design af prototype og valg af modeller til afprøvning