Datadrevet management i mælkeproduktionen
Projektansvarlig:
Thomas Andersen
De forventede resultater fra projektet bliver offentliggjort på denne internetside:
4. kvartal 2021. 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.
Projektet har i 2021 fokus på udvikling af modeller til forudsigelse af produktionen ved anvendelse af avanceret statistik og machine learning på data fra bl.a. Kvægdatabasen. Arbejdet vil bestå i udtræk, analyse og modeludvikling i forhold til forudsigelse af produktionen med udgangspunkt i respons på den enkelte bedrift. Forudsigelserne anvendes til bedriftsspecifikke alarmer samt forklaringsårsager. Arbejdet med modeludvikling er delt i to arbejdspakker, hvor den første har specifikt fokus på anvendelse af vægtdata. Den anden har et bredere fokus i forhold til mælkemængde, mælkekvalitet, sundhed og holdbarhed. Arbejdet med modeludviklingen fortsætter i 2022, hvor der også leveres handlingsanvisninger, som i 2023 kan indarbejdes i en prototype, der vil blive afprøvet på en række kvægbedrifter.
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
Forudsigelse af ketose
Notat om udvikling af model til forudsigelse af ketose
Gang i udviklingen af kunstig intelligens til kvægbruget
Mælkeproducenterne vil fremover øge deres brug af kunstig intelligens som grundlag for styring af bedriften - og til at træffe daglige beslutninger med
Kausaldiagrammer for lidelser som er relateret til vejning af køer
Analyse af de faglige sammenhænge mellem parametre, der har indflydelse på vægtændring. Analysen kan anvendes som input til udvikling af modeller til forudsigelse af forskellige sundheds- op produktionsforhold på baggrund af bl.a. vægtdata
Oprensning af vægtdata
Notat om oprensning af vægtdata
Stort potentiale i kunstig intelligens
Artikel fra Effektivit Landbrug den 22. december 2021 om arbejdet med brug af kunstigintelligens i mælkeproduktionen
Tidlig identifikation af unormale vægtkurver hos malkekøer på baggrund af AMS vejedata
Artikel udarbejdet til det 43. Symposium i Anvendt Statistik, der var planlagt til den 24.-26. januar 2022. Arrangementet er dog udsat til august 2022 pga. den seneste udvikling i Covid-19. Bemærk at artiklen er på engelsk.
AP2
Mastitis behandling
Notat om matchet analyse med celletalsdata fra ydelseskontrollen
Målydelse
Notat om faglige overvejelser, datatræk og planlagte analyser
Risiko for udsætning
Notat om faglige overvejelser, dataudtræk, dataoprensning og modeludvikling i arbejdet på at kunne forudsige risiko for udsætning
SEGES godt på på vej med datadrevet management i mælkeproduktionen
Kort nyhed fra projektet på linkedIn
Varmestress
Dataudtræk, dataoprensning og datamodellering til brug for forudsigelse af varmestress i mælkeproduktionen