4.0 για την καλύτερη διαβίωση των ζώων στον αχυρώνα
Τεχνητή νοημοσύνη για περισσότερη καλή μεταχείριση των ζώων στον αχυρώνα. Το Κέντρο Εκπαίδευσης και Γνώσης Boxberg (LSZ) και το Πανεπιστήμιο του Hohenheim αναπτύσσουν πηγές δεδομένων για την αειφόρο κτηνοτροφία: δεδομένα δοκιμών σχετικά με τη συμπεριφορά των ζώων, βιολογικά δεδομένα από ρουτίνες, δεδομένα σχετικά με το περιβάλλον στέγασης, σχετικά με τη γενετική των ζώων: σχετικά με το κοπάδι χοιρομητέρων, συμπεριλαμβανομένης της εκτροφής χοίρων και της πάχυνσης χοίρων στο Κέντρο Εκπαίδευσης και Γνώσης Boxberg (LSZ) υπάρχουν τεράστιες ποσότητες δεδομένων. Ένας θησαυρός που δεν έχει χρησιμοποιηθεί μέχρι στιγμής. Επειδή οι εγγραφές δεδομένων, που έχουν εγγραφεί σε πίνακες Excel, έντυπα ή μέσω εξειδικευμένων εφαρμογών, δεν είναι δικτυωμένες. Οι ειδικοί των επιχειρήσεων πληροφορικής από το Πανεπιστήμιο του Hohenheim στη Στουτγκάρδη συγκεντρώνουν αυτά τα δεδομένα σε μια ψηφιακή πλατφόρμα στο έργο «Γεωργία 4.0: Πληροφοριακό σύστημα για την εκτροφή χοίρων» - και έτσι καθιστούν προσιτή την ανάλυση δεδομένων και τη μηχανική μάθηση. Αυτό επιτρέπει νέα ευρήματα που ωφελούν την καλή διαβίωση των ζώων και έναν μελλοντικό προσανατολισμό της χοιροτροφίας. Το Υπουργείο Αγροτικών Περιοχών και Προστασίας των Καταναλωτών (MLR) χρηματοδοτεί το έργο υπό τη διεύθυνση του LSZ. Με χρηματοδότηση σχεδόν 200.000 ευρώ για το Πανεπιστήμιο του Hohenheim, αποτελεί ερευνητικό επίκεντρο.
Άγχος με τον γείτονα της πένας, τον αγώνα για πρόσβαση σε πόρους όπως νερό, τροφή και επαγγελματικό υλικό, προβλήματα υγείας, υπερβολικά υψηλά επίπεδα επιβλαβούς αερίου στο διαμέρισμα - όλοι αυτοί οι παράγοντες ενθαρρύνουν το δάγκωμα της ουράς στους χοίρους. Η επιστήμη και η πρακτική υποθέτουν ότι η αλληλεπίδραση αυτών των παραγόντων κινδύνου παίζει ρόλο - αλλά υπάρχουν ακόμα πολλά κενά γνώσης εδώ.
Εδώ έρχονται τα έξυπνα μεγάλα αναλυτικά δεδομένα. "Αυτό μας δίνει τη δυνατότητα να αναλύσουμε μεγάλες ποσότητες δεδομένων για αυτούς τους παράγοντες από διαφορετικές πηγές - και έτσι να αποκτήσουμε νέες πληροφορίες και να αποκαλύψουμε προηγούμενες άγνωστες σχέσεις", εξηγεί ο καθηγητής Dr. Stefan Kirn, επικεφαλής του τμήματος Business Informatics II στο Πανεπιστήμιο του Hohenheim.
"Η κτηνοτροφία προσφέρει προκλητικές εφαρμογές για διαδικασίες μηχανικής μάθησης, για παράδειγμα η καλή διαβίωση των ζώων μπορεί να βελτιωθεί ή η επιχειρησιακή διαχείριση μπορεί να βελτιστοποιηθεί", τονίζει ο ειδικός επιχειρήσεων πληροφορικής Martin Riekert, ο οποίος είναι επικεφαλής του επιμέρους έργου στο Πανεπιστήμιο Hohenheim.
Διαφορετικές δυνατότητες εφαρμογής στην κτηνοτροφία
Ένα θέμα που οι ερευνητές έχουν στη διάθεσή τους είναι το ερώτημα του πώς να εντοπίσουν τους κινδύνους για την υγεία στα χοιρίδια σε πρώιμο στάδιο χρησιμοποιώντας μεθόδους μηχανικής μάθησης. Για το σκοπό αυτό, εξετάζουν επί του παρόντος περίπου 25 μεταβλητές και αξιολογούν δεδομένα για περίπου 2011 χοίρους από το 50.000 για να ελέγξουν εάν είναι πιθανές προβλέψεις για πρώιμους κινδύνους για την υγεία.
«Μια άλλη πιθανή εφαρμογή θα ήταν η παρακολούθηση της συμπεριφοράς των ζώων ως μέρος της παρακολούθησης της καλής μεταχείρισης των ζώων, προκειμένου να εντοπιστεί το άγχος σε πρώιμο στάδιο», λέει ο Riekert. Η ομάδα χρησιμοποιεί βιντεοκάμερες για να κάνει βαθιά μάθηση για να αξιολογήσει τη συμπεριφορά των ζώων.
Αυτή είναι επίσης μια σημαντική εφαρμογή για ευρεία πρακτική. Η γεωργική κτηνοτροφία αντιμετωπίζει μελλοντικά καθήκοντα. Πολλοί καταναλωτές σήμερα θέλουν να μάθουν από πού προέρχονται τα ζώα, πώς διατηρούνται και τρέφονται, και ότι τα πάνε καλά. Τα δεδομένα από το ίδιο το ζώο και από το περιβάλλον στέγασης, την τεχνική στέγασης και την κατάσταση της υγείας παρέχουν πληροφορίες για τις πολλές ερωτήσεις. Η ψηφιοποίηση και η δικτύωση συμβάλλουν σημαντικά στη μεγαλύτερη αποδοχή της κτηνοτροφίας στην κοινωνία και στην καλύτερη εικόνα.
Πολλά μεμονωμένα νησιά δεδομένων στο Κέντρο Εκπαίδευσης και Γνώσης του Boxberg
Οι επιστήμονες του Hohenheim θέλουν να το εφαρμόσουν ειδικά στο Κέντρο Εκπαίδευσης και Γνώσης Boxberg (LSZ). Η πρόκληση στο LSZ: «Υπάρχουν πολλά δεδομένα εκεί, αλλά δεν μπορούν να χρησιμοποιηθούν επειδή είναι πολλές μεμονωμένες λύσεις. Δεν είναι δικτυωμένα », λέει ο Δρ. Ο Achim Klein, ο οποίος ήταν επικεφαλής του χώρου εργασίας «Εξόρυξη γνώσης» έως τα τέλη Αυγούστου 2019, στον οποίο έχει ανατεθεί το επιμέρους έργο. «Υπάρχει μια τεράστια ποσότητα που πρέπει να κάνουμε στη ζωική παραγωγή. Επειδή σε αντίθεση με τη φυτική παραγωγή, τα σύνολα δεδομένων είναι σχεδόν προσιτά για ανάλυση δεδομένων. "
Πολύ διαφορετικά δεδομένα καταγράφονται για τις χοιρομητέρες, τα χοιρίδια και τους χοίρους πάχυνσης στους πάγκους διδασκαλίας και πειράματος. "Συλλέξαμε τακτικά δομημένα δεδομένα, όπως δεδομένα προγραμματιστή σποράς ή δεδομένα πάχυνσης και σφαγής", αναφέρει ο Riekert. «Επιπλέον, υπάρχουν περαιτέρω δομημένα δεδομένα για το περιβάλλον στέγασης, όπως η θερμοκρασία του διαμερίσματος, οι ρυθμίσεις εξαερισμού, η ροή νερού ή η κατανάλωση τροφοδοσίας. Επιπλέον, μη δομημένα δεδομένα δοκιμών για τη συμπεριφορά των ζώων, τα οποία, μεταξύ άλλων, μας παρέχουν πάνω από 50 βιντεοκάμερες. "
Ψηφιακή δικτύωση αντί μεμονωμένων λύσεων
Μέχρι στιγμής, αυτά τα δεδομένα έχουν καταγραφεί με πίνακες Excel και εξειδικευμένες εφαρμογές - μέχρι στιγμής, η εγγραφή δεδομένων δεν είναι καν ψηφιακή παντού. Στο έργο, οι επιστήμονες συγκεντρώνουν αυτά τα ετερογενή δεδομένα σε μια πλατφόρμα δεδομένων (αποθήκη δεδομένων).
Για να γίνει αυτό, εξοπλίζουν ολόκληρο το σταύλο με WiFi και εγκαθιστούν βιομηχανικούς υπολογιστές με οθόνες αφής. Ενσωματώνουν υπάρχοντα εξωτερικά συστήματα, για παράδειγμα συστήματα αερισμού και τροφοδοσίας. Ο στόχος: Στην αχυρώνα χωρίς χαρτί, τα χειροκίνητα βήματα δεν είναι πλέον απαραίτητα, τα δεδομένα αποστέλλονται τώρα απευθείας στην πλατφόρμα δεδομένων μέσω της νέας μάσκας εισαγωγής. "Αυτό καθιστά την καταχώριση δεδομένων πιο γρήγορη και πιο αποτελεσματική", εξηγεί ο Tobias Zimpel, βοηθός έρευνας στο έργο. "Διεξάγεται έλεγχος εύλογης επί τόπου και οι εργαζόμενοι μπορούν να έχουν πρόσβαση στο σύστημα πληροφοριών ανά πάσα στιγμή."
Η δικτύωση καθιστά τα δεδομένα διαθέσιμα για ανάλυση δεδομένων. "Με τη μηχανική εκμάθηση, το σύστημα μπορεί να αναγνωρίσει τα μοτίβα και τις κανονικότητες στα διαφορετικά δεδομένα", εξηγεί ο Riekert. «Ο στόχος είναι να αντλήσουμε προηγούμενες μη αναγνωρισμένες σχέσεις και να τις χρησιμοποιήσουμε για να αναπτύξουμε βοηθήματα λήψης αποφάσεων και μοντέλα πρόβλεψης που ωφελούν την καλή διαβίωση των ζώων, την έρευνα και τη συγκεκριμένη εταιρεία.»
ΙΣΤΟΡΙΚΟ: Έργο "Γεωργία 4.0: Πληροφοριακό σύστημα για τη χοιροτροφία"
Το έργο "Γεωργία 4.0: Σύστημα πληροφοριών για τη χοιροτροφία" χρηματοδοτείται από το Υπουργείο Αγροτικών Περιοχών και Προστασίας των Καταναλωτών Baden-Württemberg (MLR) ως μέρος της στρατηγικής της κρατικής κυβέρνησης "Agriculture 4.0 stable.digital". Η διαχείριση του έργου ανήκει στο Κέντρο Εκπαίδευσης και Γνώσης Boxberg (LSZ). Το Τμήμα Επιχειρηματικής Πληροφορικής ΙΙ του Πανεπιστημίου του Hohenheim λαμβάνει 197.648 ευρώ για το μέρος του έργου του, το συνολικό ποσό χρηματοδότησης είναι περίπου 0,3 εκατομμύρια ευρώ. Το έργο ξεκίνησε την 1.11.2016η Νοεμβρίου 31.12.2019 και λήγει στις XNUMX Δεκεμβρίου XNUMX.
Ιστορικό: Έρευνα βαρέων βαρών
Επιστήμονες από το Πανεπιστήμιο του Hohenheim απέκτησαν 32,5 εκατομμύρια ευρώ σε χρηματοδότηση τρίτων το 2018 για έρευνα και διδασκαλία. Σε χαλαρή διαδοχή, η σειρά «Heavyweights in Research» παρουσιάζει εξαιρετικά ερευνητικά έργα με οικονομικό όγκο τουλάχιστον 350.000 ευρώ για έρευνα με χρήση εξοπλισμού ή 150.000 ευρώ για έρευνα μη εξοπλισμού.
Κείμενο: Elsner (Πανεπιστήμιο Hohenheim)
AI στον αχυρώνα: Το LSZ Boxberg και το Πανεπιστήμιο του Hohenheim αναπτύσσουν πηγές δεδομένων για καλύτερη και πιο οικονομική εκτροφή χοίρων | Πηγή εικόνας: Πανεπιστήμιο του Hohenheim / Sacha Dauphin
