Slimme technologie voor de veesector

Voor een verbetering in het beheer van vee is een systeem waarmee continu informatie is te verzamelen over individuele dieren cruciaal. RUG computerwetenschapper George Azzopardi leidde een team dat een manier heeft ontwikkeld om Holstein koeien met behulp van kunstmatige intelligentie te herkennen terwijl ze in een melkrobot staan op basis van het patroon op hun vacht. Op termijn moet dit systeem het mogelijk maken de dieren overal op de boerderij en op elk moment te monitoren. De resultaten zijn gepubliceerd in het tijdschrift Expert Systems with Application op 12 februari.

Azzopardi, adjuncthoogleraar bij de Informations Systems groep van het Bernoulli Instituut voor Wiskunde, Computerwetenschap en Kunstmatige Intelligentie van de RUG, werkt al een aantal jaren aan een project om nieuwe intelligente systemen te ontwikkelen waarmee de veesector het beheer van de dieren kan verbeteren. Een idee dat tijdens dit project ontstond was dat er een methode zou moeten komen om individuele dieren te identificeren op basis van hun uiterlijk, in plaats van met draagbare sensoren.

Temperatuur

‘De huidige systemen werken met RFID-halsbanden of oorlabels die je alleen op specifieke plekken kunt uitlezen om dieren te identificeren’, legt Azzopardi uit. ‘Het beheer van die halsbanden is een uitdaging, en bovendien zijn ze alleen op korte afstand uit te lezen. Wij wilden een andere aanpak uittesten, die niet-invasief is en gebaseerd op informatie die met een camera wordt verkregen.’ Deze aanpak is uitgewerkt in samenwerking met de Dairy Campus in Leeuwarden, die de onderzoekers toegang gaf tot hun kudde van 383 Holstein koeien. Daarmee konden ze op systematische wijze data verzamelen. Voor het maken van foto’s gebruikten ze een camera die twee beelden tegelijk maakt: een infrarood beeld dat de temperatuurverdeling vastlegt, en een kleurenfoto. Een op kunstmatige intelligentie gebaseerd systeem verwerkt beide beelden samen.

De eerste stap in de analyse moet de koe en haar omgeving onderscheiden. ‘Dit gebeurt via standaard verwerking van het infrarood beeld, en laat de contouren van de koe zien’, legt Azzopardi uit. De tweede stap is om het patroon op de vacht van een flank te bepalen. Hiervoor pasten de onderzoekers een op de hersenwerking gebaseerd algoritme aan dat Azzopardi eerder had ontwikkeld. Dit CORF (Combination of Receptive Fields) algoritme kan de contouren van een patroon goed identificeren in de aanwezigheid van ruis. ‘Dit was zeer belangrijk om een goed resultaat te krijgen.’

Dataset

Azzopardi: ‘Dit nieuwe onderzoek heb ik met drie collega’s uitgevoerd. Ik ben vooral dank verschuldigd aan Amey Bhole, de eerste auteur van ons artikel en destijds een masterstudent van mij. Hij verzamelde de data, maakte onze aanpak klaar voor gebruik en voerde de experimenten uit.’ Bij de start van het onderzoek was er eigenlijk geen goede dataset met beelden van koeien beschikbaar. Daarom zijn die op de Dairy Campus verzameld. ‘Amey bepaalde eerst waar de camera moest staan om goede beelden te kunnen maken, op het punt waar de koeien uit de melkrobot kwamen. Daarna heeft hij negen dagen vanaf die plek beeldmateriaal verzameld. Hij heeft in totaal 3694 gepaarde infrarood/kleuren foto’s gemaakt van 383 verschillende Holstein koeien.’ De melkrobot is als fotolocatie gekozen omdat daar de identificatie van koeien belangrijk is. Dan is het mogelijk individuele koeien te koppelen aan gegevens van de melkrobot, zoals de hoeveelheid melk die ze geven of het gehalte aan eiwit en vet.

Veelbelovend

‘De complete pijplijn voor verwerking van de data bestaat uit een voorbewerkingsstap die metalen staven uit het beeld verwijdert en een ‘convolutional’ neuraal netwerk dat de beelden classificeert’, legt Azzopardi uit. Via systematische experimenten laten de onderzoekers zien dat hun aanpak in 99,7 procent van de gevallen een correcte identificatie van de koe oplevert. ‘Deze aanpak is dus veelbelovend’, aldus Azzopardi. Identificatie ging alleen verkeerd bij koeien die helemaal wit of helemaal zwart waren. Vermoedelijk zijn ook die te identificeren wanneer er meer camera’s worden gebruikt om bijvoorbeeld de kop, de rug of de achterhand van de koe te fotograferen en die beelden gezamenlijk te beoordelen. Behalve de beschrijving van de verwerkingsmethode hebben de onderzoekers ook hun dataset gepubliceerd in een voor iedereen toegankelijk systeem.

Azzopardi legt ook nog uit wat het voordeel is van het gebruik van beelden bij het identificeren van de koeien in plaats van een halsband of oorlabel met RFID. ‘Allereerst, beelden zijn niet invasief, dus beter voor het welzijn van de dieren. Ten tweede, het is goedkoper omdat de boeren geen halsbanden of labels hoeven te kopen. En ten derde, het is schaalbaar, als het aantal koeien op een boerderij toeneemt hoef je geen extra halsbanden te kopen. Je hebt alleen wat foto’s nodig van de nieuwe koeien die je aan het identificatiesysteem toevoegt.’

Referentie: Amey Bhole, Sandeep S. Udmale, Owen Falzon, George Azzopardi: CORF3D contour maps with application to Holstein cattle recognition from RGB and thermal images. Expert Systems with Applications, 12 december 2021.