Доение коров для данных — не только для молока

В середине 1970-х на средней американской молочной ферме было около 25 коров. Сегодня во многих хозяйствах их более 3000 — число, почти немыслимое 25 лет назад.

Управлять большими стадами эффективно было бы сложно, а возможно, и невозможно без последних достижений в области вычислений и автоматизации. Большинство молочных ферм теперь имеют доильные залы и связанные с ними помещения свободного содержания, что удваивает или утраивает производство на человеко-час. Доилки автоматически отсоединяются, чтобы снизить проблемы со здоровьем вымени и улучшить качество молока, а транспондеры для идентификации коров позволяют фермерам автоматически записывать данные о производстве.

Самое последнее крупное технологическое достижение, влияющее на молочную промышленность США, — это разработка автоматических доильных систем, или «роботизированных» доильных аппаратов.

В Kellogg Dairy Center Университета Коннектикута мы используем роботизированные доильные аппараты, а также другие датчики для наблюдения за 100 коровами и их физической средой. С помощью этой работы, начатой этой весной, мы надеемся отслеживать поведение и здоровье отдельных коров в реальном времени, чтобы повысить эффективность производства и благополучие животных.

Большие данные и коровы

Роботизированные доильные аппараты могут собирать молоко без участия человека. Фактически, коровы сами решают, когда доиться, заходя в аппарат без прямого человеческого контроля. Роботизированная система автоматически идентифицирует корову, наносит дезинфицирующий спрей для сосков, после чего роботизированная рука присоединяет доильный стакан.

Это сильно отличается от доения в зале, где менеджеры решают, когда доить коров, обычно три раза в день. Каждая роботизированная доильная установка обслуживает 50–55 коров.

Учитывая высокую цену ранних версий роботизированных доильных аппаратов и большой размер стад в США, американские молочные фермы мало интересовались ими до 2010 года. Однако количество автоматических доильных систем в стране увеличилось до более чем 2500 единиц в 2013 году, в основном благодаря улучшениям в дизайне новых моделей. Во всем мире в настоящее время работает более 35 000 автоматических доильных систем.

Эти новые машины не только улучшили эффективность сбора молока, но и получили дополнительную возможность собирать больше информации о производстве, составе молока и поведении коров. Это позволяет производителям принимать более обоснованные управленческие решения.

При использовании роботизированных доильных систем коровы управляют процессом. Они сами решают, когда есть, пережевывать жвачку, отдыхать или доиться. Им также нужно тратить менее часа в день непосредственно на доение; до появления роботизированных доильных аппаратов доение часто занимало от трех до пяти часов в день.

Мы хотели знать: чем они занимаются в остальное время? Как это поведение влияет на производство или служит индикатором состояния здоровья? Сами по себе доильные аппараты не могут собрать такого рода информацию, которая была бы очень полезна для раннего выявления проблем со здоровьем у конкретной коровы.

Наша «корова-CPS» — киберфизическая система, включающая коров, роботизированные доильные аппараты, видеокамеры и другие датчики — будет отслеживать данные о наших коровах постоянно. Это расскажет нам, среди прочего, куда коровы идут, когда их не доят; когда они решают есть, отдыхать или заниматься другими видами деятельности; и состав их молока. Датчики, размещенные внутри тела, даже сообщат нам pH внутри одного из их желудков, что может быть ключевым индикатором проблем с пищеварением.

Оптимизация молочных ферм

Мы надеемся, что все эти данные позволят нам принимать своевременные решения на уровне отдельной коровы, что нелегко сделать в больших стадах. Это «точное молочное животноводство» может помочь нам понять, как деятельность отдельной коровы — еда, стояние, отдых, доение — влияет на ее молочную продуктивность, качество молока и здоровье.

Мы планируем анализировать данные с помощью машинного обучения — типа искусственного интеллекта, который может находить закономерности в больших объемах информации. Компьютер будет сравнивать данные с моделью того, как ферма должна работать в идеальных условиях. Наша модель фиксирует критические показатели эффективности — качество молока и продуктивность — а также соответствующие ограничения, такие как индивидуальное здоровье и репродуктивный статус.

По мере работы фермы данные в реальном времени позволят нам оценить, насколько наша реальная ферма далека от идеальной. Затем мы можем объединить эту информацию с алгоритмом математической оптимизации, чтобы определить, как именно мы должны изменить или скорректировать процесс. Например, алгоритм может предложить изменить тип обработки сосков, питательную ценность корма или количество времени, которое каждая корова тратит на кормление.

Мы надеемся, что наша работа позволит молочным фермерам по всей США лучше управлять отдельными коровами в условиях группового содержания — не только для увеличения производства молока, но и для укрепления здоровья коров.