På gårdar där korna mjölkas med robotar granskas mjölken av sensorer som bland annat mäter färg och ledningsförmåga. Sensordata kan även användas för att indirekt uppskatta celltalet i mjölken, ett viktigt mått på både juverhälsa och mjölkkvalitet. Det visar Dorota Anglart från SLU och DeLaval i en avhandling som bland annat presenterar maskininlärningsmodeller.

Traditionellt undersöker den som mjölkar kor hur mjölken ser ut innan spenkopparna sätts på. Det handlar då om att leta efter flockor, färgförändringar eller andra avvikelser, för att hitta sjuka kor och förhindra att dålig mjölk hamnar i tanken. I automatiska mjölkningssystem med robotar används i stället olika sensorer.

Dorota Anglart har i sitt doktorsarbete undersökt möjligheten att få fram mer information från de kombinationer av mätvärden som samlas in dagligen i automatiska mjölkningssystem.

Mätvärden från sensorerna användes som indata i maskininlärningsmodeller som tränades för att kunna ge en uppskattning av mjölkens celltal och förekomst av flockor – två väletablerade och viktiga indikatorer på juverhälsa och mjölkkvalitet.

–Det är inte första gången som data från sensorer kombineras för att försöka hitta sjuka kor eller identifiera mjölk av dålig kvalitet. Däremot finns det väldigt få modeller som kan skatta celltalet, och inga modeller som kan upptäcka förekomsten av flockor. Dessutom vet man väldigt lite om flockor på juverfjärdedelsnivå hos kor som mjölkas automatisk, säger Dorota Anglart.

Mjölkens celltal (mängden vita blodkroppar) mäts regelbundet för att övervaka mjölkkvalitet och juverhälsa, men det kräver manuellt arbete och kan vara kostsamt. De modeller som Dorota Anglart och hennes kolleger nu har tagit fram visade sig kunna skatta mjölkens celltal med liten felmarginal som blev ännu mindre om celltalet från kons tidigare mjölkningar var kända. Det visade sig också att skattningen inte blev bättre genom att använda data från mer än tre dagar, vilket betyder att kon inte behöver vara särskilt länge i besättningen förrän det går att göra en skattning.

–Med modeller som utnyttjar dagliga data från mjölkningsroboten skulle det kunna vara möjligt att få mått på celltal så ofta som användaren själv önskar, utan provtagning. Skattade värden på celltal skulle även kunna användas som indata till modeller för att hitta sjuka kor, då möjligheten att hitta juverinflammationer förbättras om celltalet ingår i sådana modeller, säger Dorota Anglart.

I avhandlingen ingår även en unik undersökning av förekomsten av flockor på juverfjärdedelsnivå hos kor i automatiska system. Det visade sig bland annat att sannolikheten för att en ko ska ha flockor i mjölken ökade med större mjölkningsintervall, och även att risken för förekomst av flockor ökade om kon hade haft mycket flockor i samma juverdel vid en tidigare mjölkning. Forskarnas modeller kunde med hög säkerhet peka ut kor vars mjölk inte innehöll flockor, men det var svårare att peka ut de kor som hade flockor i mjölken, och då framförallt dem som hade en mindre förekomst av flockor.

–I framtiden hoppas vi kunna skapa appar där användaren lätt kan få en uppfattning om celltalsnivå hos enskilda kor, och förhoppningsvis även i kombination med risken för förekomst av flockor i mjölken, avslutar Dorota Anglart.

Bildtext: Automatisk mjölkning vid Lövsta lantbruksforskning, SLU:s anläggning för forskning och utbildning om lantbrukets djur. Foto: Mark Harris

Länk till avhandlingen här

Källa: SLU