Resultaten EU-PLF: Bright Farm by Precision Livestock Farming

Transcriptie

1 Resultaten EU-PLF: Bright Farm by Precision Livestock Farming Dier- en boerderijgerichte benadering van precisie veehouderij in Europa Lenn Carpentier, Tomas Norton, Daniel Berckmans Discussiedagen Gezondheidsmonitoring via beeldtechnologie bij vleeskippen 6 Maart 2018 Geel, België

2 Precision Livestock Farming (Precisie veehouderij) Beheer van vee door continu geautomatiseerde real-time monitoring van productie/reproductie, gezondheid en welzijn van dieren en milieu-impact. 2

3 Voordelen van PLF technologie - Objectieve metingen - Volledig geautomatiseerd - Continu - Gedragsreacties van dieren - Minder controlebezoeken aan de dieren 3

4 EU-PLF Bright Farm by Precision Livestock Farming EU-PLF Partners EU-PLF Farmers EU-PLF Advisory Board Animal Health Consultancy Prof. Jos Metz Prof. Noel Devisch Prof. Leo den Hartog Dr. Dieter Schillinger Mr. I. Blanco-Traba 4

5 Doelstellingen Installaties op 20 Europese boerderijen 60 productiecycli voor vleeskuikens Waar is de waarde van PLF? Opstarten 4 nieuwe PLF spin-off bedrijven EU-PLF Blueprint 5

6 Resultaten en ervaringen van vleeskuikenbedrijven Pig-Poultry Work Group KULeuven (Daniel Berckmans, Vasilis Exadaktylos, Alberto Peña Fernández, Lenn Carpentier) UMIL (Marcella Guarino, Emanuella Tullo, Matteo Siface, Ilaria Fontana) Fancom (Erik Vranken, Tom van Hertem, Luc Rooijakkers) Soundtalks (Dries Berckmans, Martijn Hemeryck, Jasper Wouters) SLU (Harry Blokhuis, Per Peetz Nielssen, Anna Silvera) Bristol (Andy Butterworth, Gemma Richards, Steve Brown) RVC (Theo Demmers) 6

7 Geselecteerde pluimvee bedrijven 7

8 Data verzameling Internet Netwerk (Externe Data Opslag) Observatie op afstand Farm PC Klimaat controller Voer controller 8

9 Installatie van PLF systemen Pluimvee bedrijven 9

10 Data verzameling Onderwerp Aantal rondes Geluidsopnames Beeldopnames Welfare assessments Opmerkingen 90 productie rondes bestanden (5 min), i.e dagen >120 Terabytes 130 welfare assessments door getrainde experten 10

11 Problemen ondervonden gedurende de installatie en data verzameling Geen (betrouwbare) internet connectie Stroomstoringen Vuil op cameralens Hardware defecten Knaagdieren 11

12 PLF applicaties 1. Early warnings op basis van cameraobservaties 2. Automatisch gait score monitoring op basis van cameraobservaties 3. Voorspel productieprestaties van vleeskuikens met behulp van geluidsanalyse 4. Early warnings voor infecties (varkens) om productieverliezen te voorkomen 12

13 Distributie (%) Gemeten versus gemodelleerde distributie dieren Gemeten distributie Voorspelde distributie Prediction window: 1 light period = 5 hours Datum (dd/mm) 13

14 Distributie (%) Voerlijn Event detectie Defecte voerlijn Gemeten waarden Afgevlakte waarden binnen 25% bereik Afgevlakte waarden buiten 25% bereik Voorspelde waarden Normale situatie Probleem in voerlijn Datum(dd/mm) 14

15 Climate control system problems Conclusies early warnings op basis van cameraobservaties Feeding system problems Electricity failure Light problems Water supply problems Farmer s inspection Unloading Vaccination 15

16 PLF applicaties 1. Early warnings op basis van cameraobservaties 2. Automatisch gait score monitoring op basis van cameraobservaties 3. Voorspel productieprestaties van vleeskuikens met behulp van geluidsanalyse 4. Early warnings voor infecties (varkens) om productieverliezen te voorkomen 16

17 Pootproblemen in de vleeskuikenindustrie Vleeskuikenstal: dieren Algemeen voorkomend: 27,6% locomotieproblemen (Knowles et al., 2008) Types pootproblemen Kreupelheid Voetzoollaesies Hock burns Resultaten in het slachthuis == te laat! 17

18 Relatie activiteit en Gait Score 5 bedrijven in EU n = 88 rondes Welfare Quality Gait Score = -0,208 * ACTIVITY + 2,85 De correlatie tussen Gait score en activiteit was 74%. Des te hoger de activiteit in het koppel, des te lager de kans op pootproblemen!

19 PLF applicaties 1. Early warnings op basis van cameraobservaties 2. Automatisch gait score monitoring op basis van cameraobservaties 3. Voorspel productieprestaties van vleeskuikens met behulp van geluidsanalyse 4. Early warnings voor infecties (varkens) om productieverliezen te voorkomen 19

20 Monitoren van geluid in vleeskuikenstallen De figuur toont de geluidsintensiteit tijdens een volledige productiecyclus in een commercieel vleeskuikenbedrijf. 20

21 Geluidsfrequentie-analyse Verband tussen de frequentie van vleeskuikengeluiden en productieprestaties Extract frequencies van de vocalisaties Worst performing round Better performing rounds 21

22 Conclusie Geluidsfrequentieanalyse heeft de potentie om groeivertraging 5 dagen vroeger te voorspellen 22

23 PLF applicaties 1. Early warnings op basis van cameraobservaties 2. Automatisch gait score monitoring op basis van cameraobservaties 3. Voorspel productieprestaties van vleeskuikens met behulp van geluidsanalyse 4. Early warnings voor infecties (varkens) om productieverliezen te voorkomen 23

24 Resultaten hoestmonitor: compartiment A Geen ademhalingsproblemen 24

25 Resultaten hoestmonitor: compartiment B Geen ademhalingsproblemen 25

26 Resultaten hoestmonitor: compartiment C Ademhalingsproblemen opgemerkt door de boer op 12 September De hoestmonitor genereerde een waarschuwing op 29 augustus 26

27 Resultaten hoestmonitor: compartiment D Ademhalingsproblemen opgemerkt door de boer op 23 augustus De hoestmonitor genereerde een waarschuwing op 19 en 23 augustus 27

28 Gemeten prestaties Ziektes Gemeten Comp. A Comp. B Comp. C Comp. D Slachtgewicht (kg) Dagen tot slachten (dagen) Voederconversie(kg/kg) Voer marge p. jaar p. plaats vs. ref. ronde ( ) - (ref)

29 Conclusies Vroege detective kan de voedermarge (inkom minus voederkosten) in geinfecteerde compartimenten met 10,7 per varkensplaats per jaar verhogen Gemiddeld kan in deze casestudy de voedermarge met 6,5 per varkensplaats per jaar stijgen met behulp van een early warning tool 29

30 Aanbevelingen 1. Het moet beter worden aangetoond dat PLF de dieren, de boer, de consument, het milieu ten goede komt en de hulpbronnen spaart. 2. Demonstratieboerderijen kunnen dienen als lighthouses" om PLF te promoten. 3. Betrouwbaarheid van instrumentatie is cruciaal. 4. Training op locatie, de boer moet in staat zijn om de systemen op te starten en te repareren in geval van storing en / of gekwalificeerde services moeten aangeboden worden. 5. PLF is een ondersteuningssysteem voor de boer. Hij neemt de beslissing. 6. Eigendom van gegevens. Boeren moeten hun gegevens bezitten. 7. PLF is voor de meeste boeren de weg naar een nieuwe en diervriendelijke New Age in de veehouderij. 30

31 Algemene conclusie PLF-apperatuur is operationeel in commerciële bedrijven Big data: >300 TB Moeilijk of onmogelijk om al deze data op te laden in een cloud oplossing Noodzaak voor automatische real-time algoritmen die lokaal werken, hiervan kunnen enkele variabelen naar de cloud gestuurd worden om de boer te ondersteunen 31

32 Meetbare en niet-meetbare voordelen voor de landbouwer 32

33 Meetbare voordelen Voorbeelden - Manuren sparen voor inspecties: voorbeeld eyenamic voor vleeskuikens - Minder productieverliezen dankzij early warnings: voorbeeld infectie monitoring van vleesvarkens 33

34 Niet meetbare voordelen Voorbeelden - Deelnemen aan community-evenementen - Gemoedsrust 34

35 Trainen landbouwers Twee Fancom Pluimvee: 4 landbouwers 2 assessoren 7 EU-PLF partners Varkens: 7 landbouwers /vertegenwoordigers 1 assessoren 9 EU-PLF partners 35

36 Farmers workshops

37 Acknowledgments and Disclaimer This project has received funding from the European Union s Seventh Framework Programme for research, technological development and demonstration under grant agreement n The views expressed in this presentation are the sole responsibility of the author(s) and do not necessarily reflect the views of the European Commission. 37