FRIPRO - Banebrytende forskning innen landbruk
Store datamengder samles inn i norsk husdyrproduksjon. Dette kan brukes til å avdekke skjulte mønstre, se sammenhenger og for å lage prediksjoner for bedre helse og velferd. For å kunne dra nytte av disse store datamengdene innen helse og smittespredning, trengs det kunnskap innen både avanserte matematiske analyser og biologiske sammenhenger. I tillegg vil dataprogrammer kunne lære av mønster som dukker opp over tid (maskininnlæring).
I Norge kommer mer enn halvparten av melka fra gårder med nye driftsformer som automatiske melkesystemer (AMS). Disse systemene genererer enorme mengder data som vi kan nyttiggjøre oss under forutsetning av at vi tar del i kompetanseoppbyggingen. TraWel vil øke kunnskapen ved NMBU innen håndtering av store datamengder fra moderne melkesystemer og bidra til å utnytte disse ved hjelp av avanserte matematiske og statistiske analyser. Kunnskapen som skapes igjennom TraWel, kan Veterinærhøgskolen dra nytte av i sitt arbeid med forebyggende helsearbeid, og på denne måten bidra til kunnskapsbasert utvikling for norsk husdyrproduksjon. Ved NMBU har vi sterke miljø innen biologi, matematikk, robotisering og statistikk, og vi er derfor i en unik posisjon til å bidra i det grønne skiftet. For oss, som veterinærer, betyr det sunn mat fra friske kyr.
I TraWel skal vi utvikle nye metoder for å utnytte store datamengder til å avdekke sykdom på et tidlig tidspunkt hos kyr. De store datamengdene det her er snakk om, er biosensordata fra melkemaskiner - som samles inn flere ganger om dagen per ku gjennom hele året. Vår målsetning er å oppdage og overvåke den smittsomme sykdommen er subklinisk mastitt (skjult jurbetennelse). Denne sykdommen forårsaker store tap i norsk melkeproduksjon. Subklinisk mastitt utvikler seg ofte til klinisk mastitt som er en smertefull tilstand. Infeksjoner i juret er også blant de viktigste åraskene til forkortet levetid hos kyr. Ved å integrere sensordata fra automatiske melkesystemer i NCDX (Nordic Cattle Data Exchange) -databasen, vil vi utvikle et beslutningsverktøy for håndtering og tidlig varsling av subklinisk mastitt på både besetnings- og individnivå.
Deltakere
Amira Rachah
SINTEF