3D-teknik visar hur kor egentligen reser sig

En mjölkko reser sig 10–15 gånger om dagen. Hur bekvämt kon kan resa och lägga sig påverkar hennes benägenhet att ligga ner, men också hennes uppfattning om kvaliteten på sin fysiska miljö. Resningsrörelser sker snabbt och är därför lätta att missa. I stora besättningar blir det ännu svårare att bedöma hur bekvämt korna kan resa och lägga sig. När arbetet är omfattande, antalet djur stort och många moment automatiserade uppstår frågan: hur identifierar vi exakt vilken individ som behöver uppmärksamhet?

När kon reser sig för hon huvudet framåt för att skapa en hävstångseffekt, en mekanisk kraft som hjälper till att lyfta bakdelen. Detta kräver tillräckligt med rörelseutrymme, så kallat framåtrum, som traditionellt mäts till 60–90 centimeter framför liggbåset. Alla kor använder dock inte detta utrymme på samma sätt. Kor uppvisar en rad atypiska rörelser för att hantera begränsningar i liggbås. Exempelvis genom att sträcka huvudet åt sidan eller krypa bakåt på frambenen.

Varierande rörelsemönster

För att veta om kor kan resa sig enligt naturliga rörelsemönster räcker det därför inte att enbart mäta utrymmet framför liggbåset.

Variationen i rörelsemönster var en av de första observationerna i ett forskningsprojekt om kokomfort och 3D-datorseende vid Sveriges lantbruksuniversitet, lett av Niclas Högberg, forskare vid enheten för veterinärmedicinsk epidemiologi på SLU. Variationerna visar sig ofta i små, individuella beteenden som är svåra att uppfatta med blotta ögat.

Samtidigt som besättningarna växer i storlek, blir stallarna allt mer digitaliserade med sensorer som genererar stora mängder data om exempelvis aktivitet, hälsa, idissling och rörelsemönster.

I samarbete med Sony, som har stor expertis inom sensorteknik, undersöktes om sensorer kan bedöma kokomfort i liggbås. Den använda tekniken kallas 3D-posestimering och är ursprungligen utvecklad för att analysera idrottares rörelsemönster vid styrketräning. Med hjälp av tekniken undersöktes kornas rörelsemönster när de reser sig och lägger sig.

På bilden med mörk bakgrund nedan ser man videorutor med tre kor i liggbås i den övre delen. På korna syns färgade prickar. Genom att kombinera kamerabilder från flera vinklar identifierar AI specifika kroppsdelar. Varje bild är tagen från olika vinklar och trianguleras till koordinater, vilket ger en tredimensionell representation av kon – en så kallad ”3D pose” – baserad på specifika anatomiska strukturer. Denna pose motsvarar streckfiguren som syns i den nedre delen av bilden.

Rakare huvudrörelser i flexibla bås

Dessa 3D-representationer ger detaljerad information om rörelser, men ytterligare tolkning krävs för att förstå hur rörelserna speglar nivån på kokomforten i liggbåset. I datorn ser det helt annorlunda ut än i stallet. I grafen visas förflyttning av kroppsdelar över hela rörelsen. Att tolka signalerna var fokus för mitt avhandlingsarbete och där vi samarbetade med Växa. De delade med sig av vilka parametrar de bedömer vid resning. Till exempel hur rakt huvudets framåtrörelse är, rörelsens varaktighet, förekomst av pauser eller om kon kryper bakåt på frambenen mitt i rörelsen.

Vi försökte automatisera bedömningen av dessa beteenden och det fungerade. Genom att till exempel använda databehandling av tidsserierna som visas i grafen kan vi avgöra exakt när rörelsen börjar och slutar, och därigenom beräkna varaktigheten. Algoritmen hade hög överensstämmelse med mänskliga observationer (fastän fullständig överensstämmelse uppnås dock inte, tänk till exempel på variationen mellan två personer som bedömer hälta).

Tekniken testades i ett försök där liggbås med metallbågar jämfördes med liggbås med flexibla band. Dessa syns på bilden från Lövsta lantbruksforskning, där studien genomfördes. Resultaten visade att kor kunde göra längre och rakare huvudrörelser i liggbås med flexibla båselement. Kor med initialt kortare framåtrörelser förbättrades mest, vilket tyder på att flexibla liggbåselement bättre anpassar sig till olika individers naturliga rörelsemönster hos fler kor.

En del av framtidens smarta stall

Varaktihet är den indikator som oftast används för att bedöma liggbåset. Ett resultat i studien visade dock att kor ibland uppvisar avvikande rörelser trots kort varaktighet. Varaktigheten påverkades inte heller i större utsträckning av de flexibla banden. När människor bedömer kors resningsbeteende kan de bara fokusera på ett begränsat antal parametrar. Med 3D-analys kan flera indikatorer bedömas samtidigt, vilket möjliggör en mer nyanserad tolkning av beteendet. Detta gör det möjligt att skilja mellan en ko som reser sig långsamt men normalt och en ko som reser sig snabbt men först justerar sin position genom att krypa bakåt, ett beteende som inte observeras på bete eller i lösdrift utan liggbås.

Artificiell intelligens och datorseende blir allt vanligare i mjölkstallar. Forskning om digitalisering vid SLU visar hur stora datamängder kan omvandlas till biologiskt meningsfull information om kors rörelser och komfort. Detta är ett steg mot automatiserad och kontinuerlig övervakning av djurvälfärd i framtidens smarta stall.

Text: Adrien Kroese
Postdoktor vid SLU