Att regelbundet hålla koll på mjölkkors vikt och storlek är avgörande för att fatta rätt beslut om utfodring, djurhälsa och avel. Men i praktiken är det besvärligt att väga kor ofta. Traditionella metoder som användning av viktmåttband eller att fösa korna till en våg är arbetskrävande, tidsödande och ofta oprecisa. Dessutom innebär närkontakt med stora djur en skaderisk för både människa och djur. Många gårdar väger därför korna mer sällan än önskvärt, vilket försvårar en optimal skötsel.
Forskare har provat att använda 3D-kameror och AI för att räkna ut kors vikt och hull automatiskt. Sådana system fungerar i teorin men är dyra och kräver optimala förhållanden.
Utnyttjar teknik i fickan
I forskningsprojektet Pick A Moo valde vi i stället att utnyttja den kraftfulla teknik som många redan har i fickan – mobiltelefonens kamera. Vi hörde talas om en app som påstod sig kunna väga kor via bilder och blev nyfikna. Kunde en vanlig mobiltelefon verkligen uppskatta en kos vikt bara utifrån ett foto? Vi bestämde oss för att utveckla en kostnadsfri app för mjölkbönder.
Vår vision är en enkel app där lantbrukaren tar ett foto av kon och direkt får fram en viktklass. Det skulle spara arbete och göra vägningen till en del av vardagsrutinerna.
Dessutom kan viktobservationer delas med rådgivare, forskare och veterinärer för att få bättre beslutsstöd inom djurhälsa och avel.
Testade viktuppskattning
I forskningsprojektet testade vi hur noggrant det går att uppskatta mjölkkors vikt med hjälp av en vanlig mobilkamera och AI. Lösningen vi utvecklade använder en ny tvåstegsmetod för bildanalys.
Steg 1: Identifiera kon i bilden. Vi tränade ett neuralt nätverk (Mask R-CNN) att hitta kons kropp på fotot (siluetten). Den lärdes upp med hundratals bilder av kor från sidan, tagna på ungefär två meters avstånd under varierande ljus och vinklar. Resultatet blev att algoritmen kan känna igen en ko i bilden med cirka 98 procents noggrannhet.
Steg 2: Uppskatta vikten. I stället för att räkna ut exakta kilon delade vi in referensvikterna i nio klasser. Vi tränade sedan en maskininlärningsmodell som utifrån bilden avgör vilken viktklass kon hamnar i.
Hög träffsäkerhet
När modellen var färdig testades den på nya bilder som den inte sett under inlärningen. Träffsäkerheten blev mycket hög: Upp mot 98 procent rätt viktklass. Alla misstag var dessutom små – de få gånger algoritmen gissade fel tog den bara miste på en klass närmast rätt. I praktiken motsvarar felmarginalen cirka 10–20 kilo, vilket är tillräckligt precist för de flesta beslut på gården.
Med mobilen som våg behöver man inte längre flytta eller fixera djuren för vägning. Dessutom blir det lättare att kontrollera vikt och hull oftare. Då kan man tidigt upptäcka om en ko magrar av efter kalvning eller om ungdjuren inte växer som planerat. Till exempel kan man snabbt gruppera kor efter vikt för att justera utfodring och läkemedelsdosering.
Innan vår prototyp blir en färdig app återstår arbete. En begränsning i dag är att vi har använt en lasersensor (LiDAR) som bara finns i de senaste telefonmodellerna, vilket begränsar användningen. Vi arbetar därför på att få metoden att fungera även utan specialsensor.
Här är några steg som behövs för att gå från prototyp till pålitligt verktyg:
• Grundlig utvärdering: Vi måste testa systemet på fler gårdar och jämföra med våg, så att noggrannheten bekräftas och inga systematiska fel uppstår för vissa djur.
• Bättre bildinsamling och AI-modell: Vi vill förbättra fotoprocessen och algoritmen, till exempel genom att appen guidar användaren till bra bilder och att AI:n kan kombinera foton för säkrare resultat.
• Allt på mobilen: Målet är att hela analysen ska ske på telefonen utan internet, så att bilderna stannar hos användaren. Samtidigt vill vi erbjuda krypterad, frivillig datadelning så att modellen kan kalibreras över tid. En utmaning blir också att hålla appen uppdaterad i takt med nya telefonmodeller.
Om vi lyckas går vi mot en framtid med digital, vågfri vägning på mjölkgårdar – en teknik som kan förbättra lönsamheten, stärka djurhälsan och minska klimatavtrycket.
Oleksiy Guzhva,
universitetslektor, Sveriges lantbruksuniversitet