Innovatieve tools voor de ondersteuning van preventieve en curatieve klauwverzorging bij melkvee.

Centrale onderzoeksvraag/doel

Dit VLAIO-LA-project mikt op de reductie van klauwproblemen bij melkkoeien via een betaalbare intelligente app die thermale camerabeelden (op een GSM vb.) kan verwerken. Daarvoor is er veel en diverse kennis te ontwikkelen. Klauwproblemen behoren tot de belangrijkste gezondheidsaandoeningen bij melkvee. Ze hebben zware economische gevolgen voor het bedrijf. En ze hebben een negatieve impact op het welzijn van de koe omdat een klauwprobleem kan leiden tot kreupelheid. De projectpartners, zijnde UGent (coördinator), ILVO, Inagro, Hooibeekhoeve en HoGent willen de huidige bedrijfspraktijk van detectie en behandeling significant verbeteren. De gamechanger is dat er door de landbouwer hanteerbare mobiele infraroodcameras met thermografie als eerstelijns hulpmiddel worden ingeschakeld. Die zijn tegenwoordig betaalbaarder geworden. Een klauwletsel blijkt vaak al wél te vinden via de warmtecamera, terwijl je visueel nog niets aan de poot ziet. Het grootste werk is echter om een bijhorend zelflerend beeldverwerkingsalgoritme te ontwikkelen voor de automatische detectie van allerlei klauwproblemen.

Onderzoeksaanpak

We zetten een databank op van thermale beelden van koeienklauwen, genomen met mobiele thermale cameras. De databank moet zeer uitgebreid zijn om training van het zelflerend algoritme mogelijk te maken. De ILVO- en UGntonderzoekers gebruiken de verzameling infraroodbeelden (1) om te valideren of ze bruikbaar zijn om de locatie van het klauwletstel nauwkeuriger te bepalen en (2) om te onderzoeken of bepaalde types klauwletsels automatisch te detecteren en klasseren zijn via deep learning technieken. Alles komt dus terecht in een zelflerend beeldverwerkingalgoritme. ILVO zet specifiek zijn schouders onder de vergelijking van beelden van een krachtige dure thermale camera, met beelden van de kleinere, meer betaalbare camera's die men op de GSM kan aansluiten. Bedoeling is om correlaties te vinden tussen de dure en de goedkope. De eerste stap is om bijvoorbeeld hoorn van huid te laten onderscheiden door het algoritme. Vervolgens om letsels correct te leren herkennen in de beelden van de krachtige thermale camera. De laatste fase wordt een softwaretool die betrouwbaar en betaalbaar is voor klauwverzorgers en melkveehouders. Deze tool bepaalt hoe diep men mag en moet snijden om het klauwprobleem te genezen. De onderzoekers werken nauw samen met melkveehouders, klauwverzorgers en dierenartsen.

Relevantie/Valorisatie

Melkveehouders onderschatten nog te vaak de klauwproblematiek en kreupelheidsstatus op hun bedrijf. Met de zelflerende softwaretool voor thermale cameras kan deze bedrijfsblindheid doorbroken worden. We verwachten dat de softwaretool bijdraagt tot de algemene toename in kennis en bewustwording rond het belang van klauwgezondheid, en dat de prevalentie van klauwproblemen op termijn daalt.