AI-baserad övervakning av mjölkkors utfodring för minskning av växthusgaser från mjölkgårdar

Viktiga resultat som projektet gav

Projektet syftar till att använda AI för att skapa ett hållbart och effektivt tillvägagångssätt för mjölkproduktion. Ett IoT-övervakningssystem med molnbaserade AI-modeller installerades i Vadsbo. Data från videor, ledningssystem och öppna källor ger insikter om utfodring och beteende. Två AI-modeller utvecklades: en för foderintag och en för att övervaka beteende. Vi identifierade också potentialen att bygga en prediktiv modell för att uppskatta metanutsläpp. Utmaningar inkluderar datagranularitet och tillförlitlighetsproblem med IoT-systemet.

Långsiktiga effekter som förväntas

Projektet framgångsrikt utvecklade AI-algoritmer för att mäta fodereffektivitet och utsläpp av växthusgaser i mjölkproduktion. IoT-integrationsmetoder testades på en boskapsfarm där IoT-systemet installerades och effektivt samlade in data. AI-modellerna gav insikter om nötkreaturs utfodringsbeteende och banade väg för framtida framsteg. Nyckelfynd identifierade påverkande faktorer som foderplan, ålder och ras. Optimering gjorde det möjligt att maximera mjölkproduktionen och samtidigt minimera metanutsläppen genom justering av utfodringsrecept och frekvens.

Upplägg och genomförande

Design- och implementeringsprocessen inkluderade planering och installation av IoT-övervakningssystem, insamling av data om boskapsinformation, foder, mjölkproduktion och miljöförhållanden. Efter rengöring och preprocessing av data genomfördes utforskande dataanalys för att förstå datafördelning och relationer. Funktionsteknik utfördes för att skapa prediktiva egenskaper för metanutsläpp. AI-modeller valdes och tränades med en uppdelning av datan i tränings- och testuppsättningar. Modellutvärdering genomfördes för att säkerställa modellens robusthet.