Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Früherkernnung Milchkuh

loleg
September 05, 2020
430

Früherkernnung Milchkuh

loleg

September 05, 2020
Tweet

Transcript

  1. 5.9.2020
    Cecile Aschwanden
    Rebekka Flury
    Adrian Schneebeli
    Stefan Schneebeli
    Ramon Winterberg
    Die gesunde Kuh
    05.09.2020

    View Slide

  2. Fragestellungen
    Was können Daten über den Gesundheitszustand der Kuh voraussagen?
     Hat die Kuh Mastitis? (Binary Classification)
     Welche Krankheit hat die Kuh? (Multiclass Classification)
     Handlungsanweisung für Tierhalter
    Verfügbare Daten
     Kuh
     Krankheitsindikatoren
     Leitungsdaten aus Milchleistungsprüfung
     Umwelt
    5.9.2020/2

    View Slide

  3. Erster Modellentwurf
    Indikatoren Entscheidungsmodell
    An
    g
    ab
    en Mastitis
    TVD-Nummer 1
    Laktationsnummer 1
    Abkalbedatum 1
    Milchmenge 1
    Milchfett 0
    Milcheiweiss 0
    Fett/Eiweiss 0
    Harnstoff 0
    Zellzahlen 1
    Azetonklasse 0
    Nachgeburtsverhalten 0
    vorhergende Stoffwechsel 0
    ZZ Herde 1
    Anzahl Besamungen 0 Für jede Krankheit sind entsprechende Indikatoren zu bestimmen.
    Indikator Wertebereich Wertung Begründung
    Tagesmilchmenge 15-50 je tiefer Differenz zum Vorwert, desto
    wahrscheinlicher
    Milchleistung
    sinkt
    Zellzahlen 30'000-
    6'000'000
    je höher, desto wahrscheinlicher ZZ Milch
    Zellzahlen Herde 30'000-
    6'000'000
    Wenn Differenz Herde kleiner als
    Differenz Einzelkuh, deso
    wahrscheinlicher
    Aussschliessun
    g Hitzestress
    z.B.
    5.9.2020/3

    View Slide

  4. Daten, Vorhersage und Empfehlung
    Kandidat für Mastitis:
    Ja / nein
    Vorhersage = Ja (am 29.8.20)
     Überwachen und Diagnostizieren
     Schalmtest
     Euter abtasten
     Fieber messen
     Befund positiv
     Behandeln
     Milchprobe einsenden
    Legende
    Blau: Total Tagesmenge Milch
    Säulen grau: Menge pro Melkgang
    Grüne/gelbe/rote Punke: Zellzahl
    5.9.2020/4

    View Slide

  5. Learnings
     Komplexe Industrie mit vielen
    verschiedenen Player und eigenen
    Interessen
     Jeder Player bringt eigene inkompatible
    Systeme auf den Betrieb
     Inkompatible Datenbestände
    Datenbeschaffungsaufwand entsprechend
    gross
    Datenaufbereitungsaufwand sehr gross
     Ungeklärte Datennutzung und
    Datenschutzfragen
     Smart Cow App zur strukturierten Erfassung von
    Beobachtungs-daten pro Tier
     Datenbestände müssen verfügbar sein
     Schnittstellen
     Standardformate Daten und Files
     Daten (betriebsübergreifend) zur Validierung von
    Modellen bereitstellen
     Konsolidierungshilfen zur Verlinkung von
    Datenquellen über den gesamten Life Cycle
    eines Tiers und von Zuchtlinien
     Konsolidierungshilfen zur Verlinkung von
    Datenquellen eines Betriebes
    Lösungsansätze
    Hürden
    5.9.2020/4

    View Slide