Früherkernnung Milchkuh

https://hack.opendata.ch/project/563

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