Automaattisten kiimantunnistusjärjestelmien luotettavuus Mikko Järvinen, Martta Niittynen,, Sari Kajava, Martti Suvilehto, Jaakko Mononen, Maa- ja elintarviketalouden tutkimuskeskus MTT, Halolantie 3 A, 7750 Maaninka etunimi.sukunimi@mtt.fi Itä-Suomen yliopisto, Biologian laitos, PL 67, 70 Kuopio, martta.niittynen@student.uef.fi, jaakko.mononen@uef.fi Onnistunut kiimanseuranta on yksi tehokkaan maidontuotannon tärkeimpiä edellytyksiä. Kiimanseuranannan avuksi on kehitetty automaattisia laitteistoja. Tässä työssä selvitimme kahden automaattisen eläinten aktiivisuuteen perustuvan kiimantunnistuslaitteiston luotettavuutta. Heatimen OP% (74, %) oli selvästi parempi (P<0,00) kuin Lactivatorilla (4, %), mutta Heatimen VP% (3,0 %) oli selvästi huonompi (P<0,00) kuin Lactivatorilla (0,8 %) (Taulukko.). Uuden algoritmin käyttöönotto ei vaikuttanut tilastollisesti merkitsevästi Heatimen OP%:iin (AL 74, % vs. UA 68,9 %, P>0,), mutta pienensi VP%:a (AL 3,0 vs. UA,9 %, P<0,00). Kun aineistosta poistettiin päivät, joilta puuttui aktiivisuuslukema, OP ei muuttunut (UA 68,9 % vs. PP 7, %, P>0,) ja VP nousi vain suuntaa antavasti (UA,9 % vs. PP, %, P=0,065). Taulukko. Lactivatorin ja Heatimen tulokset koejaksolta. Heatime kolmessa eri tilanteessa: alkuperäinen laitteisto (AL), uusi algoritmi (UA) ja datasta poistettu eläinpäivät (4785), joilta laitteisto ei antanut aktiivisuuslukemaa (PP, vain UA tilanne). Kuva. Lehmän kaulapantaan kytketty Aineisto ja Menetelmät Lilli Frondelius/ MTT Martta Niittynen / MTT Heatime-RuminAct (vas.) ja jalkaan laitettava Lactivatorin anturi. OP (OP%) ON VP (VP%) VN Σ Lactivator 57 (4,) 9808 55 (0,8) 78 9998 Heatime AL 00 (74,) 97 59 (3,0) 35 9998 Heatime UA 93 (68,9) 9494 369 (,9) 4 9998 Heatime PP 9 (7,) 4757 3 (,) 37 507 Tutkimusaineistona oli MTT Maaningan 0 lehmän karjasta 6,5 kuukauden aikana kerätyt kiimahavainnot. Aineisto sisälsi kaikkiaan 9998 eläinpäivää ja 35 kiimaa. Tutkittavina laitteistoina olivat Nedap Lactivator (tehdasasetuksin) ja Heatime- RuminAct. Järjestelmien hyvyyttä arvioitiin laskemalla kultaiseen standardiin verrattuna kuinka suuren osan kiimoista laitteet havaitsivat (oikeat positiiviset, OP, %) ja kuinka paljon ne antoivat aiheettomia kiimahälytyksiä (väärät positiiviset, VP, %). Kultaisena standardina käytettiin eläintenhoitajien neljästi päivässä tekemiä silmämääräisiä kiimahavaintoja. Tilastolliset vertailut tehtiin Χ -testillä: Heatime/AL vs. Lactivator sekä Heatimen tilanteet AL vs. UA ja UA vs. PP. Heatime tunnistaa noin 70 % kiimoista. Lactivatorin heikosta OP%:sta huolimatta emme väitä, että Lactivator olisi huonompi kuin Heatime. Lactivatorin osalta tutkittu tilanne ei vastaa normaalikäyttöä. Uusi algoritmi lievensi Heatimen spesifisyysongelmaa (00% VP%), mutta ei vaikuttanut laitteiston herkkyyteen (OP%). Datakatkosten huomioiminen ei vaikuttanut tuloksiin, joten Heatimen toiminta ei ollut kovin herkkä katkoksille. Maataloustieteen päivät 04
P4 Rapid pikaprogesteronitestin luotettavuus Sari Kajava, Salla Ruuska, Martti Suvilehto, Mikko Järvinen, Jaakko Mononen, Maa- ja elintarviketalouden tutkimuskeskus Itä-Suomen yliopisto Yksinkertaisin menetelmä progesteronin määrittämiseen tilatasolla on lehmien hormonitasoa mittaavat pikatestit. Tutkimuksen tarkoituksena oli tutkia P4 Rapid Progesterone Heat Detection (Ridgeway Science, UK) pikatestien luotettavuutta. Yhteensä 89 maitonäytteen pikatestitulosta verrattiin laboratorion analyysituloksiin (kultainen standardi) Pikatestitulokset luokiteltiin viiteen eri luokkaan (Kuva ) Pikatestitulosluokkien ja kultaisen standardin välinen korrelaatio laskettiin Spearmanin järjestyskorrelaatiolla Kultaisen standardin antamia progesteronipitoisuuksia verrattiin Kruskall-Wallisin testillä pikatestin luokkien välillä Kuva. P4 Rapid testien tulosluokittelu. 0-tulos kuvaa matalaa progesteronitasoa, 0-tulos korkeaa(kuva dairycore.com). Pikatestin ja kultaisen standardin välillä oli vahva korrelaatio (r = 0,84) (Kuva ) s P4 Rapidin luokka 0 erosi muista luokista tilastollisesti merkitsevästi (P<0,05) lukuun ottamatta luokkaa Luokka erosi luokista, 5 ja 0 (P<0,05) Luokat, 5 ja 0 eivät eronneet toisistaan (P>0,05) Kuva. P4 Rapid -testitulosluokkien ja laboratorion progesteronianalyysien vertailu. Jokainen piste vastaa yhtä testitulosta. P4 Rapid -testin avulla voidaan tunnistaa korkeat progesteronitulokset matalista tuloksista kohtuullisen luotettavasti Luokat 0 ja eivät eronneet toisistaan, millä ei kuitenkaan välttämättä ole suurta käytännön merkitystä Testistä voi olla hyötyä erilaisissa käytännön tilanteissa kuten: lehmien tiinehtymisen varmistamisessa hiljaisten kiimojen havaitsemisessa Maataloustieteen Päivät 8. 9..04, Helsinki
GAITWISE automatic lameness detection system for dairy cows: up &running and being tested in MTT Maaninka CowLab Lilli Frondelius, Koen C. Mertens, Jürgen Vangeyte, Sari Kajava, Mikko Järvinen, Jaakko Mononen,3. Maa- ja elintarviketalouden tutkimuskeskus MTT, Maaninka. Insititute for Agricultural and Fisheries Research ILVO, Belgium 3. Itä-Suomen yliopisto Lameness has a negative effect on animal health and welfare, and on farm economy, but detecting preclinical lameness at farm level is challenging. The Institute for Agricultural and Fisheries Research (ILVO, Belgium) is developing a fully automated lameness detection system named GAITWISE. MTT Maaninka participates in the development project. GAITWISE system: m x 6 m pressure sensitive mat Position and relative force of claws measured with respect to time Three groups of kinematic gait variables are calculated: Basic, variation between measurements (betweenand within-imprints variables) Inconsistent, variation within measurement (betweenand within-imprints variables ) Specific, based on the indicators used in various subjective lameness scoring systems Subjective scoring used as a silver standard Gait score of a cow is classified with artificial neural network (ANN) Lilli Frondelius/MTT Current stage Modelling is performed on the herd level with a sensitivity of 80 % and a specificity of 94 %. A cow specific model could increase the classification accuracy There are only two fully operational GAITWISE systems in the world (ILVO and MTT Maaninka) GAITWISE measurements are made twice a week and the data is sent to ILVO for improving Maertens ym. 0 the model. At the moment GAITWISE is used only for research purposes, but the goal is to use these prototypes to further develop systems applicable in commercial settings to provide valuable information for management veterinary check-ups further research of lameness detection Maataloustieteen päivät 8. 9..04, Helsinki
Nautojen syönti-, märehtimis- ja juontiaikaa mittaavan RumiWatchlaitteen luotettavuuden arviointi: esikoe Salla Ruuska, Sari Kajava, Mikaela Mughal, Mikko Järvinen ja Jaakko Mononen, Itä-Suomen yliopisto Maa- ja elintarviketalouden tutkimuskeskus RumiWatch (RW) (Itin+Hock GmbH, Sveitsi) on uusi nautojen syönti-, märehtimis- ja juontiaikaa mittaava paineanturi Tutkimuksen tarkoituksena oli selvittää RW-mittausten luotettavuutta Viiden parteen kytketyn lehmän syönti-, märehtimis- ja juontiaikoja mitattiin RW:lla ja jatkuvalla käyttäytymisseurannalla ( h/eläin) Lilli Frondelius/MTT RW-mittauksia verrattiin käyttäytymisseurannan tuloksiin (kultainen standardi) Sari Kajava/MTT RW mittasi syömis- ja märehtimisaikaa luotettavasti RW ei mitannut juontiaikaa luotettavasti Yksittäisten RW-päitsien mittaustarkkuus vaihteli Taulukko. RW-päitsien (A E) mittaustulokset (y) jatkuvaan seurantaan (x) verrattuna: suorien yhtälöt syönti-, märehtimis- ja juontiajalle. Spearmanin korrelaatiot (r s ) tutkittujen mittalaitteiden (n=5) yhdistettyinä tuloksina (ka ±keskihajonta) Suoran yhtälö RW Syö Märehtii Juo A y =.99x + 4.95 y = 0.983x - 0.353 y = 0.894x +.075 B y =.065x +.6405 y = 0.9803x - 0.3885 y = 0.4509x + 0.769 C y = 0.874x + 9.875 y = 0.554x +.773 y = 0.878x + 0.6685 D y = 0.9543x +.943 y = 0.9369x + 3.344 y = -0.58x +.0093 E y = 0.875x +.3097 y = 0.835x + 5.7677 y = 0.367x + 0.479 r s 0.94 ± 0.04 0.94 ± 0.06 0.53 ± 0. RW on luotettava lehmien syönti- ja märehtimisajan mittauslaite. Kuva. RW-mittausten (päitset A E) mittaustarkkuus käyttäytymisseurantaan (kultainen standardi) verrattuna syönti-, märehtimis- ja juontiajalle. Maataloustieteen Päivät, 8.-9..04, Helsinki
Lypsylehmien karkearehun kulutuksen arviointi syöntiajan mittauksen avulla Sari Kajava, Auvo Sairanen, Mikaela Mughal, Salla Ruuska, Lilli Frondelius, Mikko Järvinen, Jaakko Mononen, Maa- ja elintarviketalouden tutkimuskeskus Itä-Suomen yliopisto RumiWatch-päitset (RW) mittaavat automaattisesti lehmien syömiskäyttäytymistä painesensorin ja kiihtyvyysanturin avulla. Tutkimuksen tarkoituksena oli arvioida voidaanko RW:n syöntiaikamittauksen avulla estimoida lehmien karkearehun syöntimäärää laitumella ja navetassa. Sari Kajava/MTT 5 vuorokauden laidun- ja sisäruokintajaksot 0 lehmällä Laitumen syöntimäärä mitattiin määräalaniittotekniikalla, säilörehunsyönti rekisteröitiin automaattisilla rehuvaaoilla Lehmien RW-syöntiaikoja verrattiin laitumen ja säilörehun kulutukseen Lehmien välisiä eroja syöntinopeuksissa verrattiin toisiinsa sekä laidun- että sisäruokintajaksoilla RW-syöntiaikoja verrattiin laitumella tehtyyn jatkuvaan käyttäytymisseurantaan ja rehuvaa'alla mitattuun syöntiaikaan ja pohdinta 9/0 RW:sta mittasi luotettavasti lehmien syöntiaikaa (RW vs. jatkuva seuranta: rs= 0,94 tai rehuvaa an syöntiaika: rs = 0,9) Sisäruokintajaksolla RW-syöntiaika ennusti kohtuullisen hyvin lehmien säilörehun syöntimäärää (R = 0,83, P<0,00) Syöntiajan ja rehun kulutuksen riippuvuus kuitenkin katoaa, jos mallista poistetaan lehmä selittävänä tekijänä Laidunjaksolla RW-syöntiaika ei ennustanut lehmien laidunrehunkulutusta (R = 0,5, P>0,5) Määräalaniittotekniikan epävarmuus? Lehmien yksilölliset syöntinopeudet erosivat toisistaan sekä sisä- (P<0,00) että laidunjaksolla (P<0,05) RW mittaa luotettavasti lehmien syöntiaikaa navetassa ja laitumella, mutta lehmien yksilökohtaiset syöntinopeudet on tiedettävä ennen kuin karkearehun syöntimäärä voidaan mallintaa syöntiajan avulla. Lilli Frondelius/MTT Maataloustieteen Päivät 8. 9..04, Helsinki
Lehmän makuukäyttäytymistä automaattisesti mittaavan RumiWatch Pedometrin luotettavuuden arviointi: esikoe Mikaela Mughal, Sari Kajava, Lilli Frondelius, Salla Ruuska, Mikko Järvinen, Jaakko Mononen, Itä-Suomen yliopisto Maa- ja elintarviketalouden tutkimuskeskus RumiWatch Pedometri (RWP) (Itin+Hock GmbH, Sveitsi) mittaa lehmien makaamis-, seisomis- ja kävelyaikaa Lisäksi laite rekisteröi makuulta nousemis- ja laskeutumisfrekvenssit sekä askelmäärät Arvioimme esikokeessa RWP:n luotettavuutta makuuajan sekä makuulta nousemisen ja laskeutumisen mittaamisessa Laitteita testattiin kolmella lypsylehmällä erilliskarsinoissa (6 m x 3 m) Kokeessa arvioitiin mittaustulosten luotettavuutta ja laitteiden keskinäistä vastaavuutta (n=3 0 havaintotuntia) Vertailukohtana oli jatkuva käyttäytymisseuranta RW:n ja käyttäytymisseurannan tulokset vastasivat makuuajan osalta hyvin toisiaan Makuulta nousemisen ja makuulle laskeutumisen mittaamisessa satunnaisvirheitä Sari Kajava/MTT Taulukko. RW-pedometrien mittaustarkkuus jatkuvaan seurantaan verrattuna: suorien yhtälöt tutkittujen mittalaitteiden (n=7) yhdistettyinä tuloksina (ka ± keskihajonta kullekin termille) sekä Spearmanin korrelaatiot (r s ). Suoran yhtälö r s (min-max) Makuuaika y=(0,99±0,03)x-(0,037±0,5 0,983 Mittareiden keskinäinen korrelaatio makuuajalle oli hyvä Taulukko. Eläimen eri jalkoihin sijoitettujen RWpedometrien mittausten keskinäinen Spearmanin korrelaatio (r s ) kahdella ja neljällä mittarilla. Makuulta nouseminen Makuulle laskeutuminen y=(0,93±0,09)x+(0,9+0,05) 0,575 y=(0,90±0,73)x+(0,±0,) 0,555 r s - kaksi mittaria r s (min-max) neljä mittaria Makuuaika 0,996 0,973 0,994 Makuulta nouseminen 0,74 0,575,000 Makuulle laskeutuminen 0,96 0,555,000 RWP on lupaava laitteisto lehmien makuukäyttäytymisen mittaamiseen Jatkotutkimuksissa selvitetään RW pedometrien kävely- ja seisomisajan mittaamisen luotettavuutta Maataloustieteen Päivät 04, 8. 9..04, Helsinki