Средином седамдесетих година прошлог века просечна америчка млекара имала је око 25 крава. Данас многе операције имају више од 3.000 - број који је био готово нечувен пре 25 година.
Ефикасно управљање великим стадом било би тешко, можда чак и немогуће, без последњих напретка у рачунању и аутоматизацији. Већина мљекара сада има салоне за мужњу и припадајуће кућиште без стаје, које двоструко или троструко производе по човјеку на сат. Јединице за мужу аутоматски се одвајају како би умањиле здравствене проблеме вимена и побољшале квалитет млека, док транспондери за краве ИД пољопривредника аутоматски бележе податке о производњи.
Најновији велики технолошки напредак који утиче на америчку млечну индустрију је развој система за аутоматско мужњу - или „роботских“ млекара.
У млеколошком центру Келлогг на Универзитету Конектикат користимо роботске млекаре као и друге сензоре за надгледање 100 крава и њиховог физичког окружења. Кроз овај рад, покренут овог пролећа, надамо се да ћемо у стварном времену пратити понашање и здравље појединих крава ради побољшања производне ефикасности и добробити животиња.
Велики подаци и краве
Роботски млекари могу сакупљати млеко без људског учешћа. У ствари, краве одлучују када ће бити млечне, улазећи у машину без директног људског надзора. Роботски систем аутоматски идентифицира краву и примењује санитарни спреј за зоб пре него што роботска рука причврсти чашицу за млеко.
То се јако разликује од мужње у палорима, где менаџери одлучују када треба дојити краве, обично три пута дневно. Свака роботска јединица за мужу служи од 50 до 55 крава.
С обзиром на високу цену раних верзија роботских млекара и велику величину стада у САД-у, америчке млекаре су имале минималан интерес за роботске млекаре пре 2010. године. Међутим, број аутоматских система за мужњу у земљи повећан је на преко 2500 јединица у 2013. години, углавном због побољшања дизајна у новијим моделима. Широм света тренутно постоји преко 35.000 система за аутоматско мужњу.
Ред крава које се муже (Тоа55 / схуттерстоцк) Не само да су ове новије машине побољшане у ефикасној берби млека, већ имају додатну способност прикупљања веће количине информација о производњи, саставу млека и понашању крава. То омогућава произвођачима да доносе информисаније одлуке менаџмента.
Са роботским системима муже краве воде емисију. Они одлучују када јести, руминирати, одмарати или бити млечни. Такође морају да проведу мање од сат времена дневно, заправо што су млевени; пре роботских млекара, мужња је често трајала три до пет сати дневно.
Желели смо да знамо: шта они раде остатак дана? Како то понашање утиче на производњу или служи да укаже на здравствено стање? Сами, јединице за мужњу не могу прикупити такве информације, што би било корисно у раном откривању да ли одређена крава развија здравствени проблем.
Наш „крава-ЦПС“ - цибер-физички систем који укључује краве, роботске млекаре, видео камере и друге сензоре - пратиће податке о нашим кравама у сваком тренутку. То ће нам рећи, између осталог, куда иду краве када их не дају; када одлуче да једу, одморе или раде друге активности; и састав њиховог млека. Сензори смештени у телу чак ће нам рећи и пХ унутар једног од њихових стомака, што би могао бити кључни показатељ било каквих пробавних проблема.
Оптимизирање мљекара
Надамо се да ће нам сви ови подаци омогућити правовремено доношење одлука на нивоу појединачне краве, што у великим стадима није лако. Ово „прецизно млеко“ могло би нам помоћи да схватимо како активности поједине краве - једење, стајање, одмарање, млеко - утичу на производњу млека, квалитет и здравље млека.
Планирамо да анализирамо податке уз помоћ машинског учења, врсте вештачке интелигенције која може пронаћи обрасце у великим количинама информација. Рачунар ће упоредити податке са моделом како млекара треба да ради у идеалним условима. Наш модел обухвата критичне карактеристике перформанси - квалитет и продуктивност млека - као и релевантна ограничења, као што су здравље појединаца и репродуктивни статус.
Како млекара послује, подаци у реалном времену ће нам омогућити да проценимо колико је наша реална фарма далеко од идеалне. Затим можемо да комбинујемо ове информације са алгоритмом математичке оптимизације да одредимо како тачно треба да модификујемо или прилагодимо процес. На пример, алгоритам може да предложи прилагођавање врсте капљица зуба, нутритивних садржаја у хранидби или количине времена које свака крава проведе на храњење.
Надамо се да ће наш рад омогућити млекарама широм САД-а да боље управљају појединачним кравама у групном окружењу - не само да побољшају производњу млека, већ и да побољшају здравље крава.
Овај чланак је првобитно објављен у часопису Тхе Цонверсатион.
Маттхев Стубер, доцент за хемијско и биомолекуларно инжењерство, Универзитет у Конектикату
Гари Казмер, ванредни професор за физиологију лактације, Универзитет у Конектикату
Схалабх Гупта, доцент инжењера на Универзитету Конектикат
Стевен Зинн, професор науке о животињама, Универзитет у Конектикату
