AI při tvorbě softwaru pro monitoring stájí

Použití umělé inteligence v chovu dojnic spočívá především v automatickém sběru dat ze senzorů, kamer a dojicích robotů a jejich vyhodnocování pro včasná rozhodnutí o zdraví, výživě, reprodukci a produkci mléka.

Datovou základnu pro použití umělé inteligence v dané oblasti pro diagnostiku běžně používaných senzorů sledujících např. pohybovou aktivitu, hmotnost, teplotu, vodivost mléka, údaje o dojení lze rozšířit o měření koncentrace zátěžových plynů jako je amoniak, metan, oxid uhličitý a oxid dusný. Data o koncentraci těchto plynů ve stáji mohou signalizovat např. problém se systémem výměny vzduchu, shrnování kejdy, podestýlání nebo krmení. Měřicí přístroj ukáže koncentraci plynu v daném okamžiku. Pro obsluhu je často důležité také to, zda je tato hodnota obvyklá, jak se měnila během posledních hodin a zda se podobná situace opakovala. Vlastní monitorovací software může tyto souvislosti zobrazit průběžně. Při jeho tvorbě lze využít umělou inteligenci: člověk zadává, jakou informaci potřebuje a jak ji chce vidět, aniž by musel sám psát syntaxi programovacího jazyka.

Vývoj softwaru

Pro vývoj softwaru pro monitoring stáje, bylo použito vývojové prostředí založené na umělé inteligenci Cursor, které vzniklo jako odvozenina populárního editoru Microsoft Visual Studio Code. Cursor v sobě integruje přední jazykové modely a je navržen tak, aby programátorům pomáhal psát, upravovat, testovat a strukturovat kód výrazně rychleji.

Od měření k otázce

Vývoj programu obvykle začíná otázkou, co má obsluze sdělit. Samotné číslo na displeji například neukáže, zda je právě naměřená hodnota blízko hodnotám běžným v uplynulém týdnu, nebo leží na okraji jejich rozložení. Stejně tak neukáže, zda se rozložení hodnot za posledních 24 hodin podobá celému dosavadnímu měření.b Při práci s prostředím Cursor lze takový požadavek popsat slovy: ukládej čas a naměřenou hodnotu, zobraz rozložení všech dosavadních hodnot, přes něj rozložení hodnot za plovoucích posledních 24 hodin a vyznač poslední měření. AI pomáhá převést zadání do kódu. Autor systému přitom zůstává tvůrcem diagnostiky: určuje, co se porovnává, jak má graf vypadat a co z něj obsluha smí vyčíst. V popsaném případě trvalo vytvoření skriptu pro grafický online report s pomocí Cursor AI dvě hodiny, od nápadu až po nasazený softwarový produkt. Údaj se vztahuje k tomuto reportu, nikoli k vývoji libovolného systému. AI pomáhala také při návrhu měřicího zařízení a tvorbě firmwaru pro mikrokontrolér ESP32.

Zkušební měření ve stáji 1 a stáji 2

Příkladem jsou údaje ze dvou uzavřených stájí, v každé se čtyřmi zasušenými kravami holštýnského skotu. Sledovaly se amoniak, oxid uhličitý, oxid dusný a metan. Ve stáji 1 zachycoval kanál 2 vzduch na vstupu ventilace a kanál 1 na výstupu; ve stáji 2 šlo o vstupní kanál 4 a výstupní kanál 3. Koncentrace plynů na vstupu vzduchu do stáje jsou standardně měřeny z důvodu zjištění produkce sledovaných plynů ze stáje.

Průběh měření

Zobrazené měření probíhalo 7 dnů a 9 hodin. Celý soubor obsahuje 2755 záznamů v přibližně 232sekundovém kroku; plovoucí okno posledních 24 hodin obsahuje 373 záznamů. Tištěné grafy jsou snímkem tehdejších dat. Svislá čára v nich označuje poslední hodnotu dostupnou v okamžiku pořízení grafu, nikoli hodnotu ve stáji v době vydání časopisu. V trase měřil podle záznamů laserový snímač Cubic, kalibrovaný v laboratoři proti analyzátoru plynů v intervalu dvou let. Průtok byl měřen anemometrem na více místech na začátku a na konci epizody: Stáj 1 0,23 m³/s při kruhovém odtahu o průměru 30 cm; Stáj 2 0,24 m³/s při čtvercovém odtahu 25 x 25 cm. Rozdíl začátek-konec činil asi 2 %, ventilace běžela na stálý výkon bez regulace. Průběžné kolísání průtoku měřeno nebylo.

Poryv větru a volba základu

Vstupní hodnoty kolísaly s poryvy větru. Report proto u amoniaku, oxidu uhličitého a metanu neodečítá momentální vstup, ale konstantu klidného vstupu: 1, 3, 900 a 5 mg/m³. Produkce je pak výstup minus tato konstanta, krát průtok. U oxidu dusného, kde se vstup pohybuje společně s výstupem, zůstává odečet naměřeného vstupu ve stejném cyklu. Tato volba je součástí diagnostiky. Klouzavý základ by poryv následoval a dočasně by snížil vypočtenou produkci, ačkoli se ve stáji nic nezměnilo. Konstanta klidného vstupu drží výpočet u obvyklého pozadí; nejbližší klidná hodnota by pro online report byla občas hodiny daleko.

Diagnostiku navrhuje člověk

Přínos AI zde nespočívá v automatickém určení příčiny změny prostředí. Pomohla vytvořit software podle konkrétní představy o tom, co má obsluha vidět: poslední hodnotu vedle historie, plovoucí denní okno vedle celého měření a vzájemné vztahy sledovaných řad. Člověk nemusí začínat syntaxí programu. Musí však rozumět měření, ověřit výpočty a rozhodnout, zda je zobrazení pro provoz skutečně užitečné. Právě v tom se role posouvá od psaní kódu k tvorbě diagnostiky.

Mgr. Josef Zeman, Ph.D., Ing. Bc. Viktor Mareš, Ph.D.

InnoTech Pro s. r. o.

Podrobněji v NCH 11/2026.