Dobrý zdravotní stav paznehtů je klíčový pro chov hospodářských zvířat. Včasná identifikace zdravotních problémů u dojného skotu hraje zásadní roli pro zajištění welfare zvířat a snížení ekonomických ztrát, což zdůrazňuje potřebu preventivních opatření a včasné detekce lézí. Účinná léčba v kombinaci s včasnou detekcí je nezbytná pro minimalizaci negativních dopadů kulhání u dojnic. Jednou z možných alternativních metod detekce je měření teploty paznehtů dojnic s využitím infračervené kamery.
Využití umělé inteligence v oblasti zpracování obrazu představuje významný pokrok v diagnostice onemocnění paznehtů. Integrace umělé inteligence do analýzy termografických snímků může přinést klíčové výhody, jako je schopnost zpracovávat velké množství dat v reálném čase, odhalovat anomálie a vzory, které by lidskému oku mohly uniknout, a včas upozornit chovatele na potenciální zdravotní problémy. Díky rozsáhlému trénovacímu datasetu a vhodně vybranému modelu dokáže vytvořený systém detekovat i nepatrné teplotní odchylky, které mohou signalizovat rané fáze zánětu.
Infračervená termografie představuje neinvazivní a bezpečný způsob zobrazování teplotních map, který umožňuje sledovat tepelné změny v biologických charakteristikách metabolismu zvířat. Tato technologie tak nabízí značný potenciál pro detekci problémů spojených se zdravím a pohodou zvířat.
Zpracování a vyhodnocení pořízených teplotních map je časově náročné, a tak se nabízí možnost automatického zpracování za pomoci konvolučních neuronových sítí. Využití strojového vidění při vyhodnocování termografických snímků již bylo aplikováno například u skotu k monitorování reakce na tepelný stres nebo k analýze vzorů dýchání.
Výzkumem zaměřeným na detekci onemocnění paznehtů dojnic s využitím obrazových dat se v letech 2019 až 2024 zabýval tým vědců z Jihočeské univerzity v Českých Budějovicích.
Kamery použité pro sběr dat zahrnovaly tři ruční modely (Testo 875-2i, FLIR E6 a FLIR E96), a jednu stacionární kameru (WIC 640). Vzdálenost mezi kamerou a objektem se pohybovala mezi 0,4 a 1,5 metru, což odpovídalo podmínkám v chovných prostorách. Koeficient tepelné emisivity byl nastaven na hodnotu 0,98, která odpovídá hodnotě povrchu zvířete (Alsaaod a Büscher, 2012). Koeficient tepelné emisivity byl nastaven na hodnotu 0,98, která odpovídá tepelné emisivitě kůže zvířete (Alsaaod a Büscher, 2012).
Vyvinutý systém pro automatizovanou detekci onemocnění paznehtů využívající infračervené záznamy představuje pokročilou aplikaci metod hlubokého učení, konkrétně konvolučních neuronových sítí, k precizní analýze teplotních dat. Systém se skládá z několika propojených fází, které zahrnují získávání a předzpracování dat, detekci a segmentaci jednotlivých paznehtů. Paznehty jsou následně rozděleny do specifických kategorií, kde jsou vybrány páry paznehtů (přední nebo zadní) a klasifikováno, zda jsou zdravé nebo s možným onemocněním. Po identifikaci nemocného paznehtu jsou veškeré získané informace zaznamenány do databáze pro další analýzu.
Analýza výsledků ukázala, že spojení moderních technologií v podobě konvolučních neuronových sítí a termografie, může v budoucnu přispět k rychlejší a efektivnější detekci zdravotních problémů. Důraz na využití technologického pokroku pro detekci zdravotních obtíží skotu představuje důležitý krok k vytvoření komplexního a holistického přístupu, který zohledňuje všechny aspekty zdraví zvířat. V budoucnosti se dá očekávat, že tyto technologie budou při zavádění těchto inovací hrát stále větší roli v řízení chovů, a to nejen v případě detekce onemocnění paznehtů, ale s ohledem na pestrou škálu automatizace procesů i v dalších oblastech živočišné výroby. Jedná se tedy o nástroj, který pozitivně ovlivní produkční schopnosti hospodářských zvířat a jejich welfare.
Více se dočtete v článku Ing., Mgr. Radim Stehlík, Ph.D., který najdete v březnovém čísle časopisu Náš chov.*
