Konvenční metody pro detekci mastitidy jsou drahé, náročné a vyžadují odběr vzorků. Včasná detekce mastitidy je nezbytní pro zajištění účinné léčby, minimalizace ekonomických ztrát a zajištění maximální užitkovosti. Pokrok v technologii a inženýrství, nástrojích a materiálech poskytuje chovu dojnic inteligentní a účinné metody detekce mastitidy.
Mezi metody, které pomáhají detekovat mastitidu, patří následujících osm.
Rozšířená realita je popisována jako aplikace technologií, které kombinují fyzické a virtuální objekty v reálném čase a vzájemně je slaďují. Rozšířená realita poskytuje užitečné informace o mastitidě dojnic přenosem různých virtuálních prvků přes reálný svět pomocí počítače.
Infračervená termografie je nově vznikající neinvazivní nástroj s potenciálem detekovat mastitidu u dojnic. Umožňuje přeměnu infračerveného vyzařovaného z povrchu kůže vemene na intenzitu pixelů a vytváří termografický obraz vemene. Tato metoda vyžaduje specifický software a bylo zjištěno, že teplota povrchu kůže vemen trpícího mastitidou je asi o 0,8 o C vyšší než tělesná teplota. Faktory jako barva kůže, ochlupení vemene či špína mohou ovlivnit přesnost a spolehlivost výsledků, proto je třeba se tím zabývat.
Internet věcí je definován jako schopnost zařízení připojených k vysokorychlostnímu internetu shromažďovat, sdílet a zpracovávat data pomocí internetu a využívat je. Infastruktura se skládá z nositelných zařízení, jako jsou pohybové senzory, teplotní senzory a senzory přežvykování, cloudového systému a aplikace umožňuje zemědělcům detekovat choroby dojnic jako je mastitida.
Umělá inteligence stimuluje lidskou inteligenci ve strojích a vykazuje vlastnosti jako je učení a řešení problémů, které jsou spojeny s lidskou myslí. Používá se k odvozování znalostí z dat a přijímání opatření k dosažení určitých cílů. Aplikace umělé inteligence umožňuje zemědělcům analyzovat data shromážděná senzory pro včasnou detekci mastitidy.
Detektory pohybu se skládají z baterie, vysílače a jednoho nevíce senzorů namontovaných na těle krávy, které měří, přenášejí a shromažďují údaje o fyzické aktivitě se stanovených časových intervalech. Mezi tyto senzory patří ušní známky, ohlávky, krční límce, bolusové senzory, ocasní známky a vaginální značky. Shromážděná data jsou pomocí softwaru nebo algoritmů, či cloud computingu převáděna do fyziologických a behaviorálních parametrů pro předvídání, detekci a diagnostiku mastitid u mléčného skotu.
Hluboké učení je definováno jako podmnožina strojového učení, která implementuje vícevrstvé neuronové sítě k simulaci rozhodovací síly lidského mozku. Pro diagnostiku mastitid se používá model automatického rozpoznávání, založeném na počítačovém vidění a hlubokém učení. Síťový model hlubokého učení má průměrnou detekci mastitid 96, 1 %. Kombinuje se s ultrasonografií vemen, jako s přesnou rychlou a levnou metodou k detekci mastitid na rozdíl od rutinních laboratorních testů.
5G technologie je technologie páté generace pro mobilní sítě. Může podporovat tisícinásobné zvýšení kapacity, připojení nejméně pro 100 miliard zařízení a s individuální uživatelskou zkušeností 10–20 GB/s. V intenzivních chovech mohou dojnice nosit obojek připojený k 5G, který zaznamenává údaje o jejich aktivitě a pomáhá s detekcí mastitidy.
Cloud computing propojuje kyberneticko-fyzická zařízení v reálném čase a sdílí data v řádu milisekund nebo rychleji. Kromě toho poskytuje výpočetní služby prostřednictvím vizualizovaných a škálovatelný zdrojů přes internet a nabízí příležitost sledovat mastitidu u mléčného skotu.
Chov dojnic a produkce mléka přijímá nové technologie včetně rozšířené reality, infračervené termografie, internetu věcí, umělé inteligence, elektronických 3D detektorů pohybu, hlubokého učení, technologii 5G a cloud computingu, které pomáhají detekovat mastitidu. I když se chov dojnic stále potýká s technologickými a infrastrukturálními omezeními, roste potřeba vylepšovat zařízení a nástroje pro efektivnější aplikaci v praxi.
Zdroj: Dairy Global*
