< Terug naar vorige pagina

Project

Ontwikkeling van een digital twin voor de groei en gedrag van een varken.

Een veehouder moet veel verschillende aspecten controleren om zijn bedrijf te beheren, en veel van de complexiteit komt uit de omgang met levende dieren die individuen zijn die passende zorg nodig hebben. Een dier is een complex organisme, dat in de context van de veehouderij bepaalde inputs ontvangt (zoals voedsel, water, huisvesting) om zo bepaalde outputs te produceren (zoals vlees, melk, eieren) op een zo efficiënt mogelijke manier, maar tegelijkertijd is het doel om het welzijn en de gezondheid van het dier te maximaliseren met een minimaal effect op het milieu. Een groot aantal interne en externe factoren beïnvloeden, samen met individuele variatie, dit samenspel van productie, gezondheid, welzijn en milieu. Veel van deze factoren zijn door de mens gemaakt of kunnen door de veehouder worden beïnvloed, terwijl de dieren zelf weinig tot geen opties hebben voor aanpassingen. Daarom moet de veehouder de omstandigheden optimaliseren om zo een gedaalde productie, abnormaal gedrag, ziekte, verminderd welzijn, enz. te voorkomen. Vroegtijdige identificatie van suboptimale omstandigheden of opkomende problemen is cruciaal. Echter zijn de huidige benaderingen van welzijnsmonitoring gericht op het opsporen van specifieke en relatief late, ernstige en duidelijke indicatoren of problemen. Bovendien gebruiken de meeste benaderingen de detectie van negatieve symptomen en aandoeningen, terwijl we ook moeten werken aan de preventie ervan en de toename van de positieve gebeurtenissen. Daarom moeten multifunctionele digital twin modellen ontwikkeld worden voor de voorspelling en vroege identificatie van positieve en negatieve toestanden van het dier die worden weerspiegeld in gedragsveranderingen. In de eerste stap zullen bestaande geautomatiseerde metingen van gedrags-, fysiologische en omgevingsindicatoren, die nuttig zijn om de interne toestand van de dieren te beoordelen en die nodig zijn om het digital twin model te bouwen/trainen, gecombineerd worden. De tweede stap van het onderzoek combineert de bestaande modellen met nieuwe AI algoritmen om de interne status van de dieren (stress, honger, vreugde, enz.) te simuleren en om positieve en negatieve gebeurtenissen en interacties en de dagelijkse gedragspatronen van de dieren te modelleren. De laatste stap in het onderzoek is dan het toepassen van het digital twin model als voorspellingsmodel voor de gezondheid, het welzijn en de productie van de dieren. Vanwege zijn voorspellende kracht en de hybride benadering, is de digital twin in staat om de interne toestand van het dier te repliceren en kan het gebruik ervan worden getest en gevalideerd in verschillende gebruikssituaties, bijvoorbeeld om het risico te voorspellen van het optreden van bepaald negatief/positief gedrag en gevolgen zoals staartbijten of vrije toegang tot voer wanneer het dier honger heeft.  

Datum:1 sep 2022 →  Heden
Trefwoorden:Precission livestock farming, Digital twin, Animal health and welfare, Pig farming
Disciplines:Gezondheidsengineering van landbouwdieren
Project type:PhD project