Precisievoeding bij melkvee (MELKDATA)

Dit project koppelt melkveemanagement (in casu rantsoenering van lacterende koeien) aan tools uit de computerwetenschappen, namelijk aan een voorspellingsmodel op basis van “supervised learning“ algoritmes. Bedoeling is om de melkproductie van elke individuele koe in een kudde op een geautomatiseerde methode uit te drukken als een functie van de soorten en hoeveelheden voeders opgenomen door de verschillende dieren. Eens het model draait dan wordt het voor de melkveehouder mogelijk om veel preciezer en individueler te voederen zonder er daarom meer tijd aan te spenderen. De melkveehouderij in Vlaanderen en in Europa bevindt zich momenteel in een transitiefase waardoor dergelijke computermodellen meer zin krijgen. Om de winstmarges op peil te houden en van arbeid geen beperkende factor te maken is er behoefte aan maximale efficiëntie via geautomatiseerde systemen.  

De 120 tot 140 lacterende koeien in de ILVO onderzoeksstal zijn ons onderzoeksmateriaal. De koeien worden individueel intensief gemonitord (eetpatroon, activiteit, melkproductie, melksamenstelling etc.). We slaan de geregistreerde data op in een relationele database. Deze uitgebreide dataset (met heel wat tijdsreeksen) gebruiken we om verbanden tussen waarnemingen te detecteren en te beschrijven. Zo worden voorspellingen i.v.m. latere waarnemingen mogelijk. We gebruiken de techniek van “supervised learning” algoritmes. Wanneer de relaties aangetoond of gemodelleerd zijn toetsen we nieuwe waarnemingen in de proefstal, zodat de melkproductie verder geoptimaliseerd kan worden. Niet elke sensor of waarneming zal even belangrijk blijken te zijn in dit model. We selecteren die sensoren die de meest relevante metingen opleveren en vertalen het kennispakket als een onderbouwd advies naar de praktijk. Ook het subset aan relevante waarnemingen wordt als een nuttige managementstool vertaald naar andere melkveebedrijven. Bij partners/melkveehouders plaatsen we de relevante sensoren en actuatoren. Dit stelt ons in staat om het vooropgestelde model te valideren door ook hier de melkproductie te koppelen aan een subset van waarnemingen.

Advies aan de veehouder over wat de optimale portie krachtvoeder, ruwvoeder, etc. is voor een individuele koe wordt veel preciezer op basis van de algoritmes en het uiteindelijk gevalideerde model. Wij verwachten dat er zich op basis van deze methodiek ook analoge modellen gaan ontwikkelen om de melkveehouder te adviseren in hun koemanagement (b.v. ziektes en aandoeningen). Het zijn de iets grotere bedrijven die het meest baat zullen hebben bij een dergelijke vorm van automatisering en optimalisatie van de voedertoediening. De melkveesector kent momenteel een schaalvergroting, dus de groep potentieel geïnteresseerden stijgt. De schaalvergroting heeft te maken met de verwachte wereldwijde stijgende vraag naar zuivelproducten (OESO) en het wegvallen van het Europees melkquotum (april 2015).