随着乳制品行业越来越多地采用传感器和机器人技术实现自动化，德克萨斯 A&M 农业生命学院的研究人员正在帮助生产商利用这一不断发展的技术来优化生产并改善奶牛的健康和福祉。

德克萨斯农工大学农业与生命科学学院动物科学系乳品科学助理教授 Sushil Paudyal 博士正在协助领导这​​些工作。他领导的研究应用人工智能 (AI) 和机器学习技术收集农场的先进实时数据，开发支持更早疾病检测、明智决策和经济高效地采用机器人技术的系统。

“基于传感器的系统、人工智能和实时分析正在改变奶牛场的日常决策方式，”Paudyal说道。“但要想有效，这些技术必须具有适应性、可更新性，并根据每个农场的需求进行定制。”

构建数据驱动型乳制品的未来

Paudyal 的实验室专注于实用且基于技术的研究，旨在帮助生产者应对不断变化的挑战，包括日益加剧的热应激和不断变化的劳动力动态。技术驱动的模型可以及早发现疾病，加强奶牛管理，并提高奶牛场的效率。他已经成功部署了模型，利用基于摄像头图像和行为线索训练的高级分析算法，检测单个奶牛的跛足、乳腺炎和热应激。

他说：“目前，我们正在为机器人挤奶系统开发基于机器学习的农场效率模型，旨在查明空闲时间和挤奶故障。”

在最近于内布拉斯加州林肯市举行的美国精准畜牧养殖会议上，Paudyal 和他的团队重点介绍了他们的一些研究成果：

评估热应激对机器人挤奶系统效能的影响——这项研究由博士生 Rajesh Neupane 领导，开发了机器学习和计算机视觉模型，并确定热应激管理对机器人挤奶系统至关重要，因为它会显著影响奶牛的产奶量、机器人的使用率、产奶量、采食量和挤奶性能。在较凉爽的环境中，奶牛的表现明显更好。缓解策略，例如改善降温、通风和调整饲喂方案，对于维持生产力和动物福利至关重要。

人工智能驱动的奶牛热应激和乳腺炎量化——本研究概述了一种基于自动视频监控的系统，该系统使用人工智能通过行为线索评估奶牛的热应激和乳腺炎，实现实时、可扩展的监控，从而改善动物福利和农场效率。

利用计算机视觉检测不同类型的牛蹄趾皮炎——本研究探索了计算机视觉和机器学习方法在奶牛蹄趾皮炎早期检测和预测方面的最新进展，并重点关注其在实际应用中的潜力。计算机视觉能够实现奶牛蹄趾皮炎的早期、准确、无创检测，从而改善健康监测并减少对主观视觉评分的依赖。

专为实际使用而设计的创新

Paudyal 的目标之一是开发适用于各种生产系统的非侵入式、经济高效的诊断工具。例如，一些系统依靠基于摄像头的系统代替物理传感器来监测大群奶牛，从而降低启动成本并扩大影响。

“我们正在实验室开发传感器，无需采集侵入性血液样本或牛奶样本即可帮助检测疾病，”Paudyal说。“它们将监测奶牛的行为和生理变量，以确定是否生病。”

他的团队目前正在开发“DairyBot”虚拟助手，这是一种生成式人工智能工具，可帮助生产者评估农场数据和实验室结果，并提出有关饲料决策的问题，同时使用人工智能实时解释畜群数据。

“他们将拥有一位拥有丰富知识的实时顾问，可以从农场数据和乳制品相关文献中获取信息，”Paudyal说道。“它不会取代兽医或营养师，但可以赋能并支持他们做出明智的决策。”

6月22日至25日， Paudyal在美国乳业科学协会(American Dairy Science Association)于肯塔基州路易斯维尔举行的会议上展示了早期研究成果。DairyBot的工作原型预计将在六个月内问世。

适合所有乳制品的合适技术

尽管Paudyal表示科技和实时决策是奶牛场的未来，但他强调灵活、适度的解决方案的重要性。然而，尽管许多奶农看到了投资回报，但采用率却参差不齐。

他认为，基于摄像头的系统可以监控更大的奶牛群，从而降低前期成本并提高采用率，最终有助于缩小数字鸿沟。

“我一直希望开发能够帮助奶农解决现实问题的解决方案，”Paudyal说道。“作为一所以支持德克萨斯州奶农为使命的赠地大学，开发能够提供切实可行、可立即应用的解决方案的研究项目至关重要。通过为农民提供所需的工具和资源，我们能够更有效地帮助他们应对农场面临的现实挑战。”