Промените в хомогенността на млякото като съсиреци са типични признаци на клиничен мастит и лошо качество на млякото. Поради това в много страни се препоръчва и практикува визуална проверка на млякото чрез предварително отделяне на четвъртинки преди доене.
"Този метод не е приложим във VMS, но има няколко метода за откриване на съсиреци, които биха могли автоматично да определят хомогеността на млякото, за предпочитане и преди млякото да попадне в резервоара за съхранение", казва Дорота Англарт, специалист по управление на ферми, DeLaval.
За да се проучи това, данни от VMSкато добив на мляко, млечен поток,
проводимост и OCC (онлайн брояч
на соматични клетки) бяха използвани
като входни данни за модели за машинно
обучение, обучени да откриват и прогнозират
доене на крави, съдържащи съсиреци.
Референтните данни бяха събрани в четири
различни ферми на DeLaval, където бяха
инспектирани 624 крави.
"Това събиране на данни беше доста трудно и уникално по рода си", казва Дорота, докато изпраща допълнителна благодарност на колегите си в Швеция и Холандия за помощта.
Резултатите показват, че моделите правилно класифицират издоявания, при които не се наблюдават съсиреци, в много висока степен (специфичност от 98-100%), докато способността за откриване на съсиреци е ниска (чувствителност от 26%). Като пример, ако десет от 100 издоявания съдържат съсиреци, системата ще даде само два фалшиво положителни сигнала, но също така ще намери само три от десетте доенета със съсиреци.
Резултатите също така показаха, че процентът на грешна класификация за доене на крави с по-тежки случаи на съсиреци е по-нисък. "Ние вярваме, че това показва, че възможността за правилно класифициране на случаите на съсиреци може да се подобри, ако дефиницията за това кои случаи трябва да бъдат открити бъде донякъде променена. В това проучване са включени всички случаи, но леките случаи може да не са ценни или значими за фермера. Появата на съсиреци е рядко събитие (2,4% от издояванията в това проучване), което също ги прави по-трудни за прогнозиране. Въпреки че ефективността на прогнозиране за дефинициите на случай, използван в това проучване, беше лоша, ние се учим и разработваме нови идеи по пътя", заключва Дорота.
Поздравяваме екипа за публикуването на „Откриване и прогнозиране на промени в хомогенността на млякото с помощта на данни от автоматични системи за доене“, в Journal of Dairy Science, от DeLaval Дорота Англарт и Шарлот Хален Сандгрен от Шведския университет по селскостопански науки Улф Емануелсон и Ларс Рьонегорд.