‘Melkrobot leert beter mastitis op te sporen’
Op dit moment achterhaalt een gemiddelde melkrobot 36,8 procent van alle klinische mastitisgevallen. Daarnaast ziet hij van alle gezonde melkingen 2,1 procent ten onrechte voor mastitis aan.
Dat moet beter kunnen, vond dierwetenschapper Claudia Kamphuis (31). Zij promoveerde vorige maand aan de Faculteit Diergeneeskunde van de Universiteit Utrecht, nadat ze vier jaar lang onderzocht hoe robots nauwkeuriger klinische mastitis kunnen opsporen.
Veehouders’ ergernis
„Dat een robot 36,8 procent van de klinische mastitis ontdekt, kan zeker beter. Toch is het niet zo slecht als het lijkt, hoor”, nuanceert Kamphuis direct de cijfers. „De zware gevallen die moeten worden behandeld, haalt hij er altijd wel uit. Het zijn de lichte gevallen die hij niet ziet. Maar een boer in een melkput zou die zelf ook vaak niet ontdekken.”
„De grootste ergernis bij robotboeren is dan ook niet dat de robot ontstekingen mist, maar dat hij attenties geeft die onterecht zijn. Het lijkt maar weinig; 2 procent van alle gezonde melkingen die toch op de mastitislijst komt te staan.”
„Als je er vanuit gaat dat 99,5 procent van alle koemelkingen gezond zijn, dan krijg je op een koppel van honderd koeien -die gemiddeld 2,5 keer per dag worden gemolken- iedere dag vijf onterechte attenties. Dat is best veel. En met name daar probeerde ik wat aan te doen.”
Rekenformules
Kamphuis begon haar onderzoek met het verzamelen van de gegevens van 3,5 miljoen kwartiermelkingen op negen melkveebedrijven met een of twee melkrobots. Hiermee sloeg ze aan het puzzelen en bedacht ze de eerste verbetering: nieuwe rekenmodellen.
„Een robot meet iedere seconde en iedere 100 milliliter de geleidbaarheid en de kleur van de melk. Die gegevens gooit hij in een rekenformule om de kans op mastitis te berekenen. Ik heb daar simpel gezegd nieuwe formules voor bedacht. Tot nu toe keek een robot bijvoorbeeld alleen naar de hoogste meting, of naar de gemiddelde meting. Ik heb gezocht naar andere patronen die mastitis zouden verraden.”
„Bijvoorbeeld de manier waarop de uitslagen elkaar opvolgen, het verschil tussen de eerste en laatste meting, en het verschil tussen de hoogste en laagste meting. En dat werkt.”
Nieuwe sensoren
Een tweede methode van verbetering die Kamphuis onder handen nam, was het gebruik van andere sensoren. Toen zij begon met haar onderzoek, in 2006, waren alleen de geleidbaarheidsmeter en de kleurdetector in gebruik. De ontwikkeling van de celgetalmeter van Fullwood kwam dan ook als geroepen.
Kamphuis gebruikte het testbedrijf in Nieuw Zeeland om de werking ervan te onderzoeken en concludeerde dat alléén een celgetalmeter ongeveer gelijk presteert als een geleidbaarheidsmeter. Maar de combinatie van geleidbaarheid- en celgetalmetingen maakt wel een flink verschil; het aantal onterechte meldingen verminderde van 7,8 per duizend koemelkingen naar 2,1.
Toch zet ze kanttekeningen bij het praktische gebruik ervan. „Het werkt als een automatische CMT-test. Dat betekent dat je wel van iedere koe een beetje melk verbruikt en dat je er vloeistof voor moet aanschaffen. De vraag is of dat uit kan.”
Koe-info
Van de derde methode was Kamphuis vooraf behoorlijk overtuigd; het toevoegen van algemene koe-informatie aan de mastitisberekening. „We weten dat bijvoorbeeld een oudere koe of een koe vroeg in de lactatie meer kans op mastitis heeft.”
„Als de robot naast de sensoruitslagen ook bijvoorbeeld leeftijd, lactatiestadium, seizoen en ziekteverleden meeneemt, zou de kans op mastitis nog beter moeten worden berekend. Maar tot mijn grote verbazing blijkt dat niet het geval! Echt verklaren kan ik het niet. Blijkbaar zijn de robotberekeningen toch wel zo nauwkeurig dat dit soort gegevens niet veel meer toevoegen.”
Praktijk
Van de drie verschillende methodes die Kamphuis onderzocht om de resultaten te verbeteren, bleken er dus twee te werken. Door de nieuwe rekenmethode en de celgetalmeting toe te passen, kan 40 procent van het aantal mastitisgevallen worden opgespoord, en wordt nog maar 1 procent van de gezonde kwartiermelkingen onterecht voor mastitis aangezien.
„Lely gaat de dingen die ik heb bedacht waarschijnlijk bij een aantal van haar robots implementeren. Het is dus gelukkig geen onderzoek dat onderin een la belandt.”
Bacterievoorspelling
Om haar nieuwe opsporingsmodel voor de praktijk nog interessanter te maken, probeerde Claudia Kamphuis zijdelings of ze er ook het soort bacterie mee kon voorspellen. „Ik wilde mijn rekenmodel laten vertellen of het om een Gramnegatieve of Grampositieve bacterie ging. Daarmee kan een boer immers beter beslissen of een antibioticabehandeling zin heeft of niet.”
„Helaas is het niet helemaal gelukt: tijdens de ‘training’ had mijn rekenmodel in 90,6 procent van de gevallen de goede Gramstatus, maar in de uiteindelijke test was dat nog maar 54,4 procent; vergelijkbaar met het tossen van een muntje. Ik heb zelfs nog even geprobeerd om de specifieke bacterie te voorspelen, maar dit bleek tijdens de training maar in 52 procent te kloppen.”
„Toch is daarmee wel een indicatie gegeven dat het kan. Alleen is mijn model nog niet nauwkeurig genoeg. Ik verwacht dat de bacterievoorspelling beter zal gaan als er andere sensoren worden gebruikt, zoals de celgetalmeter en een verbeterde kleursensor. Die sensoren bestaan al, maar ik beschikte niet over die gegevens.
Nieuwe sensoren
„Als iemand de moeite neemt om een vervolgonderzoek te doen, denk ik dat robots binnen afzienbare tijd de Gramstatus kunnen noemen. De specifieke bacterie bepalen, is nog wat gecompliceerder en zal nieuwe sensoren vergen, zoals de meting van afbraakproducten van bacteriën. Maar ik voorspel dat robots ook dat op den duur, misschien met een jaar of tien, kunnen.”
Aan Kamphuis is dat vervolgonderzoek niet meer besteed. „Ik vond het heel boeiend, maar heb nu een nieuwe uitdaging. Net voor het nieuwe jaar vertrek ik naar Nieuw-Zeeland. Hoewel veehouders er enorme kuddes en goedkoop personeel hebben, komt automatisch melken ook daar steeds meer in de schijnwerpers te staan. Ik ga kijken aan wat voor een automatisering en sensorinformatie zij dan behoefte hebben.”
Tekst: José Bongen
Beeld: Ingrid Zieverink