Ny AI-teknologi skal styrke vurderingen af halebid før transport

For mange griseproducenter er vurderingen af halebid og halesår en tilbagevendende udfordring i hverdagen. Hvornår er et sår så alvorligt, at grisen ikke kan transporteres til slagtning? Og hvordan sikrer man, at vurderingen bliver den samme, uanset hvem der står med opgaven?

Netop den udfordring arbejdes der på i et projekt mellem Landbrug & Fødevarer Sektor for Gris, forskere fra Københavns Universitet og eksperter inden for kunstig intelligens og robotteknologi.

Det fremgår af en meddelelse fra Landbrug & Fødevarer Sektor for Gris.

Skal skabe mere ensartede vurderinger

Projektet skal imødekomme et stigende behov for mere objektive vurderinger af transportegnethed i forbindelse med halebid. I dag er det en opgave, som både staldmedarbejdere, chauffører, praktiserende dyrlæger og embedsdyrlæger dagligt håndterer, og disse vurderinger kan variere fra person til person, selv når de bygger på de samme vejledninger.

Udfordringen forventes kun at blive større i de kommende år, efterhånden som flere besætninger udfaser halekupering. Med flere grise med hele haler er der øget risiko for grise med halebid, og det vil føre til større fokus på håndteringen og vurderingen af halebid. Hvis slagteklare grise med mindre halesår ikke vurderes transportegnede, kan konsekvensen være aflivning og kassation, selvom dyrene ellers er klar til slagtning. Det betyder både økonomiske tab og et unødigt ressourcespild.

- De første resultater er lovende, og vi er nu nået til et punkt, hvor vi kan begynde at afprøve teknologien i praksis. Der er stadig et stykke vej til et færdigt værktøj, men ambitionen er at skabe et fagligt og veldokumenteret beslutningsstøtteværktøj, som kan bidrage til mere ensartede vurderinger af halebid før transport, siger Niels-Peder Nielsen, chefkonsulent i Landbrug & Fødevarer Sektor for Gris.

Sådan fungerer AI-modellen

Værktøjet fungerer ved, at man tager et billede af grisens hale med en smartphone. Billedet analyseres herefter af AI-modellen, som er trænet på baggrund af et stort antal billeder og kliniske vurderinger foretaget af dyrlæger og eksperter.

AI-modellen skal ikke blot kunne registrere, om der er sår. Den skal også kunne vurdere sårets karakter og sammenholde oplysningerne med den viden, modellen har lært gennem træningen. Resultatet er en vurdering af transportegnetheden baseret på de samme parametre, som indgår i en faglig klinisk vurdering.

En vigtig forskel fra mange andre AI-værktøjer er, at modellen ikke kun skal levere et svar. Ifølge L&F skal modellen desuden kunne forklare, hvilke forhold der ligger til grund for vurderingen, og i nogle situationer foreslå et ekstra foto eller f.eks. afvaskning af halen for at kunne foretage en yderligere vurdering. Det giver mulighed for større gennemsigtighed og dokumentation af de vurderinger, der er foretaget.

For nu er testproceduren i fuld gang, og AI-modellen bliver prøvet af på staldniveau med mange forskellige billeder med alt fra beskidte og rene haler, haler med mindre bidmærker samt haler med størknet blod, sår og nekrose. De seneste test viser, at AI-modellen har et stort potentiale til at hjælpe griseproducenter med at vurdere, om en gris er transportegnet eller ej. Dog er der fortsat langt til en færdig, valideret og accepteret model.

Kan åbne døren til flere anvendelser

De foreløbige resultater peger på flere interessante muligheder og brug i praksis. Projektet har allerede vist, at det er muligt at identificere relevante problemstillinger og generere indsigter på baggrund af de indsamlede data.

Samtidig peger de nuværende resultater på, at AI-modellen kan trænes til at præstere på niveau med en fagperson, når den har adgang til alle de nødvendige kliniske oplysninger. Der ses generelt stor variation i vurderingen af et halesår blandt både staldmedarbejdere, chauffører og dyrlæger. AI-modellen kan derfor være med til at understøtte mere ensartede og objektive vurderinger på sigt.

På længere sigt stopper perspektiverne ikke ved halebid. Hvis teknologien viser sig brugbar i praksis, kan den potentielt udvides til også at vurdere andre forhold med betydning for transportegnethed, som f.eks. halthed, brok og andre kliniske tilstande.

Dermed kan fremtidens producent få et digitalt redskab med sig i lommen, som kan bidrage til mere ensartede beslutninger på tværs af produktionen. AI-modellen er fortsat under udvikling. Det forventes, at den i de kommende måneder kan afprøves i de første besætninger, der deltager i projektet »Sammen om hele haler«.

Projektet »Transportegnethed og AI-værktøj« er finansieret af Svineafgiftsfonden.