بر اساس یک مطالعه جدید، نظارت بر گوساله‌های شیری با استفاده از فناوری‌های دقیق مبتنی بر «اینترنت اشیا» یا IoT منجر به تشخیص زودهنگام بیماری تنفسی (یکی از عوامل اصلی مرگ و میر در گوساله‌ها) می‌شود. به گفته محققان، این رویکرد جدید – که نتیجه همکاری متقابل تیمی از محققان ایالت پنسیلوانیا، دانشگاه کنتاکی و دانشگاه ورمونت است- به تولیدکنندگان گله‌های شیری فرصتی برای بهبود اقتصاد گله می‌دهد.
Melissa Cantor، محقق ارشد و استادیار علوم دامپروری دقیق در کالج علوم کشاورزی پنسیلولنیا گفت: این راهبرد پدربزرگان شما در دامداری شیری نیست. وی خاطرنشان کرد: این فناوری جدید به طور فزاینده‌ای مقرون به صرفه می‌شود و به دامپروران فرصت می‌دهد تا مشکلات بهداشتی حیوانات مزرعه خود را به سرعت تشخیص داده و مداخلاتی برای حفظ گوساله‌ها و سرمایه خود انجام دهند.
اینترنت اشیا به دستگاه‌های مجهز به حسگر، توانایی پردازش و ارتباط، نرم‌افزار و سایر فناوری‌ها برای اتصال و تبادل داده با دستگاه‌های دیگر از طریق اینترنت اشاره دارد. Cantor توضیح داد که در این مطالعه برای مشاهده و تجزیه و تحلیل دقیق وضعیت گوساله‌ها از فناوری‌های اینترنت اشیا مانند حسگرهای پوشیدنی و دستگاه‌های خوراک ریزی خودکار استفاده شد.
دستگاه‌های مبتنی بر اینترنت اشیا، با نظارت دقیق بر رفتارهای گاوها باعث تولید حجم عظیمی از داده می‌شوند. برای تسهیل تفسیر چنین داده‌هایی و ارائه سرنخ‌هایی برای حل مشکلات سلامت گوساله، محققان از یادگیری ماشینی استفاده کرده‌اند. (شاخه‌ای از هوش مصنوعی که با توجه به ورودی دستگاه‌های اینترنت اشیا، الگوهای پنهان در داده‌ها را برای تمایز بین گوساله‌های بیمار و سالم یاد می‌گیرد.)
Cantor گفت: «ما بندهایی را دور پای گوساله‌ها بستیم تا داده‌های مربوط به فعالیت مانند تعداد قدم‌ها و مدت زمان خوابیدن را در گاوهای شیری ثبت کند و از دستگاه‌های خوراک ریزی خودکار که شیر و غلات را توزیع می‌کنند استفاده کردیم تا رفتارهای تغذیه‌ای مانند تعداد دفعات مراجعه و لیتر شیر مصرف شده را ثبت کند. اطلاعات این منابع نشان می‌دهد که چه زمانی وضعیت یک گوساله در آستانه وخامت است.»
بیماری تنفسی گاو که بدنبال عفونت دستگاه تنفسی رخ می‌دهد، دلیل اصلی استفاده از آنتی بیوتیک در گوساله‌های شیری است و ۲۲ ٪ از مرگ و میر گوساله‌ها را به خود اختصاص می‌دهد. هزینه‌ها و اثرات این بیماری می‌تواند به اقتصاد یک گله به شدت آسیب برساند، زیرا پرورش گوساله‌های شیری یکی از بزرگترین سرمایه گذاری‌های اقتصادی است.
همچنین وی اظهار داشت: «تشخیص بیماری تنفسی گاو نیازمند کار فشرده و تخصصی، و یافتن آن سخت است. بنابراین، فناوری‌های دقیق مبتنی بر دستگاه‌های IoT مانند دستگاه‌های خوراک ریزی خودکار، ترازو و شتاب‌سنج می‌توانند به تشخیص تغییرات رفتاری قبل از آشکار شدن علائم ظاهری درمانگاهی بیماری کمک کنند.»
در این مطالعه، داده‌ها از ۱۵۹ گوساله شیری با استفاده از فناوری‌های دامی دقیق و توسط محققانی که آزمایش‌های روزانه سلامت جسمانی گوساله‌ها را در دانشگاه کنتاکی انجام می‌دادند، جمع‌آوری شد. محققان هم نتایج جمع‌آوری خودکار داده‌ها و هم نتایج جمع‌آوری دستی داده‌ها را ثبت و این دو را با هم مقایسه کردند.
در یافته‌هایی که اخیراً در IEEE Access (یک مجله علمی با دسترسی آزاد که توسط موسسه مهندسین برق و الکترونیک منتشر شده است) منتشر شده است، محققان گزارش کردند که این رویکرد پیشنهادی، قادر است گوساله‌هایی را که به بیماری تنفسی گاو مبتلا شده‌اند، زودتر شناسایی کند. از نظر عددی، این سیستم به دقت ۸۸٪ برای تشخیص گوساله‌های بیمار و سالم دست یافته است. ۷۰٪ گوساله‌های بیمار چهار روز قبل از تشخیص، پیش‌بینی شده بودند و ۸۰٪ گوساله‌های مبتلا به نوع مزمن در پنج روز اول بیماری شناسایی شدند.
او گفت: « ما وقتی که متوجه شدیم این رابطه با تغییرات رفتاری در حیوانات ذکر شده با حیواناتی که با یک درمان بهتر شده‌اند بسیار متفاوت است، شگفت زده شدیم. چیزی که هیچ‌کس تا به حال به آن توجه نکرده بود. ما به این مفهوم رسیدیم که اگر این حیوانات واقعاً متفاوت رفتار کنند، این احتمال وجود دارد که فناوری‌های اینترنت اشیا با تکنیک‌های استنتاج یادگیری ماشینی بتوانند آنها را زودتر شناسایی کنند (قبل از اینکه کسی بتواند تنها بوسیله چشم آنها را شناسایی کند)؛ که این امر باعث ایجاد فرصتهایی برای تولیدکنندگان می‌شود.»
مشارکت کنندگان در این تحقیق عبارت بودند از: Enrico Casella، از گروه علوم دامی و دامپروری دانشگاه ویسکانسین-مدیسون، Melissa Cantor از گروه علوم دامی دانشگاه ایالتی پنسیلوانیا، Megan Woodrum Setser از گروه علوم حیوانات و مواد غذایی دانشگاه کنتاکی، Simone Silvestri از گروه علوم کامپیوتر دانشگاه کنتاکی و Joao Costa از گروه علوم دامی و دامپزشکی دانشگاه ورمونت.
این طرح توسط وزارت کشاورزی ایالات متحده و بنیاد ملی علوم پشتیبانی شده است.
