Hoe profiteer je als varkenshouder van Artificial intelligence (AI)?

Eerder nog beschouwd als een toekomstvisie, maar vandaag de dag is kunstmatige intelligentie (AI) al actief verweven in onze dagelijkse realiteit. Dit geldt ook voor de varkenshouderij. Welke toepassingen heeft AI reeds in de sector en wat kan dit betekenen voor u als varkenshouder?

In dit artikel gaan we dieper in op het gebruik van AI voor het beoordelen van longgezondheid bij uw dieren. De vraag is hoe mensen een applicatie zo ver krijgen om een inschatting te maken van het al dan niet gezond zijn van varkenslongen. Bij HIPRA werd een innovatieve AI DIAGNOS longscore app ontwikkeld die uitvoerig voor u is getest.

Artificial intelligence (AI), in onze moedertaal ook wel kunstmatige intelligentie genoemd, is het vermogen van een machine om menselijke vaardigheden zoals plannen, redeneren, leren of zelfs creativiteit te vertonen. Vanaf de introductie van de eerste kamergrote computer in het jaar 1938 tot het begin van de AI, dat al meer dan vijftig jaar geleden is, en tot aan de dag vandaag heeft deze techniek een hele weg afgelegd. Mede dankzij de enorme hoeveelheid aan beschikbare data in de laatste decennia heeft deze wetenschap de laatste jaren aanzienlijke vooruitgang geboekt. Er bestaan twee soorten AI: software AI (bijvoorbeeld. zoekmachines, gezichtsherkenning, beeldanalyse) en belichaamde AI (bijvoorbeeld zelfrijdende wagens). De techniek waar we graag dit artikel aan wijden behoort tot de eerste categorie.

Welke toepassingen kent AI in de varkenshouderij?

Artificial intelligence (AI) wordt toegepast om het productie- of reproductieproces van het varken te optimaliseren, om het beslissingsproces over uiteenlopende zaken voor u als varkenshouder te vergemakkelijken, kosten en verliezen te reduceren en het dierenwelzijn te optimaliseren. Tegenwoordig is het via AI onder andere mogelijk om een inschatting te maken van het slachtgewicht van individuele varkens. Op deze manier kan men tijdens de afmestperiode de voederschema’s voor individuele varkens aanpassen en varkens sorteren op gewicht.

We kunnen door middel van AI ook het gedrag van de varkens monitoren om zo vroeg mogelijk abnormaal gedrag te detecteren en economische verliezen te verhinderen, zoals bijvoorbeeld staartbijten, varkens die niet eten en/of drinken, varkens die niet opstaan. Bij zeugen kunnen we het bronstgedrag monitoren om de inseminatie op het meest correcte tijdstip uit te voeren en zodoende het aantal inseminaties per bronst te verminderen.

In het kader van dier- en longgezondheid kunt u tegenwoordig door middel van geluidsherkenning hoestende varkens gaan detecteren,  veel sneller vergeleken met de detectie bij doorsnee toezicht in de stal. Hierdoor kan er korter op de bal worden gespeeld qua behandeling van individuele dieren en kan de spreiding van de oorzakelijke ziektekiem(en) mogelijk verminderd worden.

Hipra ontwikkelde diverse innovaties die de rentabiliteit van de varkenshouderij ten goede komen. Naast het ontwikkelen van een app voor de beoordeling van scheve neuzen (atrofie van de neusschelpen, veroorzaakt door snuffelziekte) bij varkens, werd er een app – genaamd AI DIAGNOS – ontwikkeld om longletsels, hoofdzakelijk veroorzaakt door Mycoplasma hyopneumoniae, te beoordelen.

Hoe werkt de AI DIAGNOS applicatie?

Het manueel beoordelen en scoren van longen in het slachthuis is een activiteit die heel wat tijd in beslag neemt. Bovendien is het scoren altijd gedeeltelijk subjectief, afhankelijk van de persoon die de longen beoordeelt, de ervaring die hij of zij heeft, de beschikbare tijd, het al dan niet palperen van de longen, enzovoort. Om deze redenen zijn we bij Hipra gaan nadenken over hoe dit beter en efficiënter kan. We bedachten een systeem waarbij getrainde software aan de hand van simpele smartphone-foto’s van een long, uitgespreid op een plat oppervlak, de long kan beoordelen op de mate van longontsteking. Het programma werd getraind door experts en kan herkennen of de verschillende longkwabben een afwijkend mycoplasma-achtig letsel hebben.

Figuur 1: de AI DIAGNOS app herkent de verschillende longkwabben. Binnen het aangeduide vierkant, bekijkt de software of er mycoplasma-achtige longletsels te detecteren vallen.

L = links
R = rechts
A = apicale
C = cardiale
D = diafragmatische longkwab

Hierna giet de applicatie de resultaten in een rapport dat besproken kan worden met de varkenshouder, bedrijfsdierenarts of andere erfbetreders. Voor de bedrijven die nog niet vaccineren tegen M. hyopneumoniae kan er aan de hand van de aangetroffen letsels een return of investment (ROI) berekening worden uitgevoerd. Met andere woorden: wat kan een M. hyopneumoniae vaccinatie voor u als varkenshouder opbrengen?

De proef op de som

Hipra Benelux testte de AI DIAGNOS applicatie uit in samenwerking met een erkend laboratorium en een slachthuis. Hiervoor werden van 21 willekeurige koppels telkens een deel van de longen verzameld. Er werd gestreefd naar veertig longen omdat uit literatuur blijkt dat er een representatief beeld van de longpathologie verkregen kan worden vanaf dertig longen per koppel. In totaal werden er zo 805 longen verzameld. Van iedere long werd er telkens een perfecte foto genomen (schone, zwarte achtergrond, kwaliteitsvolle camera, perfecte belichting); deze foto’s zagen we als dé referentiefoto’s. Daarna werden alle longen  nogmaals gefotografeerd met de smartphone, vervolgens nogmaals met de linker apicale longkwab omgeklapt ter nabootsing van een long dat niet mooi wordt gepresenteerd en tenslotte nam men ook nog een foto van een hangende long (onderzoeker die de long vast hield aan de luchtpijp wat eigenlijk de situatie in het slachthuis aan de slachtlijn moet nabootsen). Tevens werden de longen met dezelfde scoringsmethode beoordeeld door een onderzoeker getraind door de specialist, en door de specialist van Hipra zelf.

Resultaten

Van de 805 genomen foto’s waren er slechts vier foto’s niet gelukt (0,5 procent) in geval van de ‘perfecte’ foto’s. In geval van de smartphone-foto’s was dat al 5,5 procent en in geval van de omgeklapte longfoto was dit 10,4 procent. Verbazingwekkend genoeg konden er slechts tien foto’s van de hangende longen niet geanalyseerd worden (1,2 procent). Voornamelijk de bovenste longkwabben, waar zich de meeste mycoplasma-letsels bevinden, zijn in dergelijke hangende longen niet goed zichtbaar. De software zoekt als het ware deze kwabben, en denkt ze te vinden als stuk van de diafragmatische longkwab.

Deze proef bewees het belang van objectieve en herhaalbare uitvoering van de score. Er kwam een duidelijk verschil naar voren in de manier waarop de twee menselijke beoordelaars scoren. Eén onderzoeker overschatte consequent de score van de longletsels in vergelijking met de andere onderzoeker. De AI DIAGNOS app overschatte het aantal letsels op de perfecte foto’s in vergelijking met onderzoeker 1. En in vergelijking met onderzoeker 2 zagen we soms een onderschatting en soms een overschatting van de longletsels.

Bij het vergelijken van de perfecte met de minder perfecte smartphone-foto’s, zagen we een goede overeenstemming van de resultaten. Toch werd er bij de smartphone-foto’s nog een lichte onderschatting van de letsels gezien en dan voornamelijk in de apicale longkwabben en rechts cardiaal. Voor wat betreft de omgeklapte longfoto’s zagen we het logische resultaat van een systematische onderschatting in de omgeklapte longkwab. Bij de hangende long analyses was er eveneens sprake van een onderschatting in vergelijking met de perfecte longfoto’s. Dit resultaat lag binnen de verwachtingen aangezien de meeste letsels op de apicale en cardiale kwabben te zien zijn en deze dus niet goed beoordeeld kunnen worden in een hangende long. 

Conclusies

Zowel het optreden van verschillen in de ‘manuele’ methode door twee verschillende onderzoekers als het zien van verschillen in scores naargelang de types foto, doet ons kritisch reflecteren over het analyseren van longscores. De belangrijkste aanbeveling is om in ieder geval consequent te kiezen voor een methode om de longgezondheid van een bedrijf op te volgen. Mocht er gekozen worden voor de ‘manuele’ methode, zorg dan dat een bedrijf altijd door dezelfde persoon wordt beoordeeld. In verband met de logistieke omstandigheden van het slachtproces zouden we idealiter ook  hangende longfoto’s moeten kunnen analyseren maar hiermee blijft het belangrijkste deel van de longen buiten beeld, wat een correcte beoordeling op laesies door M. hyoppneumoniae in de weg staat. Voor foto’s van liggende longen geldt dat hoe hoger de kwaliteit en beter de positionering van de long voor de foto, hoe minder foto’s er nodig zijn om een representatief resultaat voor elk varkensbedrijf te kunnen verkrijgen. Deze proef werd uitgevoerd met een eerste versie van de app. Momenteel is er al een nieuwe versie beschikbaar die een nog preciezere beoordeling kan geven van de letsels.

Tekst: Annelies Michiels – Technical Service Swine HIPRA – Belgium

Beeld: Stefan Verhoeven – HIPRA

Iedere maand Varkensbedrijf, thuis op de mat?

Wil je het hele artikel lezen? Of de mooiste artikelen en reportages thuis op de mat ontvangen?