A modern szenzoros és mesterséges intelligenciával támogatott rendszerek nagy segítséget adnak az állattartóknak és az állatorvosoknak, de önmagukban nem helyettesítik a szakmai döntést – hangsúlyozta Dr. habil. Mikó Edit, a Szegedi Tudományegyetem Mezőgazdasági Karának egyetemi docense, dékánja az Alföldi Állattenyésztési Napok keretében szervezett precíziós állattartási és mesterségesintelligencia-fókuszú konferenciáján.
A rendezvény célja az volt, hogy bemutassa, milyen módon jelenhet meg a precíziós állattartás és a mesterséges intelligencia a hazai állattenyésztési gyakorlatban, különös tekintettel a telepi döntéstámogatásra, a korai felismerésre, az automatizált monitoringra, valamint a termelési és állategészségügyi hatékonyság növelésére, továbbá a telepi adatok integrációjára, értelmezésére és gyakorlati hasznosítására.
Az adatok önmagukban még nem elegendők
A Magyarországi Precíziós Állattartásért Egyesület (MAPÁE) és a Szegedi Tudományegyetem Mezőgazdasági Kara rendezvényén az előadó a precíziós állattartás, vagyis a Precision Livestock Farming gyakorlati jelentőségét és korlátait mutatta be.
Az előadó szerint a PLF lényege a folyamatos, adatvezérelt, pontos és reprezentatív megfigyelés. A rendszer először a környezeti paramétereket méri, majd azt vizsgálja, hogyan reagálnak ezekre az állatok: változik-e a viselkedésük, termelésük, egészségi állapotuk vagy szaporodásbiológiai teljesítményük. Mikó Edit kiemelte, hogy egy jó precíziós állattartási koncepcióban ezeket az adatokat nem külön-külön, hanem összefüggéseikben kell értelmezni.
A riasztás még nem diagnózis
Az előadás egyik fő üzenete az volt, hogy a technológiai riasztás nem azonos a diagnózissal. Egy csökkenő evésidő, kérődzési aktivitás vagy mozgásminta számos okra utalhat: betegségre, hőstresszre, takarmányozási problémára, zsúfoltságra vagy más tartástechnológiai tényezőre. Az állatorvos feladata éppen az, hogy a szenzoros jelzés mögött megtalálja a valódi okot.
A „black box” rendszerek kockázata
Mikó Edit szerint a kameraalapú, mesterséges intelligenciával támogatott rendszerek jelenleg látványos fejlődésen mennek keresztül. Egyes megoldások már képesek felismerni például a sántaságot, a kondíció változását, bizonyos viselkedési eseményeket, vagy akár a szaporodásbiológiai állapotot. Ugyanakkor arra is figyelmeztetett, hogy ezek a rendszerek sokszor „black boxként” működnek: a felhasználó nem mindig látja, pontosan milyen adatok alapján keletkezik egy riasztás.
Telepenként eltérhet a rendszer pontossága
Az előadó ezért állategészségügyi validációs keretrendszer kialakítását tartja szükségesnek. Ennek célja annak vizsgálata, hogy egy adott PLF-rendszer egy konkrét telepi környezetben milyen pontossággal működik. Kiemelte, hogy ugyanaz a technológia eltérő teljesítményt nyújthat tejhasznú és húshasznú állományban, illetve különböző telepeken.
Protokoll kell a valódi ok megtalálásához
A validáció során a riasztott állatokat részletes állategészségügyi protokoll alapján kell megvizsgálni, majd az eredményeket össze kell vetni a környezeti, menedzsment- és technológiai tényezőkkel. Mikó Edit szerint csak így lehet eldönteni, hogy a riasztás valódi betegséget, tartási problémát vagy nem magyarázható eltérést jelez-e.
A jövő a pontosabb döntéstámogatásé
A jövő fejlesztési irányai között említette az új biológiai indikátorok azonosítását, a különböző adatforrások integrálását, valamint a döntéstámogató funkciók fejlesztését. Megítélése szerint a mesterséges intelligencia legfontosabb szerepe nem pusztán az interaktív kommunikáció, hanem az, hogy az ember számára átláthatatlan adathalmazokban ismerjen fel hasznos mintázatokat.
Emberi tudás nélkül nincs precíziós állattartás
Összegzése szerint a precíziós állattartás komoly lehetőség az állományegészség megőrzésében és a termelési hatékonyság javításában, de csak akkor működik igazán jól, ha a technológiai adatokat állatorvosi tudással, telepi tapasztalattal és jól felépített vizsgálati protokollal értelmezik.
Agrárágazat Tudástár: Precision Livestock Farming – A Precision Livestock Farming (PLF), vagyis precíziós állattartás olyan adatvezérelt rendszer, amely szenzorok, kamerák és digitális monitoring segítségével követi az állatok viselkedését, egészségi állapotát és termelését. Célja a korai problémák felismerése és a pontosabb döntéstámogatás. A technológiai riasztások azonban önmagukban nem helyettesítik az állatorvosi diagnózist, mert az adatok értelmezéséhez továbbra is szükség van szakmai tapasztalatra és telepi ismeretekre.
