Charloe Hallén Sandgren, DeLaval Internaonal, charloe.hallensandgren@delaval.com Sida 1 av 7 Precision Livestock Farming (PLF) saknar en svensk benämning. Begreppet, fri översa från Wikipedia, utgår från idén a med stöd av avancerad teknologi opmera bidraget från varje enskilt djur ll gårdens totala resultat och på så sä effekvisera produkonen. Resultatet kan förbäras såväl kvantavt som kvalitavt och ökar därmed samdigt hållbarheten i produkonen. Sensorer som är inriktade på a konnuerligt mäta så väl fysiologiska skeenden, beteende som mjölkens sammansäning etcetera har kommit a förknippas med PLF. Viktiga drivkrafter för PLF är bland annat: 1. Innovaon och utveckling av sensorer En uppsjö av olika teknologier riktade mot mjölkföretag finns redan llgängliga och det utvecklats ständigt nya (Precision Livestock Farming 2013). Listan på llgängliga sensorer och teknologier kan göras mycket lång. Som exempel på parametrar som kan skaas kan nämnas: mjölkavkastning, äd, idissling, hull, vikt, andnings- och hjärrekvens, våm ph, vaenintag, mast, metan i utandningslu, hälta, akvitet, posion, ligg- och ståbeteende, brunst, dräkghet och fruktsamhetsstörningar, acetonemi, kalvning etcetera. Parametrarna kan mätas med varierande noggrannhet och det är vikgt a förstå a en del av lösningarna på marknaden är omogna och inte validerade! 2. Branschens behov av ökad arakonskra Genom a använda sig av modern teknologi ökar chansen för a arahera och behålla unga människor och människor med bredare kompetens ll mjölkprodukonen. 3. Låg lönsamhet och konsolidering säer press på arbetskostnaden I många länder och inte minst Sverige är arbetskostnaden hög. PLF har potenalen a minska arbetsåtgången i produkonen. I synnerhet intressant vid ökande besäningsstorlek. Mellan 2002 och 2013 växte andelen besäningar med > 300 kor 14 ggr! 4. Automaon resulterar i stora mängder data som kan användas Genom automask mjölkning, uodring, akvitetsmätning etcetera skapas stora mängder objekva data. Det finns outnyjade möjligheter i a samordna och kombinera dessa data genom metoder för data mining ll meningsfull informa- on om, enskilda kor och besäningen. Vilka typer av sensorer araherar mest? I undersökningar uörda på Kentucky University har mjölkbönder från flera länder få svara på den frågan och högst upp på önskelistan hamnar: 1) mast 2) ståbrunst och 3) dygnsavkastning. Forarande saknas teknologi för a beräkna foderintaget inkluderat grovfoder eller TMR. Om sådan skulle dyka upp är det högst troligt a den skulle eerfrågas. Man måste förstå a ingen sensor är 100 % korrekt. Det handlar om a hia så många sanna fall som möjligt och undvika så många falska fall som möjligt. Ju lägre man säer tröskeln ju fler sanna men också falska fall blir det och ju mindre arbete sparar man. Å andra sidan ju högre man säer tröskeln ju fler sanna fall av ll exempel brunst missar man och resultatet på gården kan försämras. Mastitsensorer Det finns skäl ll varför mast hamnar högst upp på böndernas önskelista. Kostnaden för mast ligger runt 90 /ko och år i Europa. Varje behandling kostar 100-250 /fall (högst i Sverige). Subklinisk mast kostar i form av celltal och produkonsminskning samt sprider dessutom smia i besäningen. 65-80 % av anbiokaförbrukningen beror på mast och 30-40 % av fallen är allvarliga och orsakar djurlidande och djurförluster. Finns det några bra sensorer för mast? För a ta rä beslut behövs omfaande informaon och kunskap. Är det e kliniskt eller e subkliniskt fall? Är någon och i så fall vilken bakterie inblandad? Är det en allvarlig mast? Är den kronisk? Hur mycket bidrar den ll tankcelltalet? Ingen enskild sensor kan greppa all denna informaon men varje svar har e egenvärde. Ursprungligen har flertalet mastsensorer utvecklats för automaska mjölkningssystem (AMS) ll a idenfiera klinisk mast (flockor). Pressen på mjölkkvalitet i kombinaon med behovet av a hålla arbetskostnaden låg har dock inneburit a lösningar för klinisk mast i konvenonella besäningar också tagits fram framförallt ll Oceanien men även i USA. Kondukvitet är en billig mätmetod som behöver vidareutvecklas för a ge en bäre känslighet och säkerhet, vilket bland annat gjorts med Mass Detecon Index (MDI) och Komonitorn i VMS där flera, för mas- t, relevanta data presenteras parallellt. Termografi har hills inte visat sig ha llräckligt hög träffsäkerhet. E problem är a ta bilder på hela juvret. Det finns studier som tyder på a en kombinaon av kondukvitet och celltal ökar träffsäkerheten för klinisk mast och är e exempel på hur det kan vara en fördel a kombinera relevanta data (Kamphuis et al 2008). Lactatdehydroge- Växa Sverige Djurhälso- och Uodringskonferensen 2015 21
Charloe Hallén Sandgren, DeLaval Internaonal, charloe.hallensandgren@delaval.com Sida 2 av 7 nas (LDH) som används i Herd Navigator är utvecklad för a idenfiera dig akut inflammaon och är inte validerad för klinisk mast. Teknologier för a detektera allvarlig och/eller kronisk mast saknas helt för närvarande. För dea krävs informaon från flera källor som mjölkavkastning, foderkonsumon, akvitet, temperatur, beteende, historik etcetera. Den enda sensor i AMS som mäter celltal direkt är OCC. Andra lösningar är baserade på en CMT mätning. För konvenonell mjölkning finns Masline som en fristående lösning baserad på ATP mätningar och som uppvisat intressanta resultat (Frundzhyan et al 2008) Hur fungerar sensorer i verkligheten? Den första studie som följt upp resultatet i besäningar med och utan sensorer publicerades under våren 2015 (Steeneveld et al. 2015). Resultaten tyder inte på några tydliga effekter på celltal och fruktsamhet, vilket mest troligt kan förklaras av a investeringen i det absoluta fall sammanföll med en annan större förändring i kostallet. I e arbete från Nya Zeeland (Eastwood et al 2015) undersökte man hur mjölkföretagare och personal uppfaande PLF teknologi eer investering. Sammanfaningsvis ansåg man a man få tydligt minskad arbetsåtgång, ökad mjölkavkastning och förbärad lönsamhet. Kommentarer som framkom var a kunskap krävs för a bli framgångsrik och a leverantören hade e ansvar a erbjuda mer utbildning kring tekniken. På motsvarande sä har DeLaval genomfört en oberoende enkät riktad ll Herd Navigator kunder. Generellt var de Kanadensiska, Holländska och Finländska och Svenska kollegorna väldigt posiva ll teknologin, där de svenska låg i topp. Samtliga svenska HN ägare sa sig vara nöjda med teknologin och 90 % skulle rekommendera den ll kollegor. Referenser: Borchers M.R. and J.M. Bewley. Precision Dairy Technologies: A Producer Assessment University of Kentucky, precision dairy show case Dec 3, 2014. Eastwood C.R, Jago, J.G., Edwards, J.P. and J. K. Burke. (2015) Geng the most out of advanced farm management technologies: roles of technology suppliers and dairy industry organisaons in supporng precision dairy farmers. Animal Prod Sci hp://dx.doi.org/10.1071/ AN141015 Kamphuis, C., Sherlock, R., Jago, J. Mein, G. and H. Hogeveen (2008) Automac Detecon of Clinical Mass Is Improved by In-Line Monitoring of Somac Cell Count J. Dairy Sci. 91:4560 4570 Precision LivestockFarming 2013 edited by D. Berckmans and J. vandermeulen Papers presented at the 6th european conference on Precision Livestock FarmingLeuven, Belgium10-12 september 13 Steeneveld, W., Vernooij, J. C. M. and H. Hogeveen. (2015) Effect of sensor systems for cow management on milk producon, somac cell count, and reproducon J. Dairy Sci. 98 :1 10 Frunzhyan, V.G., Parkhomenko, I.M., Brovko, L.Y and N.N Ugarova (2008). Imporved bioluminescent assay of somac cell counts in raw milk. J Dairy Res. 75 279-283. Sammanfattning Det finns många möjligheter med PLF och sensor teknologin såsom dig upptäckt av störningar, förbärad djurhälsa, ökad effekvitet, minskad miljöbelastning mm. Utmaningarna ligger i a erbjuda mjölkföretagen llräckligt robusta, validerade och integrerade system som erbjuder adekvata handlingsalternav. Det är också vikgt a förstå a ingen sensor eller människa är perfekt. A kombinera den egna kunskapen med informaon från sensorn ger alld bäst resultat. A förstärka koögat helt enkelt. PLF kommer inte ändra kor och människor, men hur de arbetar llsammans. 22 Djurhälso- och Uodringskonferensen 2015 Växa Sverige
Charloe Hallén Sandgren, DeLaval Internaonal, charloe.hallensandgren@delaval.com Sida 3 av 7 advanced technologies per animal quantitative, qualitative and/or addressing sustainability Wikipedia 20150811 UngaböndersfeedbacktillDeLaval Hightech ochautomationäravstörstaintresse(träning ochutbildningavökandebetydelse) Växa Sverige Djurhälso- och Uodringskonferensen 2015 23
Charloe Hallén Sandgren, DeLaval Internaonal, charloe.hallensandgren@delaval.com Sida 4 av 7 SinceJan97 24 Djurhälso- och Uodringskonferensen 2015 Växa Sverige
Charloe Hallén Sandgren, DeLaval Internaonal, charloe.hallensandgren@delaval.com Sida 5 av 7 Växa Sverige Djurhälso- och Uodringskonferensen 2015 25
Charloe Hallén Sandgren, DeLaval Internaonal, charloe.hallensandgren@delaval.com Sida 6 av 7 26 Djurhälso- och Uodringskonferensen 2015 Växa Sverige
Charloe Hallén Sandgren, DeLaval Internaonal, charloe.hallensandgren@delaval.com Sida 7 av 7! Frågor och egna erfarenheter? Vad tar jag med mig? Konsekvenser? Prakska idéer? Vad gör jag konkret? Växa Sverige Djurhälso- och Uodringskonferensen 2015 27