TraWel: Applying transmission model techniques and biosensor data to improve animal health and welfare in Norwegian dairy herds

Store datamengder samles inn i norsk husdyrproduksjon. Dette kan brukes til å avdekke skjulte mønstre, se sammenhenger og for å lage prediksjoner for bedre helse og velferd. For å kunne dra nytte av disse store datamengdene innen helse og smittespredning, trengs det kunnskap innen både avanserte matematiske analyser og biologiske sammenhenger. I tillegg vil dataprogrammer kunne lære av mønster som dukker opp over tid (maskininnlæring). I Norge kommer mer enn halvparten av melka fra gårder med nye driftsformer som automatiske melkesystemer (AMS). Disse systemene genererer enorme mengder data som vi kan nyttiggjøre oss under forutsetning av at vi tar del i kompetanseoppbyggingen. I TraWel skal vi utvikle nye metoder for å utnytte store datamengder til å avdekke sykdom på et tidlig tidspunkt hos kyr. De store datamengdene det her er snakk om, er biosensordata fra melkemaskiner - som samles inn flere ganger om dagen per ku gjennom hele året. Vår målsetning er å oppdage og overvåke den smittsomme sykdommen er subklinisk mastitt (skjult jurbetennelse). TraWel vil øke kunnskapen ved NMBU innen håndtering av store datamengder fra moderne melkesystemer og bidra til å utnytte disse ved hjelp av avanserte matematiske og statistiske analyser. Kunnskapen som skapes igjennom TraWel, kan Veterinærhøgskolen dra nytte av i sitt arbeid med forebyggende helsearbeid, og på denne måten bidra til kunnskapsbasert utvikling for norsk husdyrproduksjon. Ved NMBU har vi sterke miljø innen biologi, matematikk, robotisering og statistikk, og vi er derfor i en unik posisjon til å bidra i det grønne skiftet. For oss, som veterinærer, betyr det sunn mat fra friske dyr som opplever et godt liv der dyrevelferden er ivaretatt. Med andre ord en etisk matproduksjon.

Detecting disease early and thereby improving animal health and indirectly safeguarding good animal welfare is essential for present and future agricultural production. With the project called TraWel, we will develop new methods for utilizing large amounts of data to detect disease at an early stage. The large amounts of data in question, are sensor data from automatic milking machines - which are collected several times a day per cow, throughout the year. The infectious disease we are going to detect is subclinical mastitis. This disease causes large losses in Norwegian milk production. By integrating sensor data from automatic milking systems in the Nordic Cattle Data Exchange (NCDX) database, we will develop a decision management tool for handling and early warning of subclinical mastitis at both herd and animal level. The decision-tool will be linked to an animal welfare indicator that TINE has developed. This indicator is updated monthly and is currently used to advise farmers to improve animal welfare. The animal welfare indicator consists of 9 sub-indicators. One of these is an udder health indicator. TraWel provides a unique opportunity to link an early warning system for subclinical mastitis to this sub-indicator of udder health, to reduce the spread of disease and thus improve animal welfare. "A TraWel through big data, machine learning (ML), advanced mathematical methods, developing new methods for utilizing large amounts of biosensor data to detect disease at an early stage"