Denne artikkelen er produsert og finansiert av NMBU - Norges miljø- og biovitenskapelige universitet - les mer.
Hvordan kan KI være nyttig i grisebingen?
Kameraovervåking tolket av kunstig intelligens gjør det mulig å følge dyrene time for time.
I forsøk lærte KI-modellen å gjenkjenne positiv atferd, som utforsking, lek og halebevegelse, og negativ atferd som slåssing, ørebiting og halebiting.(Foto: Marco Ocepec)
NMBU - Norges miljø- og biovitenskapelige universitetNMBU -Norges miljø- og biovitenskapelige universitet
Publisert
En vanlig dag i grisefjøset. Grisene liggertett sammen langs veggen i bingen. De puster rolig. Kameraet i taket registrerer dem som varme flekker av aktivitet.
En av dem våkner, grynter, reiser seg og dytter nesa ned i strøet, som om den leter etter noe. Den dytter borti en annen gris som skvetter opp. Brått reiser alle seg og det blir liv i bingen.
Kameraet registrerer hver og en av kroppene som beveger seg over gulvet. Ikke bare hvor grisene er og går, men også formen på kroppen, hvordan den holder hodet, ørene og halen.
Registreringene av bevegelsene blir til linjer som går på kryss og tvers ettersom timene går, før flokken igjen legger seg tett sammen for å sove.
KI lærer atferden til hver enkelt gris
Over tid samler kameraet nok informasjon til at kunstig intelligens kan lære atferden til hver enkelt gris. Når den er i bevegelse, hvor mye den pleier å bevege seg, hvor den liker å oppholde seg og hvordan den leker og krangler med andre griser.
Men den kunstige intelligensen forstår ikke betydningen av atferden den registrerer. Det er først når registreringene kobles sammen med kunnskapen om atferden til griser at den forteller noe om hvordan grisen egentlig har det.
– For å forstå velferden til grisen må vi først forstå grisen selv. Dette er kjernen i forståelsen av dyreatferd, sier Marko Ocepek.
Han er forsker i etologi, det vil si dyreatferd, ved Norges miljø- og biovitenskapelige universitet, NMBU.
De siste fem årene har han jobbet med presisjonshusdyrhold på gris. Det vil si en moderne tilnærming til husdyrproduksjon der han kombinerer maskinsyn, kunstig intelligens og atferdsvitenskap for å utvikle nye metoder for å forstå og overvåke dyrevelferd.
Forsker Marko Ocepek har mange års erfaring med forskning på grisers atferd. Med forskningsbaserte AI-analyser får han en ny dimensjon i forståelsen av individenes atferd over tid.(Foto: Janne Karin Brodin)
Fra tidligere manuelle registreringer til moderne teknologi
Tidligere ble registreringer av dyreatferd gjort manuelt ved å observere dyrene.
Registreringen var tidsbegrenset og ga øyeblikksbilder av situasjonen i grisebingen. Det var også krevende å følge mange dyr samtidig, og resultatene ble påvirket av observatørens vurderinger.
Med kunstig intelligens er det mulig å overvåke dyrene hele døgnet. Målingene blir dessuten objektive og standardiserte, og det er mulig å analysere både store grupper og enkeltindivider samtidig.
– Det mest interessante med denne forskningen er muligheten til å følge enkeltindivid og grupper kontinuerlig over tid. Vi kan forstå hvordan atferd utvikler seg time for time og dag for dag, og dermed få innsikt i dyrevelferd på en måte som tidligere ikke var praktisk mulig, sier Ocepek.
Slik gjør de det
I arbeidet med å kombinere kunstig intelligens og dyreatferd har Ocepek brukt en metode med flere trinn.
Først bruker han kunnskap om dyrs biologi til å bestemme hva som skal måles. Det betyr å se på hvordan atferden ser ut, hvorfor den skjer, hva som utløser den og hvordan den utvikler seg.
Annonse
Deretter observerte forskerne dyrene manuelt, enten direkte eller gjennom video. De så etter og delte inn atferd som hvile, bevegelse, sosial kontakt og aggressiv atferd.
– Atferdene må være både biologisk relevante og presist definerte. Slik kan observasjonene bli registrert likt, selv om det er forskjellige observatører som registrerer dem, sier Ocepek.
Så merker forskerne videobildene manuelt. Dette kalles annotering. Det betyr at en atferd blir markert i videoen.
Først da kan en datamaskin lese og forstå informasjonen, og en KI-modell kan læres opp til å kjenne igjen atferden selv. Dette er det siste trinnet i metoden.
For å kjenne igjen grisene i videoene ble det brukt flere metoder. I noen forsøk hadde grisene RFID-øremerker. Disse sendte trådløse signaler til en leser, slik at aktiviteten til hvert dyr kunne registreres.
I andre forsøk ble det brukt kamera og KI som fulgte hvert dyr over tid, og kjente dyret igjen basert på kropp, posisjon og bevegelsesmønster.
Ny innsikt i atferden ga overraskelser
Dagens grisebinger er designet basert på vurderingen av at grisene skal få dekket sine forskjellige behov i bestemte soner. Fast gulv med strø skal fungere som hvileplass, mens spaltegulv skal brukes til gjødsling.
Dette bygger på både biologiske antakelser og regelverk, for eksempel krav om liggeareal.
Men det har manglet detaljert informasjon om hvordan grisene faktisk bruker de forskjellige områdene gjennom døgnet. Tidligere studier har basert seg på relativt korte observasjoner og manuell registrering, noe som gir et begrenset bilde av virkeligheten.
Gjennom flere forskningsprosjekt har Ocepek og kollegene utviklet metoder for å følge aktivitet, bevegelsesmønstre og bruk av miljøet hos enkeltgriser over tid. Arbeidet har også avdekket noen overraskelser.
– Grisene har et mer fleksibelt aktivitetsmønster enn tidligere antatt. De bruker ikke alltid områdene i bingen slik de er tiltenkt. For eksempel hviler de ofte på spaltegulv selv når forholdene skulle tilsi noe annet, sier Ocepek.
Annonse
Dessuten er det betydelig aktivitet i bingen også på nattestid.
KI fanger opp individuelle forskjeller
Forskningen viste at grisene er ganske synkroniserte i atferden. Ofte var en stor del av gruppa enten aktiv eller hvilte.
Det er fordi griser er sosiale dyr, og de påvirker hverandres adferd. Men selv om grisene i stor grad var koordinert som gruppe, så forskerne at det var klare forskjeller mellom individer.
– Noen griser beveget seg mye og brukte hele bingen, mens andre holdt seg i begrensede områder. Denne kombinasjonen av gruppeatferd og individuell variasjon gir et mer nyansert bilde av hvordan grisene faktisk har det i en ordinær grisebinge, sier Ocepek.
Avvik i aktivitetsmønster gir viktig informasjon
Resultatene viste også at aktiviteten til hver enkelt gris varierte fra dag til dag.
Siden det er individuelle forskjeller på grisene er det ikke hensiktsmessig å bruke én felles grense for hva som kan karakteriseres som normal aktivitet. Hver gris bør i stedet sammenlignes med sitt eget normale aktivitetsnivå.
Det å observere variasjonen er viktig fordi det kan brukes til å oppdage avvik, for eksempel sykdom eller stress, på et tidlig stadium, forklarer forskeren.
En annen fordel er muligheten til å analysere sammenhenger over tid. Det gir bedre forståelse av hva som skjer før og etter en bestemt atferd, og hvorfor den oppstår.
– Et fall i aktivitet er først virkelig interessant hvis den er lavere enn grisens egen normalverdi. En gris som plutselig beveger seg mindre enn normalt kan være et varseltegn, sier Ocepek.
