Frequently recorded sensor data may correctly provide health status of cows if data are handled carefully and errors are filtered away

Abstract

Description of the subject. The implementation of sensor based decision support in commercial dairy herds is highly dependent on having reliable systems. Problems with sensors give missing and noisy data hampering their use. Also, the presentation of results needs to be in a form which is simple and useful. These issues were addressed using a mastitis sensor and decision support as example. Objectives. This study aims at providing and evaluating a modular system applicable to the pipeline from sensor to decision support. Method. The case of mastitis was chosen as it is of economic importance and also affects welfare of cows, and because we have worked with a commercial sensor. The problems with sensors causing missing data and noise are described and a range of filtering and monitoring modules are shown to be important to make systems functional for herd management purposes. On top of this a solid method needs to be used to interpret and present data to end users, in terms of easy to read categories. Results. Filtering and pre-adjustments of raw data are important in making algorithms robust and reliable for daily use. Re-definition of traits is needed going from traditional few groups to continuous definitions, and then to new action oriented health classes. Also, for this case focusing on mastitis, assignment to “permanently sick” groups can be helpful in keeping focus on new acute cases. Conclusions. The combined use of filtering, fix-up routines and time series models leading into action oriented categories is needed to provide simple and robust decision support. The systems may be vastly improved by opening for transmission of data between user groups and to common databases – also with a few to use data in genetic selection.Les données collectées de manière répétée par des capteurs peuvent fournir des informations correctes sur le statut sanitaire des vaches uniquement si ces données sont traitées avec rigueur et que les erreurs sont filtrées Description du sujet. La mise en place d’outils d’aide à la décision basés sur des capteurs placés au sein des fermes laitières commerciales dépend fortement de la fiabilité du système. Les problèmes liés aux capteurs engendrent du bruit et des données incomplètes, limitant donc leur utilisation. De plus, il est nécessaire que les résultats soient présentés de manière simple et utile. Ces questions sont illustrées sur base d’un capteur et d’un système d’aide à la décision liés à la détection des mammites. Objectifs. Cette étude a pour objectif de fournir et d’évaluer un système modulaire applicable à tout le système, depuis le capteur jusqu’à l’outil d’aide à la décision. Méthode. Le cas particulier des mammites a été choisi sur base de son importance économique, de son impact sur le bien-être des vaches laitières et parce que nous avons travaillé avec un capteur commercial de mammites. Les problèmes avec les capteurs qui engendrent du bruit et des données incomplètes sont décrits et l’importance d’une série de modules de filtres et de contrôles a été démontrée afin d’avoir des systèmes fonctionnels à des fins de gestion de troupeau. Finalement, une méthode fiable doit être utilisée pour interpréter et présenter les données aux utilisateurs finaux afin qu’elles soient faciles à appréhender. Résultats. Filtrer et pré-ajuster les données brutes est important dans la conception d’algorithmes robustes et fiables pour une utilisation quotidienne. La redéfinition des caractères est nécessaire, permettant de passer de quelques groupes traditionnels à une définition continue jusqu’à des actions orientées par classe de statut sanitaire. Aussi, pour ce cas particulier se focalisant sur les mammites, l’affectation aux groupes « irrémédiablement malades » peut être utile afin d’attirer l’attention sur les nouveaux cas de mammite aigüe. Conclusions. L’utilisation combinée de filtres, de routines de correction et de modèles de séries temporelles menant à des catégories orientées par rapport à l’action à prendre est nécessaire afin de fournir des outils d’aide à la décision simple et robuste. Les systèmes peuvent être fortement améliorés en ouvrant la porte au transfert de données entre des groupes d’utilisateurs et aux bases de données communes, aussi à des fins de sélection génétique.