Yapay Zekâlı Geri Dönüş Kapıları: Süt Çiftliklerinde Verimlilik ve Refah Devrimi

HABER MERKEZİ – Süt hayvancılığında sağımhane verimliliği, ineklerin toplama alanındaki "akış" hızıyla doğrudan ilişkilidir. Yeni Zelanda'da geliştirilen ve yapay zekâ (YZ) ile desteklenen yeni bir sistem, inek akışını optimize ederek çiftliklerin hem işçilik maliyetlerini düşürüyor hem de hayvan sağlığını iyileştiriyor.

Glenrie Çiftliği ve yedi diğer ticari işletmede denenen "Flow" sistemi, geri dönüş kapılarını bir operatörün insiyatifine bırakmak yerine, bilgisayar görüşü ve makine öğrenimi kullanan kameralara emanet ediyor.

İnsan Hatasına Karşı Yapay Zekâ Tutarlılığı

Geri dönüş kapıları, sağımhaneye giren inek yoğunluğunu sabit tutmak için kullanılır. Ancak, personelin tecrübesizliği veya farklı kişilerin farklı yöntemler uygulaması ineklerde strese, sıkışmaya ve neticesinde topallığa yol açabiliyor.

Livestock Visibility Solutions'ın kurucusu Richard Appleby, Flow sisteminin bu tutarsızlığı ortadan kaldırdığını belirtiyor:

Gece Görüşü: İnsan gözünün karanlıkta siyah inekleri fark edemeyip kapıyı fazla itmesi riskini YZ ortadan kaldırıyor.

Hassas Baskı: Sistem, inek yoğunluğunu metrekare bazında hesaplayarak kapıyı ne çok agresif ne de çok pasif hareket ettiriyor.

Eğitim Süreci: Yapay zekâ, çiftliğin inek yapısını ve toplama alanı dinamiklerini 2 ila 8 hafta içinde tamamen öğreniyor.

Rakamlarla Başarı: Zaman ve Para Tasarrufu

Pilot çiftliklerden elde edilen veriler, sistemin sadece 12 ayda kendini amorti ettiğini gösteriyor:

Hız ve Sağlık: Sistem sayesinde günlük sağım sürelerinde 30 ila 70 dakika arasında kısalma görülürken, topallayan inek sayısında %15-20 oranında bir düşüş kaydedildi.

Çiftçi Görüşü: "İnekler Rutini Sever"

Te Awa Çiftliği yöneticisi Tony Watson, sistemin özellikle yeni personeli eğitme yükünü ortadan kaldırdığını ve çalışanların işten daha erken çıkabilmesinin moral motivasyonu artırdığını vurguluyor. Glenire Çiftliği yöneticisi Kerry Higgins ise, ineklerin sürekli ve sakin bir akışla hareket etmesi sayesinde ayak hastalıklarıyla uğraşmak yerine diğer çiftlik işlerine zaman ayırabildiğini belirtiyor.

Şu anda 30 çiftlikte aktif olan bu teknolojinin yakın zamanda İngiltere ve diğer Avrupa ülkelerinde de yaygınlaşması bekleniyor.

Haber Merkezi / koydenhaber

#AkıllıTarım #YapayZeka #Hayvancılık #SütÇiftliği #Teknoloji #KöydenHaber #İnekAkışı #YeniZelanda #Verimlilik

Sizce Türkiye'deki büyük ölçekli süt çiftliklerinde bu tür bir yapay zekâ otomasyonu topallık sorununa kökten çözüm olabilir mi?

Geri dönüş kapılarındaki yapay zekâ bağlantılı kameraların inek akışını nasıl iyileştirebileceği

Yeni Zelanda'daki Glenrie Çiftliği'ndeki süt inekleri © Livestock Visibility Solutions

Toplama alanında ineklerin akışını iyileştirmek için kullanılan bir geri dönüş kapısı, ancak onu kontrol eden kişinin becerisi kadar iyi olabilir.

Ancak, kapıyı hareket ettirmek için insan yerine yapay zekâya bağlı kameraların kullanılması, Yeni Zelanda'daki süt çiftliklerinde enerji, işçilik ve sakatlık maliyetlerinde yılda 20.000 sterline eşdeğer bir tasarruf sağlıyor.

Ayrıca bakınız:  Bir danışmanın süt sığırlarında ayak sağlığına odaklanmasının süt verimini nasıl artırdığı

Sekiz ticari çiftlik, geri geri giden kapı hareketlerini standartlaştırmak için bilgisayar görüşü ve makine öğrenimi kullanan Flow sistemini deniyor.

Her gün, her sağımda tutarlılık sağlanması, günlük sağım sürelerinde 30 ila 70 dakika arasında bir azalmaya ve ayrıca topallayan inek sayısında %15-20 oranında düşüşe yol açmıştır. (Aşağıdaki tabloya bakınız)

Akış geri dönüş kapılarının sağım süreleri v kontrolü

Kontrol

Çiftlik 1 (Glenire)

Çiftlik 2

Çiftlik 3

Çiftlik 4

Çiftlik 5

Çiftlik 6

Çiftlik 7

Çiftlik 8

Salon boyutu

60

60

60

60

60

40

60

54

50

Salon tipi

Döner

Döner

Döner

Döner

Döner

Balıksırtı

Döner

Döner

Döner

Toplama alanı tipi

Yuvarlak

Yuvarlak

Yuvarlak

Dikdörtgen

Dikdörtgen

Dikdörtgen

Yuvarlak

Yuvarlak

Yuvarlak

Sürü büyüklüğü

1.100

1.250

1.400

1.350

1.400

850

850

700

650

Ortalama sağım saatleri

3

2.8

3.2

2,95

3.1

1.9

1.9

1.5

1.45

İnek başına ortalama sağım süresi (sağımhane tipine göre standardize edilmiş)

9.81

8.06

8.22

7.86

7.97

8.04

8.04

7.71

8.03

Toplam sağım süresindeki kontrol grubuna göre sapma (daha hızlı) %

0

17.86

16.19

19.87

18.80

18.03

18.03

21.42

18.2

Kaynak: Richard Appleby, Hayvancılık Görünürlük Çözümleri

Personel eğitiminde karşılaşılan zorluklar

İnekler rutini sever ve iyi bir inek akışı daha verimli bir sağım işlemine ve daha iyi hayvan refahına yol açar.

Dolayısıyla, ideal olarak, her sağımcı her sağımda geri manevra kapısını doğru şekilde kullanmak üzere eğitilmelidir.

Ancak, eski bir süt üreticisi ve Livestock Visibility Solutions'ın kurucusu Richard Appleby, bu kapıların kullanımında karşılaşılan zorlukların farkındadır.

Bunlar sadece yanlış kullanımı değil, farklı kişiler tarafından kullanımda görülen farklılıkları da içerir; bu durum inekleri rahatsız eder ve personeli hayal kırıklığına uğratır, ardından verimsiz sağım, beyaz çizgi hastalığı veya topuk yaralanmaları meydana gelir.

Richard, çiftlik sahiplerinin yeni personeli eğitmekte ve onların bu bilgileri akılda tutmasını sağlamakta zorlandığını düşünüyor.

Bu durum, insanların daha önce tarım alanında deneyim sahibi olmamaları veya İngilizceyi ana dil olarak konuşmamaları halinde daha da karmaşık hale gelir.

Ancak, kümeleri kaldırmak veya inekleri yönlendirmek için otomasyonun ve kızgınlığı tespit eden teknolojinin kullanıldığı bir çağda, geri geri giden kapılar için hiçbir şey geliştirilmemiş olmasını şaşırtıcı buldu.

Tek tip kapının geliştirilmesi

Flow, Richard'ın çiftliğe özgü değişkenlerden (ineklerin şekli, boyutu ve sayısı, toplama alanı ve sağımhane tipi) bağımsız olarak tek tip kapı hareketi yaratacak bir sistem geliştirmesiyle başlayan bir "karantina projesi" olarak ortaya çıktı.

Geri dönüş kapısının elektrik aksamını, piyasadan temin edilebilen iki adet endüstriyel güçlü kameraya bağladı, bunları bir çiftlik bilgisayarına monte etti ve yapay zekayı (YZ) içeren yeni bir yazılım programladı.

Kameraların toplama alanındaki inek sayısını görüntülediğini (bireyleri tanımlamaya gerek olmadığını) ve yapay zekanın yoğunluğu hesapladığını açıklıyor; metrekare başına standart bir inek sayısı yok.

Flow sistem kamerası © Hayvan Görünürlüğü Çözümleri

Ardından, her sağım sırasında kameralar tarafından sağlanan canlı görüntülere göre kapı için standart hareket kararları almak üzere çiftliğe özgü bir bilgi tabanı oluşturur ve bu bilgi tabanını kullanır.

Daha fazla bilgi edinin

Pratik tarım tavsiyeleri için Bilgi Merkezimizi ziyaret edin.

Süt çiftliklerinde barınma ve elleçleme

"Yapay zeka, tutarlılığı sağlamak amacıyla, inek sayılarındaki dalgalanmalar gibi çeşitli senaryolarda ahır koşullarını ve inek yoğunluğunu tanımak üzere eğitilmiştir."

“Örneğin, geceleyin siyah inekleri tespit ederken, bir operatör bazı hayvanları fark edemeyebilir ve kapıyı [çok fazla] ileriye iterek sıkışmaya neden olabilir.

Richard, "Flow, tüm görüş koşullarında tutarlı bir yolcu sayısını belirlemek üzere eğitildi," diyor.

“Sistemimiz, saha dinamiklerini gerçek zamanlı olarak işliyor.”

"İneklerin davranışlarındaki veya sağımhane faaliyetlerindeki dalgalanmalardan bağımsız olarak, yoğunluk sabit ve istikrarlı bir seviyede tutulmaktadır."

“Bu, [bazı destek kapılarında bulunan] 'sürünme' özellikleriyle sıkça ilişkilendirilen aşırı hareket riskini ortadan kaldırır.”

Çiftliğe özgü yapay zeka öğrenimi

Çiftliğe bağlı olarak, yapay zekanın veri tabanını ve tekniğini öğrenmesi ve mükemmelleştirmesi iki ila sekiz hafta sürüyor. Zaten rutinlerinde daha tutarlı çalışan çiftliklerden daha hızlı sonuçlar alınıyor, diye ekliyor.

Sistemin geliştirilmesi sırasında Yeni Zelanda'lı topallık veterineri Neil Chesterton ile yakın işbirliği içinde çalışan Richard, sistemin ineklerin doğal davranışlarıyla uyumlu bir şekilde çalışmasını sağladı.

“Tam doğru miktarda baskı uyguluyor – ne çok agresif ne de çok pasif – ve tutarlı. İneklerin bakımını üstlenecek şekilde ayarlanmış,” diyor.

Geriye doğru açılan kapı, Flow önce kapıyı geri çekse de, ineklere hareket etmek üzere olduğunu sesli bir şekilde bildirmek için hâlâ zil veya siren kullanıyor.

"İnek eğitimini optimize etmek ve inek davranışlarını dikkate almak için, ileriye doğru hareket süresinin yaklaşık %15-20'si kadar geriye doğru bir hareketin en iyi sonuçları verdiğini tespit ettik," diyor.

yatırım getirisi

Fiziksel bakım gereksinimi azdır, ancak yapay zeka yazılımının çiftçilerden gelen geri bildirimlere göre aylık olarak desteklenmesi, yükseltmeler ve işlevsellik iyileştirmeleri (örneğin açma/kapama ışığı) gerekmektedir.

Richard, çiftçilerin ekipmanı satın aldıktan sonra her inek için aylık lisans ücreti ödediklerini söylüyor. "Sözleşmeleri varsa, bakımını kendi maliyetimizle yapıyoruz," diye ekliyor.

Pilot çiftlik tasarrufları

Yapay zekâ kontrollü geri dönüş kapısı kullanımından elde edilen yıllık tasarruflar

Topallığın azalmasından elde edilen gelir 13.750 NZ$ (5.946 £)

6.023 Yeni Zelanda doları (2.604 sterlin) daha düşük enerji maliyeti

İşçilik maliyeti 27.732 Yeni Zelanda doları (11.991 sterlin)

Bir sağım sezonunda toplam 47.505 Yeni Zelanda doları (20.541 sterlin) tasarruf sağlandı.

Richard, sekiz pilot çiftlik için standart Yeni Zelanda maliyetlerini kullanarak, bir çiftliğin ortalama olarak bir sağım sezonunda toplamda 47.505 Yeni Zelanda doları (20.541 sterlin) tasarruf sağladığını hesapladı.

Bu, yatırımın geri dönüş süresinin 12 aydan az olduğu anlamına gelirken, lisans ücretine yapılan yatırımın getirisi, harcanan her 1 Yeni Zelanda doları (0,43 £) için 6 Yeni Zelanda doları (2,60 £) ile 8 Yeni Zelanda doları (3,47 £) arasında değişmektedir.

Sistem şu anda 30 çiftlikte faaliyette ve İngiltere'de bir pilot uygulama planlanıyor.

Çiftçi deneyimi

Çiftlik yöneticisi Tony Watson, Yeni Zelanda'nın Canterbury bölgesindeki Te Awa Çiftliği'nde Flow sistemini deneme konusunda başlangıçta şüpheci olduğunu itiraf ediyor.

Bu 1.100 başlık inek sürüsü, 20 çiftlikte 15.233 ineği sağan Craigmore Sustainables işletmesinin bir parçasıdır.

Ancak, akış kontrollü geri dönüş kapısı kullanılarak 60 noktalı döner sağım sisteminde sağım süresi 2,15 saatten (veya inek başına 8,14 saniyeden) 1,76 saate (veya inek başına 6,66 saniyeye) düştü.

Tony, "Yeni süt sağımcılarının sadece düğmeye basıp [geri vites kapısını] unutabildiklerini görebiliyordum," diyor.

"Süt işleme tesisini daha kısa süre çalıştırabiliyoruz ve çalışanlar daha erken ayrılabiliyor, bu da moral açısından iyi."

Tony, yeni personeli eğitmek ve mevcut personele kapıyı doğru kullanmayı hatırlatmak zorunda kalmamanın yanı sıra, bu sistemin çok sayıda farklı kişinin sağım yaptığı çiftlikler için de faydalı olacağını düşünüyor.

"Bu, ineklere, tek tek kapıların açılıp kapanmasıyla oluşan [farklı] durumlara kıyasla, ağılda çok tutarlı bir deneyim sunuyor," diye ekliyor.

Sakin inekler

Güney Canterbury'deki Glenire Çiftliği'nin yöneticisi Kerry Higgins, sakat inek sürüsünün üçte iki oranında azaltılmasının, çiftlikteki ekibin üzerindeki baskıyı azalttığını söylüyor.

350 hektarlık bu süt çiftliği, 60 sağım ünitesine sahip döner bir sistemle 1250 ineği sağıyor. Ayaklarını kaldırmak yerine, çiftlikteki diğer işlere zaman ayırabildiğini açıklıyor.

"Eğer ahırda tutarlı olursanız, yaptığınız işte istikrarlı olursanız, inekler buna bayılır," diyor.

“Hayvanların sürekli akışı sayesinde verimliliğimizin arttığını gördük; sistem iyi çalıştığı için hayvanlar sakin ve uysallar.”