استفاده از هوش مصنوعی برای تشخیص بیماری ها در گاوداری های مدرن

سلامت گاوهای شیری نقش مهمی در بهره وری و رفاه دامداری های مدرن دارد، اما اتکای صرف به معاینات دوره ای و مشاهده انسانی باعث می شود بسیاری از بیماری ها دیر تشخیص داده شوند. با توجه به این چالش، هدف این مطالعه مروری آن است که نشان دهد هوش مصنوعی چگونه می تواند تشخیص زودهنگام بیماری ها را در سطح مزرعه تقویت کند و چه نوع داده ها و الگوریتم هایی بیشترین اثربخشی را دارند. در این مرور، پژوهش های اخیر که از داده های حسگرهای پوشیدنی، سامانه های شیردوشی خودکار، شیرخوری های اتوماتیک و تصاویر ویدئویی برای شناسایی بیماری های متابولیک، پستانی، حرکتی و تنفسی استفاده کرده اند، بررسی شد. مدل های گزارش شده شامل Random Forest، شبکه های عصبی عمیق، الگوریتم های یادگیری تجمیعی و پرسپترون چندلایه بودند که داده های رفتاری، فیزیولوژیک، ترکیب شیر و الگوهای حرکتی را تحلیل کرده اند. نتایج نشان می دهد که این مدل ها قادرند بروز بیماری هایی مانند ماستیت، لنگش، کتوز یا اختلالات تنفسی را چند روز پیش از مشاهده علائم بالینی شناسایی کنند. تحلیل داده های روزانه مانند نشخوار، سطح فعالیت، رسانایی شیر و الگوهای نوشیدن در گوساله ها توانسته شاخص های هشدار اولیه را با دقت قابل توجهی تشخیص دهد. با وجود این، چالش هایی مانند ناهمگونی داده ها میان مزارع، کیفیت متغیر رکوردها و هزینه اولیه تجهیزات هوشمند همچنان مطرح است. در مجموع، یافته ها نشان می دهد که هوش مصنوعی می تواند دامداری ها را از رویکرد واکنشی به مدیریت پیش نگرانه سلامت سوق دهد و با تحلیل هم زمان داده های رفتاری، تولیدی و محیطی، دقت تشخیص را افزایش دهد. برای بهره برداری بهتر از این ظرفیت، توصیه می شود ثبت داده ها در سطح مزرعه استاندارد شود، مدل ها در گله های متنوع تری آزمون میدانی شوند، سامانه های مبتنی بر حسگر و بینایی ماشین با هزینه مناسب تر توسعه یابند و مدل ها به گونه ای طراحی شوند که دلایل پیش بینی برای دامدار و دامپزشک قابل درک باشد. چنین رویکردی می تواند جایگاه هوش مصنوعی را در مدیریت سلامت گله تقویت کند.

کلیدواژه ها:

پایش سلامت ، تشخیص بیماری ، سلامت گاوها ، هوش مصنوعی ، یادگیری ماشین