Lehmien tapahtumien analysointi kiihtyvyysdatasta

Abstract

Lehmien terveydentilan seuraaminen tarkasti on yksi ongelmista nykyajan maantiloissa. Varsinkin poikimisen ja kiiman ennustaminen mahdollisimman aikaisesti on hyödyllistä, jotta niihin voidaan valmistautua tarpeellisesti ennakkoon. Ennen ja nykyäänkin lehmien terveydentilan seuraaminen vaati omistajien omaa työpanosta ja taitoa. Tämä tapahtuu yleensä lehmiä seuraamalla henkilökohtaisesti. Tähän tällä hetkellä on erilaisia ratkaisuja, kuten laitteita, jotka mittaavat erilaisia tapahtumia lehmiltä, kuten märehtimistä tai syöntiä. Näitä mittaamalla laitteet voivat ennustaa esimerkiksi poikimista tai kiimaa. Ennustuksien tarkkuus voi olla vaihtelevaa, mikä joissakin tapauksissa voi tuottaa vaikeuksia lehmien omistajille. Olemassa olevia ratkaisuja yhdistää yleensä yksi asia, ne vaativat erilaista infrastruktuuria toimiakseen. Tämä ei ole hyvä asia, sillä navettaympäristö ei yleensä ole hyvä ympäristö laitteistolle. Tämän lisäksi yksi ongelma on toimintakantavuuden pituus. Jos eläin menee laitteensa kanssa toiminta-alueen ulkopuolelle, se voi pahimmassa tapauksessa estää toiminnan kokonaan Anicare Oy tuottaa eläimille laitteita, jotka paikantavat niitä. Nämä laitteet kestävät kauan virrallisesti ja toimivat melkein missä vain, eivätkä vaadi erillistä infrastruktuuria. laitteet sisältävät kiihtyvyysanturin, mikä pystyy mittaamaan arvoja ja lähettämään nämä eteenpäin. Tämän työn tarkoituksena on hyödyntää kiihtyvyysanturin tuottamaa dataa eläinten tapahtumien löytämiseen. Tämän avulla laitteet voivat mitata erilaisten eläinten tapahtumia päivämittaisesti. Tulevaisuudessa laitteet voivat ennustaa jopa poikimista tai kiimaa lehmiltä. Tämä tarkoittaisi sitä, että Anicare pystyisi käyttämään laitteita eläinten tapahtumien mittaamiseen ilman erillistä infrastruktuuria. Työn tavoitteena oli luoda konseptitodistus tästä prosessista ja tutkia erilaisia menetelmiä datan analysointiin. Työn tavoitteena myös oli luoda pohja datan analysoinnille, jotta jatkokehittäminen olisi mahdollisimman helppoa. Työn tavoite onnistui suhteellisen hyvin ja tulokset olivat positiivisia tulevaisuuden suhteen.

Health of the cows has been critical information for the farmers. For a while the only way to assess the health of the cows was to watch them, but this is very time-consuming and demands a lot of skill from the worker. Most critical things to know about a cow are when it is going to calve and when it is in heat. This is important to know beforehand to prepare for it accordingly. Nowadays there are solutions for predicting these events. These devices measure cows common events, such as rumination and eating. From these they can predict more important events, like calving and heat. These predictions can vary, but mostly they are accurate. One thing unites these solutions. It is that they need infrastructure to work. This creates some problems, such as they often have a limited range. Sometimes the hardware needs to be inside of the barn, which could create some problems. Anicare Oy produces devices for animals, and their purpose is to locate them. This device includes an accelerometer, which the device can use and send the data forward. These devices last for a long time and they work almost anywhere without infrastructure. The purpose of this thesis was to use this acceleration data from cows and analyze it. One of the goals was to find different common events from the data, which would mean that the device itself could measure these events. In the future this could lead to predicting calving and heat with the ear tag. The primary goal of this thesis was to produce proof-of-concept, that measurement of different events is possible from the data and retain the devices lifetime. From achieving this goal, there would be a foundation for this process, so that it can be improved on. The goal was achieved, and the results were quite optimistic.