Ingenieur en boerenzoon Maarten Perneel introduceert AI in de melkveestal
ReportageWat als een computer niet alleen elke koe eenvoudig kon herkennen, maar ook haar gezondheid, gedrag en welzijn kon monitoren? Ingenieur en boerenzoon Maarten Perneel (UGent) ontwikkelde een AI-tool die het werk van de veehouder en het leven van de dieren aanzienlijk kan verbeteren. Het systeem draait op eenvoudige bewakingscamera’s en kan zaken als bronst, kreupelheid en afkalving nauwkeurig detecteren. Perneel demonstreerde de tool donderdag op het melkveebedrijf van Andy Van Rossem in Lokeren.
Maarten Perneel is geen klassieke onderzoeker: hij groeide op tussen de koeien, op het melkveebedrijf van zijn ouders. Die praktijkkennis koppelde hij aan een passie voor technologie. Tijdens zijn masterstudies ontwikkelde hij een methode om op basis van genetische gegevens en historische bedrijfsdata te voorspellen welke jonge kalveren het grootste potentieel hebben. Zijn publicatie hierover werd recent opgepikt in het gezaghebbende Journal of Dairy Science. “De meeste melkveehouders fokken elk jaar meer vrouwelijke kalveren op dan nodig,” legt Perneel uit. “Met AI kunnen we nu veel gerichter voorspellen welke dieren op lange termijn het best zullen presteren op dat specifieke bedrijf. Dat bespaart kosten, verhoogt de efficiëntie én verlaagt de uitstoot.”
De mogelijke toepassingen van het onderzoek zijn breed: vereenvoudigde, meer accurate en goedkopere detectie van afkalving en bronst en zelfs registratie voor PAS-maatregelen (Programmatische Aanpak Stikstof) behoren tot de mogelijkheden.
“AI maakt het mogelijk om menselijke observaties te automatiseren én te objectiveren,” besluit Perneel. “Het is geen vervanging van de boer, maar een slimme assistent die 24/7 meekijkt, meet en signaleert. De boer wint tijd, het dier krijgt nog betere zorg en de sector kan efficiënter én duurzamer worden.”
Betaalbare spitstechnologie
De AI-tool van Perneel mag als science fiction klinken, maar men heeft geen gesofisticeerde apparatuur nodig om het programma te laten werken. “De tool werkt op basis van eenvoudige, vier megapixel bewakingscamera’s aan twee frames per seconde”, zegt de onderzoeker. “Je kan dit ook doen met complexe apparatuur en 3D-camera’s, maar ik wilde het economisch haalbaar houden voor de veehouder. Omdat koeien grote dieren zijn en vrij traag bewegen, zijn zelfs hakkelige beelden voldoende om het gedrag van koeien te analyseren.”
Het programma werkt als volgt: camera’s in de melkveestallen maken doorlopend beelden van de aanwezige runderen. Het computerprogramma legt de coördinaten vast van het hoofd, de neus, de schoft, de staartbasis en de heupen van het rund. De afstand en positie waarop deze punten zich tot elkaar verhouden, vormen meetbare data waaruit het programma afleidt welke houding het dier aanneemt.
Eindeloze mogelijkheden
Op zich lijken deze data weinigzeggend, maar de precieze manier waarop een koe beweegt, biedt een schat aan informatie. “Alles wat je als veehouder kan zien, kunnen wij, en meer”, zegt Perneel. “Een praktische toepassing is bronstdetectie. Een koe die niet gekalfd heeft, geeft geen melk. Op het moment dat een koe haar vruchtbaarste periode heeft, stijgt de activiteit, of er nu een stier in de buurt is of niet.”
Aan de hand van die verhoogde activiteit, kan de computer exact bepalen wanneer een koe bronstig is, en wat dus het ideale moment is om tot inseminatie over te gaan.
Door de lichaamsmaten van de koe voortdurend te registreren, wordt ook groei nauwkeurig bijgehouden in overzichtelijke curves. “Er is twee centimeter foutenmarge, maar met 5.000 metingen per dag wordt dat geneutraliseerd.”
En daar stopt het niet. Wanneer een koe verminderde mobiliteit heeft, bijvoorbeeld door een zoolzweer, zal dit het programma evenmin ontgaan.
Ook bij het afkalven is het programma een nuttige assistent. “Bij melkvee is afkalven tegenwoordig minder een probleem, maar bij vleesveerassen loopt dat niet altijd even goed”, zegt Perneel. “In de periode voor het afkalven worden dieren ongeduriger en zullen ze steeds meer afwisselend liggen en staan. Op het moment dat ze kalft, komen de pootjes uit. Het programma kan dit detecteren en de veehouder uit zijn bed bellen. Zo hoeft hij niet de hele nacht te waken.”
Veel nauwkeuriger dan bestaande detectiemethoden
Nog een toepassing is lokalisatie: “De huidige detectiemethoden gebruiken signalen die gevoelig zijn aan metaal. En als er nu één omgeving is waar je veel metaal vindt, dan is het wel een melkveestal. De signalen van huidige methoden zijn vaak dus tot op een meter of drie, vier onnauwkeurig. Onze camera’s hebben daar geen last van. Ze kunnen tot op twee centimeter nauwkeurig zeggen waar een koe is.”
Ook het eten- en liggedrag van koeien wordt met het programma nauwkeurig in kaart gebracht. “We kunnen zelfs zien of een koe op de linker- of rechterzij ligt. Het nut daarvan? We kunnen kijken welke ligboxen het vaakst worden ingenomen en op welke manier een koe erin gaat liggen. Meestal is dat met de achterkant beschut en met uitzicht op het voer. Dat zijn data die we kunnen meenemen in toekomstige stalontwerpen.”
Of een koe staat of ligt is ook relevant, want elk uur dat een koe ligt, levert de veehouder een liter extra melk op. “Een koe is een fermentatievat dat zichzelf stuurt. Om ruwvoeder te verwerken moet een koe herkauwen, en herkauwen gebeurt in rust. Dus hoe meer een koe kan rusten, hoe meer melk zij produceert.”
Als een koe onrustig is in de stal, heeft dat bovendien vaak te maken met gedrag. Niet enkel van de koe zelf, maar ook ten opzichte van andere koeien. Zo kan het systeem uitlezen welke koeien dominante ‘pestkoppen’ zijn, die de rust van andere koeien verstoren. De veehouder kan op basis daarvan de sociale samenstelling van zijn stallen aanpassen.
Hindernissen
De praktische toepassingen voor AI in de veehouderij zijn dus ontelbaar. Volgens Perneel kent het systeem slechts twee grote hindernissen. “Eén ervan valt technisch te overbruggen: het energieverbruik. We werken nu met beelden aan twee frames per seconde, en het kost veel energie om deze te analyseren. Maar als het louter gaat om activiteitsmonitoring zoals kreupelheids- en afkalvingsdetectie, dan mag de beeldfrequentie lager zijn en komt het energieverbruik op een niveau dat rendabel is voor veehouders.”
En de tweede hindernis? “Spinnenwebben”, zegt Perneel. “Overdag zijn die geen probleem, maar op de nachtbeelden zijn ze soms heel pertinent. We moeten de camera’s dus geregeld afkuisen, maar we gaan het systeem blijven gebruiken op het bedrijf van mijn ouders, zeker voor het afkalfproces”, zegt hij.
Wie wil investeren?
Hoe revolutionair het systeem ook moge lijken: het ouderlijk bedrijf van Perneel blijft voorlopig ook de enige locatie waar het AI-systeem zal worden gebruikt. Plannen om het systeem om te zetten in commerciële software die ook breder kan worden ingezet, zijn er nog niet. “Ik heb alle code in Github geplaatst, een platform waar al wie het wil, het kan downloaden”, zegt Perneel. “Firma’s en onderzoeksinstellingen die hiermee aan de slag willen, kunnen dat vanaf vrijdag doen.”
Als het over de financiering gaat van projecten die nuttig kunnen zijn voor de landbouw, en zeker voor de veehouderij, zitten we in Vlaanderen met een probleem
“Eigenlijk is het een wonder dat we de nodige onderzoeksmiddelen hebben gekregen”, zegt Perneel nog over zijn onderzoek. “Als het over de financiering gaat van projecten die nuttig kunnen zijn voor de landbouw, en zeker voor de veehouderij, zitten we in Vlaanderen met een probleem. Ik heb als masterstudent vrij goede punten gehaald, wat waarschijnlijk de reden is dat ik de beurs heb gekregen. Maar projecten die gericht zijn op de landbouw, zeker gericht op de veehouderij, krijgen heel moeilijk onderzoeksmiddelen. Dus hierop verder werken op universitair niveau, wordt zeer moeilijk.”
Of die moeizame financiering politiek gedreven is? “Neen”, zegt Perneel. “Er is niemand die expliciet zegt dat projecten voor de veehouderij geen financiering mogen krijgen. Maar de universitaire gemeenschap die bepaalt hoe onderzoeksgelden worden besteed, heeft een bepaalde samenstelling. En dat stuurt de middelen onbewust in een bepaalde richting.”
Geautomatiseerde werkkracht
Interesse voor Perneels project lijkt er alleszins wel te zijn. Melkveehouder Andy Van Rossem, wiens boerderij de setting vormde voor Perneels AI-presentatie, toont interesse voor alle technologie die het leven van de veehouder vergemakkelijkt. “Dankzij de automatisatie via mijn melkrobot, voederrobot en mestrobot kan ik veel op mijn eentje doen, kan ik alles volgen op mijn gsm.” Andy runt op zijn eentje een melkveebedrijf met 160 koeien. Iets wat hij zonder zijn hulprobots niet had gekund. “Ik heb de keuze gemaakt, ga ik slaaf blijven van mijn bedrijf, of automatiseren?”, zegt hij.
“Ik denk dat er misverstanden bestaan over de terugverdientijd van automatiserende systemen”, zegt Perneel. “Arbeid kost ook heel veel geld en dat spaar je hiermee uit." Dat bevestigt ook Andy Van Rossem: "Aan mijn automatische voedersysteem heb ik maar drie uur werk per week. Plus ik heb een surplus op mijn melkproductie, want de koeien worden elke drie uur vers gevoederd. Moest ik Maartens systeem kunnen gebruiken, dan zouden we die winst mooi kunnen uitlezen.”
Werktuigendagen 2025: de vaste afspraak voor menig landbouwers valt dit jaar een week vroeger
nieuwsBron: Eigen berichtgeving
