Epsilon Archive for Student Projects

Abstract

The objective of this MSc thesis was to investigate parameters reported to be associated
with dairy cows’ body condition and its changes. A valid reference of a dairy cow’s body
condition was to be suggested and investigated for suitability in the development of a 3D
imaging based automatic body condition scoring model. Furthermore, it was important to
accumulate data to use in training (adjustment of the algorithm mathematics) of the 3D
imaging based automatic body condition scoring model. The study included 21 dairy cows of
the Swedish Red breed from the herd at the Kungsängen Research Centre in Uppsala. The
cows had access to an exercise pen and were fed silage and concentrates indoors according to
the Swedish feeding recommendations, based on individual milk yields. Data was collected
weekly from May to August 2009 and included live weight, manual body condition score,
backfat thickness, 3D images, milk yield, content of fat, protein and lactose in milk and the
plasma metabolites non esterified fatty acids and β-hydroxybutyrate. Data was analysed by
linear correlation and regression analysis. Of all individually investigated collected
parameters, backfat thickness was found to have the highest correlation with manual body
condition scores and this parameter was therefore suggested and used as an alternative true
reference of body condition in the training of the 3D imaging based automatic body condition
scoring model. Results were promising and it was concluded that it is possible to train and
calibrate the 3D imaging based automatic body condition scoring model both with manual
body condition scores and with backfat thickness as reference, to predict the dairy cow’s body
condition. The advantage in using backfat thickness would be that it is a more objective
measure and that it gives continuous data instead of the categorical data obtained from manual
body condition scoring. If sufficient sensitivity is obtained in the automatic body condition
scoring model it could alert the farmer to changes in the cow’s body condition, instead of only
recording the body condition after a change. Future studies should focus on developing this
function in the automatic body condition scoring models since it would add significant value
to dairy management systems.

Syftet med detta examensarbete var att undersöka parametrar kopplade till mjölkors hull och
förändring i hull. En referens för mjölkkors hull skulle föreslås och dess lämplighet
undersökas i utvecklingen av en 3D-bild baserad automatisk hullbedömningsmodell.
Därutöver var det viktigt att samla data för att använda i träningen (justering av algoritmens
matematik) av den 3D-bild baserade automatiska hullbedömningsmodellen. Studien
inkluderade 21 kor av Svensk röd och vit boskap och utfördes vid Kungsängens
Forskningscentrum i Uppsala. Under studien hade korna tillgång till en rastfålla och de
utfodrades inomhus med ensilage och kraftfoder. Data samlades in en gång per vecka från
Maj till Augusti 2009 och innefattade mätningar av levande vikt, manuell hullbedömning,
underhudsfetts tjocklek, 3D bilder, mjölkavkastning, mjölkens sammansättning (protein, fett
och laktos) och plasmametaboliterna fria fettsyror och β-hydroxybutyrat. Insamlade data
analyserades genom linjär korrelation och regressionsanalys. Av alla parametrar visade sig
underhudsfettets tjocklek vara starkast korrelerad med manuell hullbedömning och föreslogs
därför som referens för mjölkkors hull. Underhudsfettets tjocklek användes som referens i
träningen av den 3D-bild baserade automatiska hullbedömningsmodellen. Resultaten var
lovande och slutsatsen drogs att det är möjlig att träna och kalibrera den 3D-bild baserade
automatiska hullbedömningsmodellen för att uppskatta mjölkkors hull med
underhudsfettstjocklek som referens. Fördelen med att använda underhudsfettets tjocklek som
referens för mjölkkors hull, istället för manuell hullbedömning, är att den erbjuder en mer
objektiv och kontinuerlig typ av data. Automatiseringen av hullbedömningen avlägsnar
subjektivitet och minskar arbetsbördan samt möjligen ger tillfället att tidigare upptäcka när
förändringar i mjölkkors hull inträffar, tack vare högre känslighet. Detta skulle underlätta
beslutsfattandet kring djurens skötsel för bonden.