Dyplæringens globale innflytelse på melkeproduksjon

Forskerne verden over utnytter nå kraften i dyplæring (maskinlæring) for å predikere ulike egenskaper og problemer hos melkekua. For eksempel har forskere i Skottland brukt over 22 milliarder datapunkter fra melkas mellominfrarøde (MIR) spekter til å forutsi bovin tuberkulose (bTB) hos storfe, i tillegg til å identifisere drektighetsstatusen til kua. Dette gjennombruddet gir bønder tidlige varsler om sykdommer som bTB, og antyder at genetisk resistens mot slike sykdommer snart kan bli en del av avlsmålene.

I Canada pågår det lignende forskning for å predikere metanutslipp fra melkeku ved hjelp av melkas infrarøde spekter. Selv om det fortsatt debatteres rundt nøyaktigheten av prediksjonene, er potensialet for å rutinemessig, billig og nøyaktig kunne forutsi metanutslipp og fôreffektivitet hos melkekua stort. Forestill deg at vi kunne måle disse egenskapene i storskala, slik at vi kan gjøre målrettede forbedringer i besetningens fôrforbruk og økonomi.

Kan disse gjennombruddene være nøkkelen til en enda mer bærekraftig og effektiv melkeproduksjon i Norge?

Stolt historie med spekteranalyser i norge

De siste årene har flere PhD-prosjekter hatt fokus på egenskaper som er viktige for dagens melkeproduksjon ved å benytte melkas spekterdata. For eksempel:

• Dagnachew med flere (2013) undersøkte genetisk og miljømessig informasjon i spekterdata fra geitemelk, og utviklet en «direkte prediksjonsmetode» for å beregne avlsverdier for egenskaper som protein-, fett- og laktoseinnhold i melk.

• Belay med flere (2017) verifiserte metoder for å utforske melkas MIR-spekter, og predikerte avlsverdier og fenotyper. Et viktig resultat var utviklingen av kalibreringsmodeller for blod beta-hydroksybuturat (BHB), som en indikatoregenskap for ketose. Med disse modellene kunne de identifisere individer som var behandlet for ketose basert på kliniske registreringer.

• Wallèn med flere (2017) vurderte potensialet til MIR-spekter data til å kunne forutsi fôropptak hos melkekua, og dermed utviklet hun bruken av MIR-spekter data videre.

Etter 2017 bremset forskningen i Norge opp, og samarbeidet om MIR-spekterdata stagnerte.

Potensialet for melkas MIR-spekter i norge

Forskere ved Norges miljø- og biovitenskapelige universitet (NMBU), i samarbeid med Geno, Tine, Mimiro og Felleskjøpet Fôrutvikling, tar nå forskningen på MIR-spekter videre med fire spennende nye prosjekter:

1. iKu prosjektet: Ledet av professor Olav Reksen, har som mål å bruke MIR-spekter og fettsyreprofiler til å forutsi fruktbarhet og helse hos kyrne. Ved å forstå energibalanse på besetningsnivå, håper de å kunne oppdage subklinisk ketose, en tilstand som er vanskelig å diagnostisere med tradisjonelle metoder.

2. N efficiency prosjektet: Ledet av professor Theo Meuwissen, og skal bruke MIR-spekter til å forutsi nitrogen-effektivitet hos kuene, med mål om å redusere overskuddsnitrogen og forbedre den miljømessige bærekraften i melkeproduksjon.

3. NFRTwin prosjektet: Ledet av avlsforsker Janez Jenko. Dette prosjektet fokuserer på å forutsi metanutslipp og fôreffektivitet ved å bruke MIR-spekter data fra melk. Dette kan bidra betydelig til å redusere den miljømessige påvirkningen fra melkeindustrien.

4. Fôreffektivitetsprosjektet: Ledet av professor Bjørg Heringstad, samler data fra 14 kommersielle norske robotbesetninger på (grov) fôropptak, kroppsvekt og metan- utslipp. Målet er å fenotype kyrne for nye fôreffektivitetsegenskaper til avlsarbeidet, og kan hjelpe med å optimalisere besetningsstyring og bærekraft.

Disse prosjektene utforsker hvordan melkas absorpsjonsspekter kan bidra til å forbedre kuhelse, fôreffektivitet og bærekraft. Kan dette være fremtiden for melkeproduksjon i Norge?

Utfordringer som må løses

Selv om potensialet i MIR-spekterdata fra melk er enormt, er det viktig å anerkjenne utfordringer som følger med denne teknologien. Ikke alle egenskaper kan predikeres nøyaktig med melkespekter data, og pågående forskning er avgjørende for å kartlegge hva som kan og ikke kan måles nøyaktig. En stor del av forskningen ved NMBU går ut på å teste ut eksakt hvilke registreringer vi kan eller ikke kan forutsi nøyaktig. Mange aktører i Big Data/AI-verdenen lover mye fra spekterdata, men grundig testing er nøkkelen.

Tilgang til data en utfordring

En annen utfordring er å få tilgang til mengden med data som eksisterer på MIR-spekterdata, som er vanskelig å håndtere og underlagt strenge GDPR-regler. Det har vært krevende å få tak i MIR-spekterdata for norske forskere, til tross for samvirkemodellen i norsk melkeproduksjon. På grunn av disse utfordringene har vi mistet noen år med utvikling og forskning på forbedret helse- og dyrevelferd hos melkekua. Det ser ut til at vi nå oppnår økt tilgjengelighet på MIR-data for bruk i avl og forbedret dyrevelferd på norske kyr. Til tross for disse utfordringene er fremgangen som er oppnådd så langt lovende. Vi har så langt dokumentert nytteverdien av melkespekterdata, men det ligger et potensial for å oppdage flere bruksområder. Vi har fått gode innsikter i potensialet for flere oppdagelser og nytteverdien av spekterdata er stor. Det er klart at MIR-spekterdata har en rik mengde av uutnyttet informasjon å tilby oss.

Mye å lære av melkas MIR-spekter

Melkas MIR-spekter kan ha mange fordeler for melkeproduksjonen i Norge, og kan bidra til bedre besetningsvelferd, forbedret bærekraft og hjelpe oss med å møte globale utfordringer som metan- og nitrogenutslipp. Selv om teknologien fortsatt er under utvikling, er potensialet stort – det er mye mer å lære fra «fingeravtrykkene» som finnes i hver dråpe melk.