Hoe kan technologie het welzijn van kippen in pluimveestallen verbeteren? Onderzoek door IDlab en WAVES (twee imec-onderzoeksgroepen van UGent) en de UGent-groepen Ethology and Animal Welfare en Chair Poultry Health Sciences in samenwerking met bedrijven uit de sector en met steun van VLAIO, suggereert een combinatie van innovatieve sensortechnologie, machine learning, slimme verlichting en multifunctionele platformen in de stal.
Vlaanderen telt 36 miljoen vleeskuikens, en tegen 2025 wordt een groei voorspeld van 5%. Tegelijkertijd groeit ook de aandacht voor het welzijn van deze kippen. Dat heeft enerzijds te maken met strengere regelgeving die op til is, maar ook met het toegenomen belang dat de consument hecht aan dierenwelzijn – en de bereidheid om daar wat meer voor te betalen aan de kassa. Een derde reden ligt bij de productiviteit in pluimveestallen zelf: die hangt nauw samen met het welzijn van de dieren. Uitval door ziekte betekent vandaag een grote verliespost in de sector.
Binnen het imec.icon-project WISH (Welfare Improving monitoring Solutions for cHickens) zochten 4 onderzoeksinstellingen en 5 bedrijven uit de sector samen naar technologische oplossingen voor die uitdagingen.
Automatisering welzijnsmonitoring en real-time aansturing
In een ideaal scenario gaat een kippenboer meerdere keren per dag langs om de gezondheid van zijn kippen te monitoren. Bewegen ze genoeg? Zijn er geen problemen met de poten? Is het niet te warm? Zijn de cortisolwaarden niet te hoog bij een steekproef van dieren? Pikken de kippen elkaar niet te vaak? Stapelt de mest niet te veel op? Zijn er zieke dieren bij met mogelijk besmettingsgevaar? Bij problemen grijpt hij dan meteen in, zodat ziektes in een zo vroeg mogelijk stadium behandeld of idealiter vermeden worden. Helaas is die arbeidsintensieve methode onwerkbaar in de context van vandaag, met grote pluimveestallen en schaarse werkkrachten.
Technologie kan hier soelaas bieden: intensieve opvolging wordt schaalbaar dankzij sensoren en daaraan gekoppelde AI-interpretaties. De omstandigheden in de stal kunnen vervolgens in real time aangestuurd worden op basis van die inzichten. Tot zover de theorie. De onderzoekers in het WISH-project verdiepten zich in de nitty-gritty van de kippenstal van de toekomst: welke sensoren zijn het meest geschikt om het welzijn te monitoren? Welke machine learning-algoritmes kunnen een betrouwbare gezondheids- en productiviteitsanalyse maken op basis van deze sensorinput? En welke oplossingen kunnen de omgeving in real time verbeteren voor kippen? De onderzoekers keken naar de activiteit van kippen, maar ook naar de vleeskwaliteit en de uitval.
Van kuchsensoren tot UWB-rugzakjes
De onderzoekers testten 3 sensortechnologieën die op populatieniveau – in de stallen – data verzamelen (akoestische sensoren, video en Visible Light Sensing) en 3 die dat doen op het niveau van individuele kippen.
Met akoestische sensoren kan men, gebruik makend van machine learning, specifieke kippengeluiden herkennen die geassocieerd worden met stress (distress calls), ontspanning (pleasure notes), vermoeidheid (warbles) of specifieke activiteiten (short beeps). Tijdens het onderzoek werden ook 10 ‘nieuwe’ – voorheen niet-gedocumenteerde geluiden vastgelegd. Mogelijk kunnen die een rol spelen in het beter begrijpen van welzijn in een kippenren. Op termijn willen de onderzoekers ook het aantal nies- en kuchgeluiden continu registreren op het niveau van de groep. Van zodra het aantal kuchjes een bepaalde grenswaarde overstijgt, is er reden tot bezorgdheid en wordt de boer dan automatisch gealarmeerd.
De onderzoekers monitorden ook de kippenrennen met camera’s die getraind werden om automatisch – via machine learning – 16 ‘relevante’ activiteiten te herkennen, zoals het overmatig veren pikken en andere indicatoren voor ziekte of agressie. Het AI –model dat ontwikkeld werd om ziektebeelden automatisch te herkennen, behaalde 91% accuraatheid. Bovendien kregen de onderzoekers de specifieke plekken in de stal in kaart waar de kippen graag vertoefden over een langere tijdsperiode.
Tot slot gingen de onderzoekers ook aan de slag met VLS (visible light sensing), sensoren die gebruik maken van de intensiteit van gereflecteerd licht. Zo slaagden ze er via machine learning in om op een goedkope manier het aantal dieren in een specifiek gebied te bepalen, hun densiteit dus.
Om data te verzamelen op het niveau van individuele kippen, is UWB (Ultra-Wideband) een relatief betaalbare manier om de absolute locatie van een kip te kennen en te volgen, een soort van indoor-gps dus. Eerst worden 4 ankerpunten rond het hok geïnstalleerd, vervolgens krijgt een kip een soort van radio/zender mee in een op maat gemaakt rugzakje. De reistijd van het radiosignaal tot de verschillende ankerpunten helpt om de exacte locatie te bepalen. Dat kan intussen voor tot 200 kippen tegelijk, in real time, met een update om de 16 seconden. Resultaat is een erg gedetailleerde dataset voor onderzoeksdoeleinden om een specifiek dier doorheen de tijd op te volgen, maar ook inzicht in de heatmaps van de dieren binnenin de stal en individuele activiteitsniveaus van de dieren.
Een inertial measurement unit (IMU) bevat een accelerometer en gyroscoop en registreert per individu de verandering in beweging over de tijd heen. Als een kip altijd veel afstand aflegde en plots niet meer, dan is er allicht iets aan de hand.
Tot slot hebben implanteerbaarde sensoren als voordeel dat ze hartslag, hartslagvariabiliteit en temperatuur kunnen meten, parameters die in belangrijke mate ziekte en welzijn kunnen voorspellen. Nadeel is dat het een operatie vergt om de sensoren aan te brengen.
Koelplatformen en discolichten
Dan is het tijd om de stap te zetten van datagedreven inzichten naar een beter welzijn in de stal. De onderzoekers werkten vooral met bestaande hardware, die gecombineerd werd met nieuwe software en AI-analyses. Zo testten ze een platform dat in staat bleek om de kippen actiever te maken, jonge kippen meer beschutting en meer rust te geven en hen kon laten afkoelen in het geval van hittestress, doordat er ook een waterkoeling inzat. Een ietwat onverwacht voordeel was dat de kippenmest dankzij deze platformen meer geconcentreerd bleef (in de schuifjes onder de platformen) en zich dus niet ophoopte op de vloer van de stal. De lucht- en bodemkwaliteit bleken aanzienlijk beter – en de mest kon nuttig elders gebruikt worden.
Een andere hardwarecomponent die de onderzoekers uitgetest hebben, is een adaptief verlichtingssysteem. Nog meer dan mensen zijn kippen lichtgevoelig: rood licht maakt hen rustig en stimuleert hen om te eten. Helderwit doet hen meer rondlopen. En door sneller agressie te detecteren, kan die voor het uit de hand loopt gedempt worden met behulp van aangepast licht. Agressie (gepik) in de stal kan namelijk lijden tot ontstekende wondes. De onderzoekers deelden de stal in in verschillende lichtzones. Zeker bij een grote densiteit aan dieren, stelden ze belangrijke effecten vast. Ook opvallend was dat het effect van een bepaalde lichtkleur kan variëren naargelang de leeftijd van de kippen.
De ideale kippenstal bestaat (nog) niet
Uit het WISH-onderzoek is nog geen ‘ideale’ kippenstal naar voor gekomen. Zo blijkt elk type sensor geschikt voor verschillende doeleinden, zoals ziektedetectie, stressdetectie of het opvolgen van eet- en drinkgedrag. Jonge kippen lijken makkelijker op te volgen met camera’s dan oudere (die een witte massa in beeld kunnen vormen). Een onderzoekssetting vergt andere sensoren dan een industriële kippenkwekerij.
Zo lijken voor commerciële omgevingen de sensoren op populatieniveau (video, akoestisch en VLS) economisch het interessantst. Voor onderzoek zou een combinatie van sensoren op populatieniveau en individuele sensoren dan weer ideaal kunnen zijn – en veel van het manueel en arbeidsintensief labelwerk kunnen vervangen.
In elk geval hebben de onderzoekers met dit WISH-project beloftevolle manieren ontwikkeld om het welzijn van de dieren aanzienlijk te verbeteren. Deze worden nu verder onderzocht met het oog op valorisatie. Verschillende partners uit het project gaan daar ook mee aan de slag: Poulpharm gaat de verschillende types sensorenvaloriseren om de impact van nieuwe medicatie of voedingsadditieven goedkoper te meten, Roxell wil de multifunctionele platformen goedkoper gaan produceren en Vetworks wil verschillende geteste sensoren opnemen in het aanbod van hun consultancy services over het kweken van kippen op commerciële boederijen.
De onderzoeksprogramma’s van imec.icon zijn vraaggedreven, coöperatief onderzoek naar hardware-, software- en gecombineerde hardware/software-innovaties. Over een periode van twee jaar werken multidisciplinaire onderzoeksteams van wetenschappers, industriële partners of social profit-organisaties samen om digitale oplossingen te ontwikkelen die nadien hun weg vinden naar het marktaanbod van de deelnemende partners. Het WISH-project bestond uit een consortium van 4 onderzoekspartners (imec – IDLab, imec – WAVES, UGent - Chair Poultry Health Sciences, UGent - Ethology and Animal Welfare) en 5 bedrijven (Poulpharm bvba, Vetworks, Lopos, Roxell, Explorentis). Meer informatie op https://www.imec-int.com/en/research-portfolio/wish
Hij verricht onderzoek omtrent draadloze communicatienetwerken voor IoT toepassingen, gaande van indoor lokalisatietoepassingen tot betrouwbare communicatie voor industrie 4.0. Hij is de auteur van meer dan 100 publicaties rond het internet der dingen en is de Universiteit Gent coördinator van de nieuwe Internet of Things postgraduaat opleiding.
Gepubliceerd op:
17 oktober 2024