StoryEditorWiadomości z branży

PocketLab - innowacyjna metoda szybkiego wykrywania ketozy i mastitis u krów

31.12.2020., 10:12h
Dr inż. Edyta Bauer z Katedry Rozrodu, Anatomii i Genomiki Zwierząt Wydziału Hodowli i Biologii Zwierząt na Uniwersytecie Rolniczym w Krakowie, wraz z zespołem otrzymała Złoty Medal podczas Międzynarodowej Warszawskiej Wystawy Wynalazków IWIS 2020 za rozpoczęcie prac nad innowacyjną metodą wczesnego wykrywania podklinicznych stanów chorobowych u bydła mlecznego o akronimie „PocketLab”. To swoiste kieszonkowe laboratorium wykrywa podkliniczne stany chorobowe ketozy i mastitis.

Duże straty ekonomiczne spowodowane podkliniczną ketozą i mastitis

W gospodarstwach rolnych, ukierunkowanych na produkcję mleka, jednym z problemów generujących straty finansowe są podkliniczne stany chorobowe bydła ketoza i mastitis. Z powodu tych schorzeń hodowcy bydła i producenci mleka ponoszą duże straty ekonomiczne, wynikające nie tylko z kosztów diagnozowania i leczenia, ale także obniżonej wydajności mlecznej, zaburzeń w rozrodzie oraz brakowania krów ze stada. Metody stosowane obecnie do typowania chorych zwierząt są niewystarczające i spóźnione w czasie. Stadium podkliniczne wymienionych chorób jest nierozpoznawalne.

Badanie zależności między składem mleka a stanami chorobowymi

Innowacją procesową jest poszukiwanie zależności między składem mleka, poziomem ciał ketonowych we krwi, a określonym genotypem związanym z występowaniem podklinicznych stanów chorobowych. Jako narzędzie do analizy danych wykorzystane są modele sztucznych sieci neuronowych umożliwiające precyzyjne modelowanie zależności nieliniowych między cechami oraz konstruowanie modelu zależności bez wiedzy priori na dany temat. Opracowany algorytm będzie można zaimplementować w programach komputerowych czy też stworzyć mobilną aplikację. Umożliwi to wykrycie zagrożenia chorobowego u zwierząt w czasie rzeczywistym.

Oprac. Beata Dąbrowska
Zdjęcia: Archiwum
Warsaw
wi_00
mon
wi_00
tue
wi_00
wed
wi_00
thu
wi_00
fri
wi_00
23. kwiecień 2024 13:37