Use case

Ziektedetectie met behulp van computervisie

De Wageningse onderzoeker Ronald Petie gebruikte tijdens de projecten SensingPotential en Digitool computervisie om ziekten bij koeien te detecteren. Wat blijkt: ook bij koeien duidt een ‘snotneus’ op mogelijke malaise. “Hoe meer foto’s van koeienkoppen wij in het algoritme invoeren, hoe beter dat de data leert herkennen en hoe beter het voorspellingen kan doen.”

Hoe zijn jullie tot het SensingPotential- en Digitool-project gekomen en wat houden ze in?

“Wageningen Bioveterinary Research (WBVR), waar ik werk, doet onder andere onderzoek naar besmettelijke dierziektes, zoals mond- en klauwzeer. We wilden niet-invasieve sensoren, dus sensoren die niet hoeven worden ingebracht, gebruiken voor het monitoren van de proefdieren bij onze faciliteit in Lelystad. Zo kwamen we op het idee om koeienkoppen te fotograferen en te kijken wat we daaruit zouden kunnen afleiden. Het resultaat is een gezichtsherkenningssysteem waarin een ziektescore wordt toegekend aan elementen in het koeiengezicht. Het systeem is getest tijdens een experiment met mond-en-klauwzeer bij onze faciliteit en het verloop van de ziektescores van het systeem klopte goed met het daadwerkelijke ziekteverloop tijdens de proef.”

Wat zie je dan aan een zieke koe? Waterige oogjes en een snotneus?

“Haha, daar heb je inderdaad al twee elementen te pakken: neus- en ooguitvloeiing. Verder keken we naar kwijlontwikkeling, de stand van de oren, de aanwezigheid van wondjes, de positie van de ogen en het hoornvlies.”

De stand van de oren kan een indicatie zijn van de gemoedstoestand. Het verraste mij daarbij dat het uitmaakt wat het linker- of rechteroor doet.

Wat kun je uit deze gezichtselementen afleiden?

“Als de ogen wat dieper liggen, is het dier niet in orde en een troebel hoornvlies kan duiden op infectie. De stand van de oren kan een indicatie zijn van de gemoedstoestand. Het verraste mij daarbij dat het uitmaakt wat het linker- of rechteroor doet. Normaal staan de oren van een koe horizontaal. Bij stress wordt het linkeroor naar achteren gericht. En als het rechteroor wat naar beneden hangt, is dat juist een teken van welbevinden. Als beide oren opgericht zijn, is het dier alert. Die verschillende posities hebben te maken met de linker- en rechterhersenhelft.”

Waarom is het belangrijk om ziekten te detecteren?

“Sinds de schaalvergroting hebben boeren steeds meer dieren. En hoe meer dieren per bedrijf je hebt, des te minder tijd per dier. Als je eerder weet dat er zieke dieren zijn, kun je ze eerder isoleren en voorkomen dat de ziekte zich verspreidt. Want door schaalvergroting is er ook een grotere kans op verspreidingen, meer dieren betekent meer contactmogelijkheden en een groter verspreidingspotentieel.”

Welke mogelijkheden zie je voor deze technologie?

“In eerste instantie voor de organisaties die dierproeven doen bij Wageningen Bioveterinary Research, zoals farmaceutische bedrijven. We zijn nu nog in de puur wetenschappelijke fase en op zoek naar toepassingskansen. Maar als alles goed werkt, kan ik me voorstellen dat melkveebedrijven en kalvermesterijen er iets aan hebben. Bij kalvermesterijen komen jonge dieren van verschillende locaties bij elkaar. Dat is een extra risico bij ziekteverspreiding. Als je bij aankomst dieren kunt screenen en apart kunt zetten, scheelt dat veel. Daardoor zul je ook minder antibiotica nodig hebben omdat je alleen die dieren behandelt die gedetecteerd zijn en niet preventief de hele stal.”

Wat was de aanleiding voor de projecten?

“De aanleiding was dat de enorme toename in de beschikbaarheid van data het mogelijk maakt om sensoren te gebruiken voor ziektedetectie. We hebben het project uitgewerkt met behulp van de HAS en AVANS hogescholen, beide in Den Bosch. De studenten hebben het scoringsysteem ontwikkeld. Daarvoor moesten ze diep in de literatuur duiken om te zien welke klinische symptomen van belang waren en wat ze betekenden. Die hebben ze handmatig geannoteerd op foto’s die bij onze dierfaciliteiten zijn gemaakt. Studenten van de minor Data science hebben alles vervolgens geautomatiseerd.”

Door computervisie zal een boer minder antibiotica nodig hebben, omdat hij alleen die dieren behandelt waarbij ziekte is gedetecteerd en niet de hele stal.

Welke technieken gebruiken jullie voor deze projecten?

“Machine learning en deep learning. Hoe meer data – dus foto’s van koeienkoppen – wij in het algoritme invoeren, hoe beter dat de data leert herkennen en hoe beter het voorspellingen kan doen. Wij hebben 700 foto’s ingevoerd. Dat is vrij weinig, maar omdat we een bestaand deep learning-model hebben gebruikt dat al miljoenen foto’s bevatte, en dat hebben hertraind, hadden we minder plaatjes nodig om tot resultaten te komen. Bij deep learning wordt een neuraal netwerk getraind. Dat netwerk leert van data. We zullen dus nog veel meer plaatjes moeten invoeren.”

Krijgen de projecten nog een vervolg?

“Ja, we gaan een vervolgproject met de HAS doen, maar dan voor varkens. Daarbij kijken we behalve naar het gezicht ook naar houdingen. We hebben veel videomateriaal van onze eigen faciliteiten in Lelystad dat we hier goed voor kunnen gebruiken.”

Datawetenschap en kunstmatige intelligentie brengen een revolutie teweeg in de aanpak om het potentieel van de natuur te verkennen en zo de kwaliteit van leven te verbeteren. In deze serie Impact Stories tonen we het belang van digitale technologie (datascience en kunstmatige intelligentie) op ons dagelijks leven. Samen met publieke en private organisaties speelt WUR een cruciale rol bij het integreren van deze technologische vooruitgang in de domeinen klimaat, biodiversiteit, de wereld voeden, circulaire economie, gezonde voeding & gezond leven.