Activiteitsmeting 
bij kalveren?

Is het lonend om te investeren in gedragsmonitoring bij de kalveren? Er komen steeds meer systemen op de markt, maar de data van de kalverdrinkautomaat zijn al beschikbaar en betrouwbaar.

Door Katrin Berkemeier, gepubliceerd in vakblad Veehouder en Veearts.

Op moderne melkveebedrijven is gedragsmonitoring bij de melkkoeien via oor-, hals- of pootsensoren niets ongewoons meer. Maar kunnen we ook zieke kalveren eerder herkennen aan de hand van hun gedrag en hoe kunnen we hun gedrag betaalbaar monitoren? Kalverdrinkautomaten verzamelen al zo lang als ze er zijn data over de kalveren: hoe vaak ze drinken, hoeveel ze drinken en vooral of ze hun portie volledig opnemen. Iedereen die de basisprincipes van de kalveropfok kent, kan uit het overzicht van de drinkautomaat opmaken of een bepaald kalf goed uit de voeten kan met de automaat en of het niet haar volledige portie heeft opgenomen omdat het ziek is.
Om het de veehouder, die uiteindelijk zelf de data moet beoordelen, makkelijker te maken, bieden de fabrikanten van drinkautomaten steeds betere analyseprogramma’s van de data die de automaat heeft verzameld. Bovendien hebben drinkautomaten tegenwoordig sensortechniek om bijvoorbeeld de zuigintensiteit, de activiteit of de lichaamstemperatuur te meten. Het achterliggende doel is altijd vroegtijdige herkenning van ziekten.
Natuurlijk kost al die techniek geld. Kan de extra investering in sensortechniek in de kalverstal zich terugbetalen? Oftewel kan het geld dat aan techniek wordt uitgegeven worden terugverdiend met gezondere kalveren?

Kalverdiarree eerder herkennen

Wetenschappers in Nieuw-Zeeland onderzochten via drinkautomaten en activiteitssensoren het drink- en liggedrag van kalveren en of gedragsveranderingen te herkennen zijn voordat een kalf diarree krijgt en nadat het onthoornd is. 
Uit het onderzoek naar het drink- en liggedrag in relatie tot diarree kwam naar voren dat kalveren met diarree al vier tot twee dagen voor het optreden van klinische symptomen aantoonbaar minder gemotiveerd waren om de drinkautomaat te bezoeken. Daarnaast gaven het aantal niet-beloonde automaatbezoeken (kalf krijgt geen melk) en de over alle dagen verlaagde melkopname het duidelijkst uitsluitsel over de aanstaande ziekte. Het liggedrag was minder eenduidig: de ligduur was maar bij een deel van de zieke kalveren langer.

Pijngedrag meten

Voor het onderzoek naar het drink- en liggedrag na onthoornen werden kalveren op een leeftijd van 21 dagen ingedeeld in vijf behandelgroepen om vervolgens te worden onthoornd. De groepsindeling was als volgt: 1) schijnonthoorning, 2) onthoornen (elektrisch wegbranden van de hoorngroeipunten), 3) onthoornen met lokale verdoving, 4) onthoornen met pijnbestrijding (NSAID 5 minuten voor ingreep), 5) onthoornen met lokale verdoving en NSAID.

Voor de ingreep werden de kalveren in een behandelstand met halsvastzethek gefixeerd. Het gedrag van de kalveren werd zowel 24 uur voor als na de ingreep geanalyseerd aan de hand van de sensordata.

Vooraf werden geen verschillen waargenomen in het gedrag van de kalveren in verschillende groepen. Na de behandeling bezochten de kalveren die een schijnonthoorning ondergingen (groep 1) de automaat actiever (meer beloonde bezoeken) dan de kalveren in de groepen 2, 3 en 4 en net zo vaak als de kalveren in groep 5. Bij de kalveren die de schijnbehandeling ondergingen was het aantal onbeloonde automaatbezoeken duidelijk hoger: 4,93 tegen (2) 2,10, (3) 1,47 (4) 1,98 (5) 3,37. De hoeveelheid opgenomen melk en het liggedrag verschilden minder eenduidig.

Sensoren prima geschikt

De wetenschappers concluderen dat de gedragsparameters die worden ingewonnen via de drinkautomaat en gedragssensoren prima geschikt zijn om gedragsveranderingen eerder waar te nemen, en wel voordat de mens de klinische aanwijzingen voor pijn en ziekten überhaupt herkent. Vooral in de parameter ‘niet-beloonde bezoeken aan de drinkautomaat’ zien ze goede bruikbaarheid voor vroegtijdige ziekteherkenning. Deze parameter is een indicatie voor de drinkmotivatie.

Dit zeggen de fabrikanten

Fabrikanten van sensortechniek zijn ook gevraagd naar hun standpunt over vroegherkenning van ziekten bij kalveren via sensoren. Zijn de vele technische mogelijkheden voor automatische diermonitoring bij de jongste kalveren economisch interessant?

Vooral activiteitsmeting bij de kalveren via hals- of pootsensoren is een kostbare aangelegenheid. De drinkautomaat heeft echter al dierindividuele data over onder meer het aantal automaatbezoeken, opgenomen hoeveelheid, en bezoeken die worden afgebroken. Bovendien zijn standaardparameters en een daaraan gekoppeld attentiesysteem nu al standaard onderdeel van elke automaat. De data moeten enkel nog automatisch geanalyseerd en beoordeeld worden.

De drie geraadpleegde fabrikanten bieden desgewenst managementsoftware aan die de verzamelde data omzet in een activiteitsindex en attendeert op dieren die zich afwijkend gedragen. Omdat kalveren verschillend reageren op ziekten en pijn, is hiervoor de combinatie van meerdere parameters nodig.

De drie gevraagde fabrikanten werken alle aan de ontwikkeling van nieuwe metingen rond het automaat-bezoek: de ene concentreert zich op de meting van de lichaamstemperatuur, een ander op de bewegingsactiviteit en de derde op de gewichtsontwikkeling. Ze werken ook aan het verder verbeteren van de nauwkeurigheid van de gezondheidsmonitoring. In hoeverre de opbrengsten van intensievere gedragsmonitoring bij kalveren opwegen tegen de kosten van de techniek, is echter nog niet duidelijk.

Uitwisseling van data

Samenvattend kan worden gesteld dat de door drinkautomaten verzamelde standaarddata kunnen helpen bij het betrouwbaar en vroegtijdig herkennen van ziektes bij de kalveren. Extra technische hulpmiddelen, zoals activiteitsmeters zijn niet per se noodzakelijk. In plaats van het ontwikkelen van nieuwe sensortechnieken en algoritmen zou het zinvoller zijn als de fabrikanten zich zouden richten op het verbeteren van data-uitwisseling tussen systemen en het uiteindelijk mogelijk maken om gedurende de totale levensduur van een koe in één dataset te kunnen werken. Dat vraagt overigens ook de volle inzet van de ontwikkelaars van managementprogramma’s voor de melkveehouderij.

Deel dit bericht via:
Facebook Twitter LinkedIn Email
Door: Jasper Lentz
Mis geen artikel. Ontvang de tweewekelijkse nieuwsbrief.
E-mail: