Gezonde varkens bijten niet zo snel
Leestijd: 4 minuten
VEERKRACHT INDIVIDU
DOOR Albert Sikkema
November 2018
Met artificial intelligence willen WUR-onderzoekers de veerkracht van varkens bepalen om daarmee een verhoogde kans op ziekte of staartbijten tijdig te signaleren. Gezonde en tevreden dieren bijten niet zo snel. Door camerabeelden te koppelen aan andere signalen uit de stal hopen ze naderende ziekten en bijtproblemen te voorkomen.
Een vermindering van de veerkracht kan ertoe leiden dat varkens ziek of gefrustreerd raken. Als de rek eruit is, is de gevoeligheid voor het ontstaan van ziekte en de ontwikkeling van staartbijten groter. Dit leidt tot een verhoogd antibioticumgebruik en aantasting van het welzijn onder varkens.
Stoppen met couperen
Naast de druk om het antibioticumgebruik in de veehouderij verder terug te dringen, is de verwachting dat Europese varkenshouders over enkele jaren moeten stoppen met het couperen (afknippen) van varkensstaarten. Daarmee groeit de vrees dat de varkens meer gaan staartbijten. Maar hoe groot is de schade dan?
Tweeënhalf jaar geleden volgde Marion Kluivers, werkzaam bij Wageningen Livestock Research, een grote groep varkens met lange staarten op het varkensinnovatiecentrum van WUR in Sterksel. Gedurende de looptijd van de test had 10 procent van de varkens een beschadigde staart, ondanks intensieve begeleiding en monitoring.
Om signalen van ziekte en staartbijten bij varkens vroegtijdig op te kunnen pikken, wordt een automatisch monitoringssysteem ontwikkeld dat de varkens 24 uur per dag in de gaten houdt.
“Staartbijten is een multifactoriële kwestie”, zegt Kluivers. “Het hangt onder andere samen met het klimaat in het hok en voldoende hokverrijking waar de varkens mee kunnen spelen, maar ook met de gezondheid van de varkens. Gezonde, veerkrachtige dieren hebben minder snel de neiging om te gaan staartbijten.”
FOTO Brigitte Riemer/iStock
Vroegtijdig signaleren
Daarom wil ze in een nieuw project aan de hand van het gedrag de gezondheid en veerkracht van varkens bepalen, om daarmee een verhoogde kans op ziekte en staartbijten vroegtijdig te signaleren. Want als je die signalen herkent, kun je bijsturen om problemen te voorkomen.
‘We zoeken naar vroege signalen van verminderde veerkracht die een verhoogde gevoeligheid voor ziekte bij varkens weergeeft’
Om deze signalen op te kunnen pikken wordt een automatisch monitoringssysteem ontwikkeld dat de varkens 24/7 in de gaten houdt. Daarvoor werkt ze samen met WUR-experts op het gebied van diergedrag, computer vision en deep learning, zij brengen het gedrag in beeld en via een lerend systeem wordt dat omgezet in nuttige informatie voor de dierhouder.
Onderzoekers willen de groepsdynamiek van een koppel varkens in beeld krijgen.
FOTO Dolph Cantrijn/Hollandse Hoogte
Zo willen de onderzoekers de groepsdynamiek van een koppel varkens in beeld krijgen. “We willen weten hoe de varkens als groep bewegen. Daar weten we eigenlijk heel weinig van. Met behulp van de camerabeelden willen we de normale patronen van de varkens in kaart brengen en veranderingen in die patronen herkennen die kunnen duiden op een verminderde veerkracht van een of enkele dieren.”
‘Door staartbijten bijtijds de kop in te drukken, daalt de noodzaak om antibiotica in te zetten’
Verder gaan onderzoekers en camera’s de individuele dierkenmerken en kenmerken als voer- en wateropname registreren. “Voordat ze echt ziek worden, vreten varkens al minder. We zoeken naar de vroege signalen, als een dier nog niet ziek is, maar wel een verhoogde gevoeligheid voor ziekte heeft ontwikkeld.”
Staart in de krul
Van haar onderzoek naar staartbijten weet Kluivers dat het gedrag van de varkens voorafgaand aan het bijten verandert. Soms bewegen de varkens meer, blijkt uit onderzoek, soms bewegen ze minder. “In beide gevallen is er een gedragsverandering.” Daarbij wil ze ook de staarthouding en de bevuiling van de varkens in kaart brengen. “Je ziet aan de beelden of de staart in de krul staat of naar beneden hangt en of het dier vuil is. Ook hier willen we bekijken: kunnen we die signalen tijdig automatisch oppikken als duider van veerkracht en voorbode van ziekte en bijtgedrag?”

Naam
Drs. Marion Kluivers
Functie
Senior onderzoeker dierenwelzijn bij Wageningen Livestock Research.
Resilience onderzoek
Onderzoek naar de vroege tekenen van veerkacht bij varkens en koeien.
Team
Voor dit interdisciplinaire onderzoek werkt Marion Kluivers samen met WUR-wetenschappers op het gebied van: duurzame veehouderij , duurzame land- en tuinbouw en farm technology.

Het publiek-private onderzoeksproject naar deze automatische detectie van veerkracht staat in de steigers, maar moet nog worden goedgekeurd door de topsector Agrifood. Kluivers wil graag bij verschillende varkenshouders camera’s zetten. “In eerste instantie gaan we 24/7 opnames maken en signalen verzamelen, maar we willen ook nagaan of je heel gericht in een paar uur per dag voldoende informatie kunt verzamelen om een goede inschatting te maken van de veerkracht van de varkens.”
Want uiteindelijk moeten de signalen leiden tot een volledig geautomatiseerd early warning systeem dat de varkenshouder ondersteunt bij het diermanagement.
Minder antibioticagebruik
Kluivers verwacht dat dit veerkrachtonderzoek de gezondheid, het welzijn en de technische resultaten van het varkensbedrijf ten goede komt en het antibioticagebruik vermindert. Door een ziektegevoelig dier te herkennen en staartbijten bijtijds de kop in te drukken, daalt de noodzaak om antibiotica in te zetten op het bedrijf.
‘Artificiële intelligentie wordt al toegepast in de plantenteelt. Van die kennis kunnen wij leren in het dierlijk onderzoek’
Het innovatieve element in dit onderzoek is de artificiële intelligentie. “We deden al gedragsonderzoek via rechtstreekse waarnemingen en het terugkijken van videobeelden uit de stal. Nu willen we beelden automatisch verwerken en koppelen aan andere informatie uit de stal.
“Daarvoor moeten de varkens en varkensstaarten automatisch worden herkend en vergeleken worden met het normaalbeeld. Deze artificiële intelligentie wordt al toegepast in de plantenteelt, bijvoorbeeld om het oogstmoment van planten te herkennen en te scannen of er verkeerde planten tussen zitten. Van die kennis kunnen wij leren in het dierlijk onderzoek.”