Dejan Pavlović

Istraživač pripravnik, Institut Biosens

Mastitis je najučestalija i u ekonomskom smislu najskuplja bolest među mlečnim stadima. Predstavlja zapaljenje mlečne žlezde i samog tkiva vimena, a nastaje bakterijskom infekcijom, najčešće, iniciranom tokom muže. Dijagnoza subkliničkog mastitisa je od izuzetne važnosti u mlečnoj industriji, s obzirom na činjenicu da i pored pojave bolesti, mleko deluje sasvim normalno, a vime krave u potpunosti zdravo. Ukoliko se dijagnoza ne uspostavi na vreme, subklinički masititis se u kratkom roku može razviti u klinički ili se pak može zadržati na subkliničkom nivou, tako negativno utičući na proizvodnju i kvalitet mleka i povećavajući mogućnost širenja infekcije na druge životinje unutar stada.

Nakon svakog procesa muže, podaci o mleku prikupljaju se putem velikog broja linijskih senzora koji su integrisani unutar robota za mužu. Najmodernijim svetskim uređajima za analizu mlečnih komponenti se u realnom vremenu meri količina masti, proteina, laktoze i krvi u mleku. Mleko se analizira za vreme njegovog protoka kroz linijski senzor i kontinuirano se prikupljaju ključni podaci vezani za svaku kravu. Takođe, unutar robota za mužu ugrađeni su i senzori za merenje elektroprovodljivosti mleka. Elektroprovodljivost se meri za svaku mlečnu žlezdu pojedinačno što nam omogućava preciznu detekciju mastitisa na nivou žlezde. Vreme trajanja procesa muže, kao i vreme proteklo od poslednje muže, su još neke od informacija koje se čuvaju unutar baze podataka.

Testirali smo primenu Random Forest algoritma, Support Vector Machine algoritma i neuronskih mreža za detekciju subkliničkog mastitisa iz senzorskih podataka, gde se Random Forest algoritam pokazao kao najbolja opcija. Pomoću ovog pristupa uspeli smo da detektujemo subklinički mastitis sa tačnošću od 90%.  U daljem radu glavni cilj je generalizacija modela, kao i povećanje robusnosti i tačnosti detekcije algoritma.