@MSGID: 1:317/3 64b2210e
@PID: hpt/lnx 1.9.0-cur 2019-01-08
@TID: hpt/lnx 1.9.0-cur 2019-01-08
 Precision technology, machine learning lead to early diagnosis of calf
pneumonia 
 Wearable sensors, automatic feeders yield clues about onset of bovine
respiratory disease 

  Date:
      July 14, 2023
  Source:
      Penn State
  Summary:
      Monitoring dairy calves with precision technologies based on the
      `internet of things,` or IoT, leads to the earlier diagnosis of
      calf- killing bovine respiratory disease, according to a new
      study. The novel approach -- a result of crosscutting -- will
      offer dairy producers an opportunity to improve the economies of
      their farms, according to researchers.


      Facebook Twitter Pinterest LinkedIN Email

==========================================================================
FULL STORY
==========================================================================
Monitoring dairy calves with precision technologies based on the "internet
of things," or IoT, leads to the earlier diagnosis of calf-killing bovine
respiratory disease, according to a new study. The novel approach -- a
result of crosscutting collaboration by a team of researchers from Penn
State, University of Kentucky and University of Vermont -- will offer
dairy producers an opportunity to improve the economies of their farms,
according to researchers.

This is not your grandfather`s dairy farming strategy, notes lead
researcher Melissa Cantor, assistant professor of precision dairy science
in Penn State`s College of Agricultural Sciences. Cantor noted that
new technology is becoming increasingly affordable, offering farmers
opportunities to detect animal health problems soon enough to intervene,
saving the calves and the investment they represent.

IoT refers to embedded devices equipped with sensors, processing and
communication abilities, software, and other technologies to connect
and exchange data with other devices over the Internet. In this study,
Cantor explained, IoT technologies such as wearable sensors and automatic
feeders were used to closely watch and analyze the condition of calves.

Such IoT devices generate a huge amount of data by closely monitoring
the cows` behavior. To make such data easier to interpret, and provide
clues to calf health problems, the researchers adopted machine learning
-- a branch of artificial intelligence that learns the hidden patterns
in the data to discriminate between sick and healthy calves, given the
input from the IoT devices.

"We put leg bands on the calves, which record activity behavior data
in dairy cattle, such as the number of steps and lying time," Cantor
said. "And we used automatic feeders, which dispense milk and grain and
record feeding behaviors, such as the number of visits and liters of
consumed milk. Information from those sources signaled when a calf`s
condition was on the verge of deteriorating."  Bovine respiratory
disease is an infection of the respiratory tract that is the leading
reason for antimicrobial use in dairy calves and represents 22% of calf
mortalities. The costs and effects of the ailment can severely damage
a farm`s economy, since raising dairy calves is one of the largest
economic investments.

"Diagnosing bovine respiratory disease requires intensive and specialized
labor that is hard to find," Cantor said. "So, precision technologies
based on IoT devices such as automatic feeders, scales and accelerometers
can help detect behavioral changes before outward clinical signs of
the disease are manifested."  In the study, data was collected from 159
dairy calves using precision livestock technologies and by researchers
who performed daily physical health exams on the calves at the University
of Kentucky. Researchers recorded both automatic data-collection results
and manual data-collection results and compared the two.

In findings recently published in IEEE Access, a peer-reviewed
open-access scientific journal published by the Institute of Electrical
and Electronics Engineers, the researchers reported that the proposed
approach is able to identify calves that developed bovine respiratory
disease sooner. Numerically, the system achieved an accuracy of 88%
for labeling sick and healthy calves.

Seventy percent of sick calves were predicted four days prior to
diagnosis, and 80% of calves that developed a chronic case of the disease
were detected within the first five days of sickness.

"We were really surprised to find out that the relationship with the
behavioral changes in those animals was very different than animals that
got better with one treatment," she said. "And nobody had ever looked at
that before. We came up with the concept that if these animals actually
behave differently, then there`s probably a chance that IoT technologies
empowered with machine learning inference techniques could actually
identify them sooner, before anybody can with the naked eye. That offers
producers options."  Contributing to the research were: Enrico Casella,
Department of Animal and Dairy Science, University of Wisconsin-Madison;
Melissa Cantor, Department of Animal Science, Penn State University;
Megan Woodrum Setser, Department of Animal and Food Sciences, University
of Kentucky; Simone Silvestri, Department of Computer Science, University
of Kentucky; and Joao Costa, Department of Animal and Veterinary Sciences,
University of Vermont.

This work was supported by the U.S. Department of Agriculture and the
National Science Foundation.

    * RELATED_TOPICS
          o Plants_&_Animals
                # Cows,_Sheep,_Pigs # Veterinary_Medicine #
                Agriculture_and_Food
          o Earth_&_Climate
                # Floods # Wildfires # Earth_Science
          o Computers_&_Math
                # Information_Technology # Hacking #
                Computers_and_Internet
    * RELATED_TERMS
          o Dairy_cattle o Gross_domestic_product o Vegetarianism o
          Bovine_spongiform_encephalopathy o Voice_over_IP o Cattle o
          Pollution o World_Wide_Web

==========================================================================

 Print

 Email

 Share
==========================================================================
****** 1 ****** ***** 2 ***** **** 3 ****
*** 4 *** ** 5 ** Breaking this hour
==========================================================================
    * Sports_Safety:_Liquid_Cushioning_Technology *
    First-Ever_`Dark_Stars` * Genes_for_Learning:_650_Million_Years_Old
    * Stellar_Cradles_and_Graves_in_Faraway_Galaxy *
    Overflowing_Cosmic_`Jug` * Ghost_Stars_in_Our_Galaxy *
    Multiple_Ecosystems_in_Hot_Water * How_an_`AI-Tocracy`_Emerges
    * Building_a_Better_Tree_With_CRISPR_Gene_Editing *
    Unprecedented_Control_Of_Every_Finger_of_...


Trending Topics this week
==========================================================================
PLANTS_&_ANIMALS Biology Nature Biotechnology EARTH_&_CLIMATE
Environmental_Awareness Oceanography Water FOSSILS_&_RUINS Fossils
Early_Mammals Ancient_Civilizations


==========================================================================

Strange & Offbeat
==========================================================================
PLANTS_&_ANIMALS Fungi_Blaze_a_Trail_to_Fireproof_Cladding
Ice_Age_Saber-Tooth_Cats_and_Dire_Wolves_Suffered_from_Diseased_Joints
Tiny_Fish_Surprise_Scientists_in_`Volunteer`s_Dilemma` EARTH_&_CLIMATE
Why_There_Are_No_Kangaroos_in_Bali_(and_No_Tigers_in_Australia)
Turning_Old_Maps_Into_3D_Digital_Models_of_Lost_Neighborhoods
Squash_Bugs_Are_Attracted_to_and_Eat_Each_Other`s_Poop_to_Stock_Their
Microbiome FOSSILS_&_RUINS
Giant_Stone_Artefacts_Found_on_Rare_Ice_Age_Site_in_Kent,_UK
Fossils_Reveal_How_Ancient_Birds_Molted_Their_Feathers_--_Which_Could_Help
Explain_Why_Ancestors_of_Modern_Birds_Survived_When_All_the_Other_Dinosaurs
Died Apex_Predator_of_the_Cambrian_Likely_Sought_Soft_Over_Crunchy_Prey
Story Source: Materials provided by Penn_State. Original written by Jeff
Mulhollem. Note: Content may be edited for style and length.


==========================================================================
Journal Reference:
   1. Enrico Casella, Melissa C. Cantor, Megan M Woodrum Setser, Simone
      Silvestri, Joao H.C. Costa. A Machine Learning and Optimization
      Framework for the Early Diagnosis of Bovine Respiratory
      Disease. IEEE Access, 2023; 1 DOI: 10.1109/ACCESS.2023.3291348
==========================================================================

Link to news story:
https://www.sciencedaily.com/releases/2023/07/230714131136.htm

--- up 1 year, 19 weeks, 4 days, 10 hours, 50 minutes
 * Origin: -=> Castle Rock BBS <=- Now Husky HPT Powered! (1:317/3)
SEEN-BY: 1/120 15/0 18/0 106/201 114/705 123/0 120
180 200 3001 135/115
SEEN-BY: 138/146 153/7715 218/700 222/2 226/30
227/114 229/110 112 113 307
SEEN-BY: 229/317 400 426 428 470 664 700 240/1120
250/1 261/38 275/100 1000
SEEN-BY: 291/111 292/854 298/25 305/3 317/3 320/219
342/11 396/45 467/888
SEEN-BY: 712/1321 1321 3634/0 12 56 57 5001/100
5005/49 5015/255 5019/40
SEEN-BY: 5020/715 848 1042 4441 12000 5030/49 1081
5061/133 5075/35 128
SEEN-BY: 5090/958
@PATH: 317/3 229/426 153/7715 3634/12 5020/1042
4441