Gezichtskenmerken van koeien kunnen in de toekomst een middel zijn om zieke koeien te signaleren. Wageningen Bioveterinary Research (WBVR) onderzocht samen met HAS Den Bosch en Avans Hogeschool de mogelijkheid om mond- en klauwzeer (MKZ) te herkennen aan de hand van de gezichtsopnames van individuele koeien. Er werd een geautomatiseerde ziektescore ontwikkeld voor Holstein Friesian-vaarzen. Dat meldt WBVR.
Digitale beelden worden steeds gemakkelijker beschikbaar en de mogelijkheden voor beeldverwerking ontwikkelen zich snel. “Dit opent de weg naar het monitoren en opsporen van ziekte bij dieren met behulp van digitale beelden”, zegt Ronald Petie, epidemioloog bij Wageningen Bioveterinary Research en betrokken bij het onderzoek.
“Bij Wageningen Bioveterinary Research voeren we regelmatig vaccinprestatieproeven uit voor MKZ. De ziekte uit zich onder andere via symptomen in het gezicht van de dieren. De dieren in deze proeven vormen dan ook een goede basis om de gezichtsherkenningstool te ontwikkelen en te testen.”
Herkenning
Het onderzoek bevestigde dat het mogelijk is om ziekten te monitoren en te detecteren met behulp van een generiek scoresysteem voor gezichtskenmerken. Dit systeem maakt gebruik van een handmatig scoresysteem dat de groep ontwikkelde op basis van een literatuuronderzoek. Het systeem werd vervolgens gevalideerd via een reeks gezichtsfoto’s van vaarzen die zijn gemaakt tijdens een onderzoek naar de effectiviteit van het MKZ-vaccin. “We hebben het ontwikkelde herkenningssysteem getest in vijf MKZ-onderzoeken.” Op basis van deze ervaringen ontwierpen de onderzoekers een geautomatiseerd systeem. “Deze applicatie scoort ziekte op basis van afbeeldingen van de gezichten van vaarzen met behulp van beeldherkenningssoftware.”
Neusuitvloeiing, kwijlen
Het automatische herkenningssysteem heeft een gevoeligheid en specificiteit van 94 procent, blijkt uit een gecontroleerd experiment. “Het systeem was in staat om onderscheid te maken tussen dag twee, drie en vier na de MKZ-infectie. De geautomatiseerde scores kwamen goed overeen met de scores van de dierenverzorgers”, aldus Petie. Niet alle MKZ-indicatoren gaven een betrouwbare correlatie tussen de handmatige en de geautomatiseerde score; de beste indicatoren waren neusuitvloeiing, kwijlen en vochtafscheiding uit de ogen.
Verder verfijnen
De resultaten uit dit experiment kunnen niet worden geëxtrapoleerd naar andere leeftijdsgroepen, koeienrassen en ziekten. “Dat vereist aanvullend onderzoek.” Het systeem kan verder worden verfijnd door aanvullende indicatoren te gebruiken, zoals zichtbaar oogwit als een indicator voor de emotionele toestand van het dier of andere factoren waarvan bekend is dat deze goede indicatoren voor pijn zijn. “Dergelijke factoren zijn minder gemakkelijk handmatig te scoren. Met behulp van een grote hoeveelheid afbeeldingen kan een automatisch systeem worden getraind om deze factoren te herkennen”, zegt Petie.
Toekomst
Vanwege het generieke karakter van het scoresysteem kan het automatische systeem worden getraind op beelden van verschillende ziekten. Hoewel de bevindingen van de onderzoeksgroep aangeven dat de automatische gezichtsherkenning een waardevolle aanwinst is om MKZ te scoren, benadrukken de onderzoekers dat het nog niet waarschijnlijk is dat dit systeem in de praktijk kan worden gebruikt. “We hebben een grote hoeveelheid beelden nodig om het systeem een betrouwbare uitkomst te laten geven. Verder zijn er – naast ras en leeftijdsgroep – heel wat factoren die de uitkomst beïnvloeden, onder andere de kwaliteit van de beelden.”
De beelden waarmee deze applicatie werd ontwikkeld, werden verkregen in een laboratoriumomgeving. “Deze situatie kan niet één-op-één geëxtrapoleerd worden naar de boerderij”, benadrukt Petie. De grootste winst van deze applicatie zit volgens de onderzoekers in het feit dat het met deze kennis waarschijnlijk mogelijk is testen in experimentele omstandigheden te doen met minder dieren.
