Eervol 2e JoinData Hack: Jongvee data

JoinData, de elektronische rotonde voor data van het boerenerf, gaat boeren overzicht bieden en controle geven over hun data, en de uitwisselbaarheid van data vergroten. Voorafgaand aan de lancering van JoinData begin volgend jaar, organiseerde FarmHack 30 november en 1 december een hackathon om data-partners aan te haken. Het team “You are what you eat?” kreeg een eervolle vermelding voor hun slimme data-analyse. De productie van melkkoeien werd gerelateerd aan de groei van dezelfde dieren als kalf. Daar kwamen interessante correlaties uit, al bleken ook tekortkomingen in de data. Indien meer data van goede kwaliteti beschikbaar komen, liggen toepassingen voor de hand: Kun je aan de hand van de gerealiseerde groei van een kalf (in combinatie met genetische informatie), haar toekomstige melkproductie voorspellen? En kunnen we een kalf doelbewust zó voeren dat ze optimaal melk gaat geven? 

Het team startte met historische datasets vanuit eerdere SDF (smart dairy farming) projecten. De productiedata van dezelfde individuen kon opgehaald worden, dankzij machtigingen van de betrokken melkveehouders. In dit team hadden we echte dataspecialisten, maar voordat zij met slimme modellen aan de slag konden moest de data geschoond worden. Daar ging veel tijd in zitten, met name de sensordata uit de kalverproef bleek behoorlijk veel ruis te bevatten. Uiteindelijk werden uit bijna 500 individuen maar 41 gevonden die bruikbare data van zowel de groei als kalf als de productiedata hadden.

Artem Duplinskiy, Rajkumar Balakrishnan (Agrifirm), Gosia Wrzesinska, Ruben van der Zwaan (allen CodersCo). Niet op de foto: Rob van Winden, (Agrifirm) en Wilco van Beest (VAA-ICT)

Wat doe ik vandaag met dit kalf?

Gaat een kalf dat achterbleef in groei, haar genetische potentie om melk te geven nog kunnen vervullen, of blijft ze later ook een zwakke koe? En: hoe voer ik mijn kalveren op een manier die toekomstige productie optimaliseert? Dat zijn vragen die dagelijks leven bij boer en boerin. De data-tovenaars van dit team maakten een model dat antwoorden biedt op deze vragen. Enkele uitkomsten: Een kalf dat meer melk drinkt geeft later hogere vetpercentages in haar melk. Een zwaarder kalf geeft meer niet persé meer melk, maar wel meer eiwit in haar melk. Het team stelde op basis van productiedata van koeien en hun moeders vast dat de genetische aanleg van een kalf de belangrijkste voorspellende factor voor productie is, daarom is dit in het model meegewogen. Bekijk de pitch van het team op FarmHack Github om te zien wat ze presenteerden.

Naarmate we meer beschikking over data krijgen (uit kalverdrinkautomaten en automatische weegunits), kunnen preciezere antwoorden gegeven worden.

Leren van data

Dit team bevatte drie data-experts van de start-up CodersCo uit Amsterdam, zij waren niet eerder bekend met agri. Ze lieten de data spreken en dat wekte indruk. In de presentatie deelde Ruben twee belangrijke observaties. De eerste: Datakwaliteit is een bottleneck, een belangrijke issue, die aandacht verdient. De tweede: er is een heel ecosysteem nodig rond JoinData om alle taken goed te vervullen: dataschoonmakers, data-analisten, appbedenkers, app-makers, user interface ontwerpers. En dat gaat een bloeiend ecosysteem worden indien we gezond gebruik maken van elkaar.

Het team bracht in praktijk wat ze prediken en zette hun resultaten en de moeizaam geschoonde data op de FarmHack github. We hopen dat het gebruikt en vooral ook aangevuld wordt.

Kalverdrinkautomaten verzamelen data.Een waardevolle input voor voorspellende modellen.

Geinteresseerden en mogelijke partners worden opgeroepen om contact op te nemen. Voor meer informatie, neem contact op met info(at)farmhack.nl, wij brengen u in contact met de juiste persoon binnen het team.

Dit werk valt onder een Creative Commons Naamsvermelding-GelijkDelen 3.0 Nederland-licentie.