AI helpt bij identificeren kreupel paard

Dat blijkt uit het promotieonderzoek ‘EQUAINE: Asking machines to understand equine data and keep learning from it’ dat op donderdag 17 september door Jeanne Parmentier wordt verdedigd aan de Universiteit Utrecht. Het opsporen van problemen met gangwerk en ademhaling kunnen het paardenwelzijn en prestaties beïnvloeden, maar het opsporen daarvan vraagt vaak om specialistische kennis en geavanceerde apparatuur. Dankzij miniatuurbewegingssensoren en microfoons kunnen tegenwoordig veel meer gegevens van paarden worden verzameld tijdens training en inspanning.

In het onderzoek zijn AI-modellen ontwikkeld die onder meer de ondergrond waarop een paard loopt herkennen, gezonde en kreupele paarden van elkaar onderscheiden en beenbelasting en ademhalingsfrequentie tijdens inspanning kunnen schatten. Daarbij maken de modellen gebruik van lichtgewicht, commercieel verkrijgbare sensoren.

Subtiele signalen

Bijzonder is dat niet alleen de prestaties van de algoritmes zijn onderzocht, maar ook de manier waarop zij tot hun conclusies komen. Met explainable AI-technieken werd zichtbaar dat de systemen dezelfde bewegingspatronen herkennen als dierenartsen tijdens een kreupelheidsonderzoek, aangevuld met subtiele signalen die voor het menselijk oog nauwelijks waarneembaar zijn.

Het proefschrift beschrijft daarnaast een realtime monitoringsplatform voor drafpaarden en stelt een unieke dataset met ademhalingsgeluiden tijdens inspanning beschikbaar. Volgens de onderzoeker kan dit bijdragen aan beter onderbouwde diagnostiek en een verdere verbetering van het dierenwelzijn in zowel de paardenhouderij als de paardensport.