Skip to main content
Login | Suomeksi | På svenska | In English

Diagnosing Mastitis in Automatic Milking Systems

Show full item record

Title: Diagnosing Mastitis in Automatic Milking Systems
Author(s): Aho, Varpu
Contributor: University of Helsinki, Faculty of Veterinary Medicine
Degree program: Degree Programme in Veterinary Medicine
Language: English
Acceptance year: 2022
Abstract:
Utaretulehdus on taloudellisesti merkittävin sairaus sekä ontumisen jälkeen toiseksi merkittävin hyvinvointiongelma lypsykarjataloudessa maailmanlaajuisesti. Utaretulehduksen diagnoosiin kuuluu aiheuttajapatogeenin tunnistaminen maidosta yhdistettynä samanaikaisiin muutoksiin muissa maidon parametreissä, kuten soluluvussa. Viimeisimmän raportin mukaan automaattilypsyyn (AMS) kuuluvien tilojen osuus Suomessa on jo 27 %, ja arviolta yli 50 % maidosta lypsetään lypsyrobotilla. Lypsyrobotilta saadaan runsaasti dataa, jota voidaan käyttää utaretulehduksen tunnistamiseen ja hallintaan tiloilla. Tämän työn tarkoituksena oli tutkia, miten eri maidosta saatavat parametrit kuvaavat utaretulehdusta ja miten niitä voitaisiin käyttää utaretulehduksen diagnosoimiseksi. Perinteisin utaretulehduksen tunnistamiseen hyödynnettävä parametri on soluluku, joka kertoo somaattisten solujen lukumäärän millilitrassa maitoa. Somaattisten solujen lukumäärä (SCC) utarekudoksessa ja siten maidossa kasvaa utaretulehduksen aikana, mutta lukuun liittyy voimakas päivittäinen vaihtelu. SCC mitataan virallisen tuotosseurannan (DHI) yhteydessä, ja automaattilypsyyn on kehitetty solulukua mittaavia laitteistoja. Yleisin suoraan lypsyrobotilla mitattava parametri on sähkönjohtavuus (EC). EC mitataan neljänneskohtaisesti, mikä tekee siitä hyödyllisen neljännesten vertailussa. Kuitenkin myös siihen liittyy epävarmuustekijöitä. Lisäksi uudempana parametrinä hyödynnetään L-laktaattidehydrogenaasia (LDH), joka on useiden eri kudosten tulehduksesta kertova entsyymi. LDH on solulukua epäluotettavampi varsinaisen utaretulehduksen diagnosoinnissa, mutta LDH:n liittyy vähemmän päivittäisvaihtelua, ja siksi sen yhdistäminen solulukuun on kiinnostava työkalu utaretulehduksen tunnistamiseksi. Kuvailevassa tutkimusosiossa tarkasteltiin 24 lypsylehmän maidon AMS parametrejä 7 kuukauden ajalta kanadalaisella tutkimustilalla. Data oli rikkonainen ja utaretulehdustapauksia vähän, mutta tulokset kuvaavat hyvin eri parametrien ominaispiirteitä. LDH:n osalta havaittiin, että se on koholla erityisesti ensikoilla keskimäärin 35 vuorokauden ajan poikimisesta. Lisäksi todettiin, että utaretulehduslehmien LDH oli odotetusti korkeammalla kuin terveillä tai muuten kuin utaresairailla lehmillä. Kuitenkin LDH:n päivittäisvaihtelu yksittäisillä lehmillä oli odotettua suurempaa.
Mastitis is economically the most important disease and the second most important welfare issue after lameness in dairy production worldwide. Mastitis diagnosis consists of recognizing the causative pathogen and simultaneous changes in milk parameters, such as somatic cell count. Currently, 27 % of Finnish farms use automatic milking system (AMS) and more than 50 % of all milk is harvested by a milking robot. Large amounts of data are available from AMS, and they can be used to recognize and control mastitis on farms. The aim of this work was to study how different AMS data patterns describe mammary gland infection, and how they can be used in mastitis diagnosis. The most conventional parameter for diagnosing mastitis is somatic cell count (SCC) which describes the number of somatic cells per milliliter of milk. During mastitis, SCC increases, but a significant day-to-day variation is characteristic. SCC is measured in official Dairy Herd Improvement (DHI) programs, and SCC is also counted by sensors in AMS. The most common in-line measured parameter at AMS is electrical conductivity (EC). EC is measured quarter-specifically which makes it good for comparison among different quarters but there are some uncertainties associated with EC. In addition, L-lactate dehydrogenase (LDH) is an enzyme that indicates infection in different tissues and is also detectable with a sensor in some AMS. It’s less mastitis-specific than SCC, but because it has less daily variation, combined with SCC it’s currently an interesting tool for recognizing mastitis in AMS. Descriptive study was conducted using AMS data from 24 cows over 7 months from a Canadian research herd. The data were fragmented and only a few mastitis cases were included. However, the results describe the characteristics of different AMS parameters. Results showed that LDH is high especially in 1st lactation cows until 35 days after calving. As expected, LDH of mastitic cows was substantially higher compared to cows that were healthy or had non-udder illness. Interestingly, the daily variation of LDH in individual cows appears to be greater than expected.
Keyword(s): cow mastitis intramammary infection automatic milking system milking robot somatic cell count electrical conductivity lactate dehydrogenase milk yield descriptive study lehmä utaretulehdus lypsyrobotti automaattilypsy soluluku sähkönjohtavuus laktaattidehydrogenaasi tuotos kuvaileva tutkimus


Files in this item

Files Size Format View
Aho_Varpu_tutkielma_2022.pdf 1.757Mb PDF

This item appears in the following Collection(s)

Show full item record