Automatic Lameness Detection in a Milking Robot : Instrumentation, measurement software, algorithms for data analysis and a neural network model

The aim of this thesis is to develop a fully automatic lameness detection system that operates in a milking robot. The instrumentation, measurement software, algorithms for data analysis and a neural network model for lameness detection were developed. Automatic milking has become a common practice in dairy husbandry, and in the year 2006 about 4000 farms worldwide used over 6000 milking robots. There is a worldwide movement with the objective of fully automating every process from feeding to milking. Increase in automation is a consequence of increasing farm sizes, the demand for more efficient production and the growth of labour costs. As the level of automation increases, the time that the cattle keeper uses for monitoring animals often decreases. This has created a need for systems for automatically monitoring the health of farm animals. The popularity of milking robots also offers a new and unique possibility to monitor animals in a single confined space up to four times daily. Lameness is a crucial welfare issue in the modern dairy industry. Limb disorders cause serious welfare, health and economic problems especially in loose housing of cattle. Lameness causes losses in milk production and leads to early culling of animals. These costs could be reduced with early identification and treatment. At present, only a few methods for automatically detecting lameness have been developed, and the most common methods used for lameness detection and assessment are various visual locomotion scoring systems. The problem with locomotion scoring is that it needs experience to be conducted properly, it is labour intensive as an on-farm method and the results are subjective. A four balance system for measuring the leg load distribution of dairy cows during milking in order to detect lameness was developed and set up in the University of Helsinki Research farm Suitia. The leg weights of 73 cows were successfully recorded during almost 10,000 robotic milkings over a period of 5 months. The cows were locomotion scored weekly, and the lame cows were inspected clinically for hoof lesions. Unsuccessful measurements, caused by cows standing outside the balances, were removed from the data with a special algorithm, and the mean leg loads and the number of kicks during milking was calculated. In order to develop an expert system to automatically detect lameness cases, a model was needed. A probabilistic neural network (PNN) classifier model was chosen for the task. The data was divided in two parts and 5,074 measurements from 37 cows were used to train the model. The operation of the model was evaluated for its ability to detect lameness in the validating dataset, which had 4,868 measurements from 36 cows. The model was able to classify 96% of the measurements correctly as sound or lame cows, and 100% of the lameness cases in the validation data were identified. The number of measurements causing false alarms was 1.1%. The developed model has the potential to be used for on-farm decision support and can be used in a real-time lameness monitoring system.

Painehaavapotilaille tehtyjen hoitointerventioiden määrä ja tulokset HYKS:n plastiikkakirurgian klinikassa

Keräsimme ICD-10 koodilla L89 HYKS:n plastiikkakirurgian klinikassa hoidetuista 401:stä potilaasta hoitotiedot vuosilta 2000-2008. Plastiikkakirurgiseen leikkaukseen ja hoidon arvioon päätyneiden potilaiden keski-ikä oli 60,3 (18-97v.). Painehaavan riskitekijät selvitettiin. Yksittäisistä riskitekijöistä yleisimpiä olivat paraplegia ( n=77; 17% ) ja diabetes/ASO tauti ( n=53; 12 % ). Yhteensä painehaavaleikkauksia tehtiin 347 , joista revisioleikkauksia 108 ja varsinaisia sulkuleikkauksia oli 239. Keskimäärin potilaat tarvitsivat 1.7 operaatiota. Leikatuista painehaavoista gradus III- haavoja oli 35,1% ; n= 84 ja gradus IV 25,5% ; n= 61, pinta-ala haavoilla oli keskimäärin 30,5 cm2. Istuinkyhmyjen ja sacrumin painehaavat olivat potilasaineistossamme yleisiä (20% ja 27% operoiduista painehaavoista). Gradus III haavoja leikattiin keskimäärin 1,6 kertaa ja gradus IV haavoja keskimäärin 2,0 kertaa. Postoperatiivisia poliklinikkakäyntejä tarvittiin keskimäärin 2,3, gradus III painehaavapotilailla 2,0 ja gradus IV potilailla 2,6 käyntiä. Leikkausmenetelmistä eri kielekerekonstruktiot olivat selkeästi eniten käytetty leikkausmenetelmä painehaavaleikkauksissa: 58 % rekonstruktioleikkauksista suoritettiin käyttäen jonkinlaista iho- lihaskielekettä. (134 sanaa)

Veneliikenteen määrä Suomessa vuosina 1971 ja 1972

Sammandrag: Båttrafikmängder i Finland under åren 1971 och 1972

Turvemaan männyn (Pinus sylvestris L.) ja kuusen (Picea abies [L.] Karst.) kanto- ja juuripuun ominaisuudet ja asetoniliukoisten uuteaineiden määrä

Tutkimus on osa Metsäklusteri Oy:n Future Biorefinery –tutkimusohjelmaa, jossa kartoitetaan mahdollisuuksia hyödyntää metsäteollisuuden raaka-aineita aiempaa tarkemmin ja uusissa tuotteissa. Tutkimuksen tavoitteena on selvittää männyn (Pinus sylvestris L.) ja kuusen (Picea abies [L.] Karst.) juurten ja kantopuun rakenne ja ominaisuudet. Tutkimuksessa selvitetään löytyykö männyn ja kuusen juurista reaktiopuuta ja määritetään asetoniliukoisten uuteaineiden osuus kantoja juuripuussa. Tutkimusaineistona oli viisi eri-ikäistä mäntyä ja viisi eri-ikäistä kuusta. Juuri- ja kantoaineisto kerättiin Metsäntutkimuslaitoksen toimesta Parkanon seudulta (62.017°N, 23.017°E) hakkuun jälkeen. Maanalaisista juurista otettiin näytteet kolmelta eri etäisyydeltä juurenniskaan nähden. Kummankaan lajin juurista ei löytynyt varsinaista reaktiopuuta, mutta joissakin näytteissä havaittiin lievää reaktiopuuta. Lievää reaktiopuuta löytyi enemmän männyn kuin kuusen juurista, eikä sitä löytynyt lainkaan kaikkein ohuimmista, noin 2 cm paksuisista juurenosista. Männyn kannoissa uuteaineprosentti oli korkeampi kuin kuusen. Männyn juurissa uuteaineprosentti kasvoi edettäessä kohti juuren kärkeä. Kuusella uuteaineprosentti laski aluksi, mutta lähellä juuren kärkeä taas kasvoi. Kuoren uuteainepitoisuus oli molemmilla puulajeilla korkeampi kuin puuaineen. Tutkimusaineisto oli suppea, eikä tutkimuksessa pyritty tilastolliseen yleistettävyyteen. Laajemmasta aineistosta tehdylle tutkimukselle on tarvetta, sillä turvekankailta saatavan puun tarjonta on Suomessa kasvussa, mutta juurten uuteaine- ja reaktiopuututkimuksia on tehty vain kivennäismailta kerätyistä aineistoista.