Kunstmatige intelligentie in de hoefsmederij/ paardensport en -houderij

Kunstmatige intelligentie wordt onder andere ingezet in de verzorging van paarden en het vaststellen van diagnoses en de ganganalyse. Zo wordt het bijvoorbeeld gebruikt om pijn te herkennen door middel van de gezichtsuitdrukkingen van paarden en ezels. Er is een grote kans dat kunstmatige intelligentie technieken ook vaker zullen worden toegepast in de paardenwereld. Denk daarbij bijvoorbeeld aan de toepassing van techniek om het gewicht van een paard te meten zonder dat je deze naar een weegbrug of veeweegschaal hoeft te brengen. 

Toepassingen

  • Wat houdt het in? 

    Hoofbeat is een spin-off van het Groninger familiebedrijf Werkman Hoofcare, ze heeft een nieuw concept ontwikkeld: Hoofbeat. Dit product brengt met behulp van sensoren in camera’s de ganganalyse van het paard objectief in beeld door te kijken naar verschillende onderdelen van de beweging van de voor- en achterbenen. Er zitten reflecterende bolletjes op het paard geplakt, die de camera’s herkennen. Een algoritme bewerkt de data van de sensor en dat is de input voor de analyse. De beroepsbeoefenaar kan metingen vergelijken over de tijd en daarmee de gang van het paard monitoren. (FME, 2020)

    Er wordt gebruik gemaakt van IMU technologie. IMU's zijn specifiek voor Hoofbeat. De sensoren worden op de hoeven geplaatst om een meting uit te voeren, een meting duurt hooguit anderhalve minuut. Via bluetooth verstuurd Hoofbeat de data naar de tablet, waarin de app een analyse van de data uitvoert, vervolgens wordt deze data vertaald naar 3-D beelden en animaties die makkelijk te interpreteren zijn door de expert.

    Input

    • Historische gegevens
    • Visuele gegevens

    Technologie

    • Data mining

    Output

    • Prevention
    • Perception
  • Wat houdt het in?

    Met beeldherkenning kunnen computers ziektes of pijn herkennen bij paarden en ezels (afwijkend beeld). Kunstmatige intelligentie helpt in die zin bij het sneller vaststellen van diagnoses, nauwkeurigere behandelingen en beter geïnformeerde patiënteigenaren. Dierenarts Thijs van Loon (SMDC, Universiteit Utrecht) en zijn collega’s doen al jarenlang uitgebreid onderzoek naar pijn en pijnherkenning bij paarden en ezels. Ze ontwikkelden software om pijn bij paarden en ezels objectief te herkennen aan de hand van gezichtsuitdrukkingen. Net als bij mensen kun je aan het gezicht en de lichaamstaal van een paard of ezel aflezen of hij pijn heeft.

    “Waar moet je bij pijnherkenning van een paard allemaal op letten? Orenspel, oorpositie, ogen die toegeknepen zijn of juist wijd openstaan, of fronsen. Mondhoeken, neusgaten. Er zijn allerlei spieren die daarvoor verantwoordelijk zijn.”

    Thijs van Loon (SMDC, Universiteit Utrecht)

    Met de Equine Pijn- en WelzijnsApp (EPWA) kan iedereen zelf de pijnmetingen betrouwbaar doen door vragen in de app te beantwoorden. De app berekent op basis van de resultaten de pijnscore van je paard of ezel. Op basis van deze pijnscore geeft de app aan wanneer het verstandig is om een dierenarts in te schakelen. Naast het uitvoeren van pijnscores biedt de app ook een mogelijkheid om relevante informatie over training, beweging, voeding en veterinaire handelingen bij te houden in het welzijnsdagboek. Op deze manier kunnen eigenaren gezondheidsinformatie verzamelen en koppelen. Daarnaast komt er een trainingsmodule. Daarmee kun je gezichtsuitdrukkingen leren herkennen die kunnen duiden op pijn. De huidige versie van EPWA maakt nog geen gebruik van kunstmatige intelligentie. In de toekomst hopen de onderzoekers geautomatiseerde gezichtsherkenning – en dus pijnherkenning – aan de software toe te voegen. Dat doen ze met duizenden foto’s, waarmee ze het systeem leren om wel of geen pijn bij paarden en ezels te herkennen aan de hand van gezichtsuitdrukkingen. In de toekomst kun je deze software niet alleen voor paarden en ezels gebruiken, maar ook voor bijvoorbeeld honden en katten. 

    Het doel is om in een vroeg stadium pijnsignalen te herkennen en te detecteren. En dat de app een suggestie geeft om bijvoorbeeld een dierenarts naar het dier te laten kijken. Zo kan die vroegtijdig starten met de juiste behandeling. Hierdoor voorkom je dat bepaalde aandoeningen of een bepaald probleem verergeren. Voor het paardenwelzijn is een grote winst te halen. Voor de eigenaar is het een manier om te weten wanneer hij hulp moet inschakelen. Er is een groot verschil tussen acute pijn en chronische pijn. Het kan zijn dat artrose zich sluimerend ontwikkelt, waarbij de eigenaar geen objectieve maatstaven heeft. (Paardenkamp, 2020 en Universiteit Utrecht, 2020)

    Input

    • Visuele gegevens

    Technologie

    • Computer vision

    Output

    • Suggestion

Impact van kunstmatige intelligentie op het werkveld van hoefsmederij / paardensport en -houderij

Impact op werkprocessen en houding 

Er komen voor de hoefsmid nieuwe data beschikbaar over hoe het paard zich verplaatst en zich afduwt. De hoefsmid als startende beroepsbeoefenaar heeft nog niet geleerd wat nodig is om data goed te interpreteren. De hoefsmid moet wel begrijpen hoe die beweging gaat en welke invloed erin mogelijk is. Meer kennis van biomechanica, hoe het paard beweegt, is essentieel. Dat is anders dan de kennis die studenten opdoen van anatomie; dat is alleen in stilstand. 

Het gebruik van Hoofbeat draagt bij aan de professionele houding van de beroepsbeoefenaar. Een paardeninstructeur kan met deze informatie vroegtijdig een dierenarts inschakelen. De hoefsmid kan met de objectieve informatie het bekappen en het hoefbeslag beter onderbouwen. De informatie kan ook duidelijk maken hoeveel verbetering een beslag heeft opgeleverd. Voor een werkproces zoals ‘Behandelt klachten’ kan de beroepsbeoefenaar laten zien wat er is gedaan. Als het paard gekapt en/of beslagen is en verbeterd is tot perfecte regelmatigheid, dan weet de hoefsmid dat de behandeling goed is. Oftewel: er is sprake van fact based feedback op de interventie van de hoefsmid.  

“Laatst zei een leraar die met het systeem werkt: ‘Het is alsof ik al jaren de krant lees en nu opeens een hele scherpe leesbril heb en dat ik nu veel beter kan lezen wat er staat.’ Dat komt doordat de hoefsmid informatie verkrijgt die hij als mens niet waarneemt. Wij zien maar 25 frames per seconde. Zo'n paard beweegt over de duizend. En de sensor maakt 1140 frames per seconde van die beweging en daarom kunnen wij detecteren wat er gebeurt.”

Christel Werkman (Werkman Hoofbeat)

Een hoefsmid en een paardensportinstructeur zijn gebaat bij een voorbeeld als de EPWA. Met deze app kan hij pijn en/of een probleem bij paarden vroegtijdig detecteren. Deze beroepsbeoefenaren zijn vaak een tussenpersoon tussen de eigenaar en dierenarts. Als de hoefsmid bijvoorbeeld een paard bekapt en beslaat, kan hij merken dat de hoeven minder afgewikkeld zijn, of dat de stand veranderd is doordat het paard de hoeven op een andere manier gebruikt heeft. Het kan nuttig en belangrijk zijn tegen de eigenaar te zeggen dat er veranderingen zijn in het afwikkelingspatroon van het paard. Als je dan ook nog kan kijken naar andere objectieve factoren, bijvoorbeeld gezichtsuitdrukkingen, kan dit een extra manier zijn om de eigenaar te overtuigen om daadwerkelijk een dierenarts in te schakelen. Als een hoefsmid vaststelt dat een paard verandering aan de hoeven heeft, kan dat komen door bijvoorbeeld hoefbevangenheid of artrose. 

De beroepsbeoefenaar kan het advies aan de eigenaar beter onderbouwen met de EPWA. De hoefsmid kan bijvoorbeeld aangepast beslag gebruiken. Ook andere beroepsbeoefenaren kunnen het advies aan de eigenaar beter onderbouwen door het gebruik van de EPWA, op basis van het herkennen van gezichtsuitdrukkingen die de pijn veroorzaakt. Ze kunnen suggereren om met een dierenarts naar het bredere plaatje te kijken. 

Een onderdeel van de werkprocessen in de paardensport en paardenhouderij is het trainen van paarden. Als een paard een ongemak heeft en een professional neemt dit waar, dan kan die ervoor zorgen dat een training niet doorgaat of dat het paard eerst onderzocht wordt. Als je pijn van dieren op basis van kunstmatige intelligentie kunt monitoren, kun je ervoor zorgen dat de dieren minder zwaar hoeven te werken of het programma aanpassen. Dit is zeker van nut voor paardeninstructeurs en –trainers. In het opleiden en begeleiden van sportpaarden is vroege detectie van problemen en kennis over de fitheid van het paard cruciaal. Een belangrijke taak als onderdeel van het verzorgen van paarden zou moeten zijn: ‘bewaak de gezondheid van de dieren’, om te zien of een paard wel gezond is op het moment dat je het traint. Daarom krijgen studenten dierverzorging in hun opleiding ook veterinaire basiskennis. Zij moeten weten en kunnen herkennen wanneer een dier ziek is. Voor de bedrijfsleider paardensport en -houderij is het van belang om te weten of een paard al dan niet gezond is, alvorens hij het koopt of verkoopt.  

Een onderdeel van het werkproces van dierenartsassistent paraveterinair is het verrichten van paraveterinaire handelingen. Het monitoren van ziektesymptomen – van afwijkingen versus normaal gedrag – zou daar ook een onderdeel van moeten zijn. Pijnherkenning op basis van gezichtsherkenning kan dat ondersteunen. 

Impact op benodigde vaardigheden 

De beroepsbeoefenaren die werken met paarden werken allen vanuit een andere invalshoek. De hoefsmid kijkt vooral naar de hoeven. De dierenarts kijkt naar het dier als geheel, maar heeft veelal niet de specifieke kennis die een hoefsmid heeft. Tegelijkertijd zou een hoefsmid meer mogen werken aan zijn professionele ontwikkeling, door stil te staan bij de eigen positionering en de manier van communiceren met de klant (de eigenaar van het paard) en de dierenarts. Het gebruik van Hoofbeat kan helpen om de werkdisciplines dichter bij elkaar brengen, doordat die dezelfde objectieve informatie verschaft over het welzijn van het paard.  

De data leveren veel informatie aan hoefsmeden, paardeninstructeurs, dierenartsen en paardenbezitters. Door veranderingen in de analyses waar te nemen kan de beroepsbeoefenaar blessures herkennen en mogelijk erger voorkomen. De uitkomst van zo’n onderzoek kan zijn dat een paard verkeerd en/of asymmetrisch loopt, dat het geen regelmatig bewegingspatroon heeft. Of dat het een bepaald been ontlast; dat kan belangrijk zijn in het kreupelheidsonderzoek.  

Naast monitoren maakt het product ook analyses mogelijk om het paard beter te laten presteren. Door middel van het benchmarken van gegevens uit de database is te zien hoe data van een paard zich verhouden met data van vergelijkbare paarden.