Ett sådant samarbete är en projektkurs i beräkningsvetenskap där datavetare och civilingenjörsstudenter i teknisk fysik vid Uppsala universitet arbetat med data från olika SLU-projekt. Kursen leds av professor Maya Neytcheva på Uppsala universitet och en SLU-forskare som arbetat länge med kursen är Lars Rönnegård vid institutionen för husdjursgenetik.
– Det är tredje året i rad som jag engagerar projektstudenter från IT-institutionen vid Uppsala universitet. Det som motiverar mig är möjligheten att kunna prova idéer som vi inte annars skulle hinna med i forskningsgruppen som jag leder. Samarbetet med studenterna utvecklar vår förmåga vad gäller programmering och machine learning, och öppnar upp nya frågor som vi annars inte hade tänkt på.
Kor och djurvälfärd
Studentgrupperna har arbetat med data från SLUs infrastruktur för kodata, Gigacow, de har arbetat med videosekvenser inspelade på Lövsta i projektet VisionWelfare assessment (Wiwa) och positioneringsdata från GEA CowView.
- Gigacow: Är SLUs infrastruktur för kodata och används för att samla data från kommersiella gårdar vilket sedan används i ett stort antal forskningsprojekt.
- Vision Welfare: Är ett samarbete mellan SLU, Sony, RISE, Växa Sverige och Högskolan i Dalarna med fokus på att använda AI för automatiserad bildanalys kopplad till djurvälfärd.
- GEA CowView: Är ett system för övervakning av mjölkkor från företaget GEA där bland annat kons rörelse i ladugården kan följas.
– Ett viktigt bidrag från studenterna är att de levererar programkod som vi sedan kan använda i vår forskning, säger Lars. Både datavetare och tekniska fysiker har även tränats i att använda moderna verktyg, ett sådant är Github som dokumenterar och sparar kod. Exempel från ett tidigare projekt är ett script som tagits fram för att jämföra data från väderstationer i SLUs nätverk Lantmet med data från SMHIs analysmodell MESAN för att se om de kunde användas som källa för väderdata i SLUs Gigacow.
Exempel på nyttan för lantbruksforskningen är hur studenterna kunnat göra en förstudie till nytta för mjölkkor och användbart i ett nytt Formasfinasierat projekt: Från känslig till robust atlet - kan genomisk selektion hjälpa mjölkkor möta varmare temperaturer? som leds av Lena-Mari Tamminen, veterinär och forskare på VH-fakulteten vid SLU. Lena-Mari har även varit handledare på kursen.
– De här studenterna kommer så klart in med en annan koppling till lantbrukets djur jämfört med de studenter vi vanligtvis handleder. Men de har visat ett sort intresse för att förstå projekten och arbetat utifrån våra biologiska frågeställningar. Som med de flesta tvärvetenskapliga projekt är det väldigt givande att kunna angripa frågeställningar med olika infallsvinklar och metoder.
Vad säger studenterna?
Tre av studenterna på kursen är Douglas Hedström, Isak Jonsson, Nicky Ristic
– När vi läste om projekten om kor blev vi intresserade av hur beräkningsteknik kan tillämpas i den industrin. Vi blev speciellt intresserade av detta projekt då det verkades kräva flera innovativa lösningar och ett fritt tankesätt.
Studenterna kom på en lösning och använde en AI-modell, Word2vec, som används för datorlingvistisk.
– Idén att använda Word2vec för att studera nätverk hos kor kom ifrån ett allmänt intresse för beräkningslingvistik. Tanken var att modellen på samma sätt som den kan finna relation mellan ord i meningar kan finna relationer bland kor på en gård.
Text och foto: Tomas Klingström
Till Vårt SLU
