PickAMoo: LIDAR-förstärkt Mask R-CNN-segmentering för precis viktuppskattning av mjölkkor med hjälp av mobilfotografering

Varför väga kor utan att ta på dem

För mjölkproducenter är det viktigt att känna till varje kos vikt för att ställa in utfodringsrutiner, övervaka hälsa och fatta avelsbeslut. Att väga kor på en våg kräver dock tid, utrustning och ofta viss stressande styrning och hantering. Den här studien undersöker om en vanlig smartphone, understödd av sin djupsensor och moderna bildanalys, kan uppskatta en kos vikt från en bild tagen i ladugården och därmed göra en rutinuppgift till ett snabbt, kontaktfritt ögonblicksfoto.

Problemet med måttband och tung utrustning

På många gårdar bedömer man fortfarande vikten med ögonmått, genom att vira ett måttband runt bröstkorgen eller genom att leda djuren över fasta vågar. Dessa metoder kan fungera, men kräver skicklighet, tid och nära hantering av stora djur. De kan också vara felaktiga för vissa raser eller mycket tunga kor, eftersom kroppens form varierar. Nyare forskning har visat att kameror och datorseende kan avläsa kroppsstorlek och form från bilder, men de flesta befintliga system förlitar sig på fasta 3D-kameror och noggrant kontrollerade gångvägar som är dyra och svåra att installera i vanliga ladugårdar.

Förvandla en smartphone till ett verktyg i stallkanten

Forskarna utformade ett arbetsflöde kring en handhållen smartphone som många lantbrukare redan äger. De fokuserade på iPhone-modeller med inbyggd djupsensor (LiDAR), som hjälper telefonen att bedöma avståndet till kon. En specialutvecklad app kallad PickAMoo vägleder användaren att stå på rätt avstånd och i rätt vinkel så att hela kon kommer med i bilden. Under fältprov på två svenska försöksgårdar samlade teamet nästan 3 000 bilder från över 500 kor, tillsammans med faktiska vikter från en automatvåg och ett set traditionella måttbandmätningar för jämförelse.

Att lära telefonen att se kos form

Nästa utmaning var att lära datorn att plocka ut kos kontur ur varje röriga stallbild. Teamet ritade manuellt precisa gränser runt kor i mer än 500 foton och använde dessa som exempel för att träna en modern bildsegmenteringsmodell känd som Mask R-CNN. Bland flera testade varianter presterade en baserad på en ResNet-101-arkitektur bäst och separerade i nästan alla fall kon från bakgrunden korrekt. Från dessa konturer beräknade systemet enkla formfunktioner som höjd, längd och projicerad kroppsyta, och justerade dem sedan med hjälp av djupavläsningen så att kor fotograferade på något olika avstånd ändå kunde jämföras rättvist.

Från kontur till viktintervall

I stället för att förutsäga exakt vikt ner till kilogrammet delade forskarna in korna i nio viktband, liknande hur en lantbrukare ofta tänker i praktiska intervall. De tränade en maskininlärningsmodell att koppla de vågkorrigerade formfunktionerna till dessa band, samtidigt som de noggrant undvek genvägar som kunde läcka information från testdata tillbaka till träningen. När modellen kontrollerades på en separat grupp kor som inte användes vid modellbygget placerade systemet baserat på smartphone djuren i rätt viktband ungefär 90–96 procent av gångerna. De flesta fel var bara ett band fel, vilket innebär att uppskattningen var nära den verkliga vikten även när den inte var perfekt. Jämfört med standardformler baserade på måttband undvek den nya metoden vissa rastspecifika fel som observerats hos tyngre Swedish Red-kor.

Vad detta betyder för vardagligt lantbruk

Studien visar att under realistiska stallförhållanden kan en telefon i en arbetsmodarbetares hand ge användbara, kontaktfria viktuppskattningar för mjölkkor genom att kombinera djupsensorik, smart bildsegmentering och en skräddarsydd inlärningsalgoritm. Även om det inte ersätter en kalibrerad våg när exakt vikt krävs, kan det stödja frekventa, låginsatskontroller som hjälper till att justera foder, följa viktförändringar över tid och flagga djur som kan behöva närmare uppmärksamhet. Med ytterligare tester på fler raser och gårdstyper samt effektivisering av programvaran för att köras helt på enheten kan sådana verktyg göra noggrannare vägning av nötkreatur mer tillgänglig och mindre stressande för både kor och människor.

Citering: Guzhva, O., Ternman, E., Lindberg, M. et al. PickAMoo: LIDAR-enhanced mask R-CNN segmentation for precision weight estimation in dairy cattle using smartphone imaging. Sci Rep 16, 16020 (2026). https://doi.org/10.1038/s41598-026-54742-3

Nyckelord: mjölkkor, mobilfotografering, LiDAR, datorseende, viktuppskattning