Objectieve Body Condition Score (BCS) van paarden voor een beter dierenwelzijn

Van de paarden in Nederland die voor recreatiedoeleinden worden gebruikt, hebben ongeveer 55% (ongeveer 192.500 paarden) overgewicht. Dit wordt geassocieerd met een verscheidenheid aan gezondheidsproblemen en daarnaast een verminderde prestatie. Het ‘Five Domain Model Framework’, een dierenwelzijnsmodel, stelt dat het hebben van een juiste lichaamsconditie en de afwezigheid van ziekte of disfunctionele lichaamssystemen bijdraagt aan het paardenwelzijn.

Pavo is een voerproducent die paardenwelzijn erg belangrijk vindt. Via verschillende kanalen leiden zij paardeneigenaren op over manieren van voeding en gezonde voeding. Bijvoorbeeld via de website, via educatieve video’s en door middel van bijscholing. Het gewicht en de lichaamsconditie, en hoe deze te meten en daarop de voeding aan te passen, zijn reguliere onderwerpen.

Pavo heeft ons practoraat gevraagd of we een bewezen methode, het automatische Body Conditioning Scoring (BCS) systeem dat gebruikt wordt bij de koeien, kunnen evalueren voor gebruik bij paarden. Het systeem moet dan dienen als data-input voor keuzes omtrent de voeding. Weegschalen zijn duur en het gebruik ervan is omslachtig voor paardeneigenaren. De handmatige BCS is in hun praktijkervaring niet succesvol gebleken. Het is arbeidsintensief en men vindt het moeilijk om het bij te blijven houden. Daarnaast stelt onderzoek dat paardeneigenaren het moeilijk vinden om het verschil tussen spier en vet in te schatten, wat ertoe leidt dat paardeneigenaren hun paard sneller goed gespierd inschatten dan te zwaar.

Dit project evalueert het gebruik van een 3D camera voor het BCS protocol voor paarden. We bouwen voort op kennis uit de veehouderijsector, die verschillende onderzoeken hebben gedaan naar de automatische gewichtsschatting en hier een systeem (DeLaval BodyConditieScore-systeem) voor hebben. We spiegelen de data-analyse methode met beelden die we zelf opnemen bij paarden, en gaan zoeken naar de gehele schaal voor alle lichaamsdelen van het BCS protocol. Dit leidt tot een overzichtelijk schema voor het protocol in 3D beelden.

Veel paardeneigenaren vinden het moeilijk om de lichaamsconditie van hun paarden in te schatten. Dit blijkt uit zowel de literatuur als uit de bevraging van paardenhouders in de sector.

Het doel van dit project was om te onderzoeken of een Time-of-Flight camera in staat is om de lichaamsconditie van een paard te kunnen herkennen. Studenten van HAS green academy hebben een aanvullende literatuurstudie gedaan, waarmee onder andere bepaald is welke posities het beste zijn om de camera te positioneren om het paard zo goed mogelijk in beeld te krijgen. Hieruit bleek dat vooral via het zij- en bovenaanzicht de camera de lichaamsconditie van het paard goed kan herkennen. Om de beelden te kunnen annoteren, hebben de hbo-studenten ook manueel de body condition score (BCS) en body condition index (BCI) van de paarden gemeten. Hiermee kunnen ze aan de camera aangeven of het paard te schraal, te zwaar of op conditie is. Wanneer dit veelvuldig van verschillende paarden wordt gedaan, kan de camera getraind worden om automatisch de lichaamsconditie van paarden te gaan herkennen. Daarnaast is ook een dataverzamelingsdag georganiseerd, waarbij een samenwerking ontstond van 4 hbo studenten, 20 mbo studenten, het team van EquInnoLab, Pavo en een paardenbedrijf om de data van verschillende paarden te verzamelen. Dit was een erg succesvolle en leuke dag, waarbij verschillende partijen samen aan hetzelfde doel werkten. Daarnaast is nog op drie andere bedrijven data verzameld.

De conclusie van dit project is dat de 3D-camera de lichaamsconditie van het paard kan herkennen en zelfs de potentie heeft, wanneer de dataset verder wordt uitgebreid en de camera nóg beter wordt getraind, om automatisch de lichaamsconditie van paarden te kunnen herkennen. Daarnaast is ook gebleken dat de samenwerking tussen mbo en hbo de sector goed kan ondersteunen in doorontwikkeling van een dergelijke innovatie.