Een efficiënte detectie van kreupelheid is van cruciaal belang voor het behoud van de gezondheid, het welzijn en de productiviteit van melkvee. In dit onderzoek werd een volledig geautomatiseerd tweedimensionaal beeldvormingssysteem geëvalueerd dat gebruikmaakt van machine learning om in realtime voorspellingen te doen over de mobiliteitsscore. Het systeem werd getest op elf commerciële melkveebedrijven en bleek bij het opsporen van kreupele koeien en koeien met voetletsels even goed te presteren als ervaren menselijke beoordelaars. Bij gebruik van dagelijkse mobiliteitsscores die gedurende 30 dagen vóór het bekappen waren gegenereerd, verbeterde de nauwkeurigheid van het systeem en presteerde het beter dan de menselijke beoordelaar. Deze geavanceerde technologische toepassing biedt mogelijkheden voor vroege detectie van kreupele koeien en effectief beheer van kreupelheid in melkveestapels.
