Wczesny sygnał z dziennych danych stada: norma dla Twojej fermy
Padnięcia rosną o kilka sztuk dziennie przez trzy dni, a przy kilku kurnikach i kilku pracownikach nikt tego nie łączy. My zbieramy dane dzienne w karcie stada i wysyłamy alert przy spadku paszy, a model normy padnięć, wody i paszy z odchyleniami do lekarza weterynarii badamy i wdrażamy. Opieramy się na analizie ognisk ptasiej grypy i na pracy o alertach na fermie.
verifiedOd zespołu, który od lat organizuje pracę na fermach drobiu.
Powolną zmianę najtrudniej zauważyć
Na każdej fermie powstaje codziennie kilka liczb: ile ptaków padło, ile wody zeszło z wodomierza, ile paszy ubyło z silosu, jaka była temperatura. Hodowca zwykle wyczuwa, gdy coś jest nie tak. Kłopot zaczyna się, gdy ferma ma kilka kurników i kilku pracowników, a zmiana jest powolna.
Każdy dzień zwłoki kosztuje
Przy chorobach zakaźnych liczy się każdy dzień. Im wcześniej lekarz weterynarii dowie się o niepokojącym przebiegu, tym szybciej można pobrać próbki i ograniczyć ruch na fermie. Dane już są, bo trafiają do karty stada. Pytanie brzmi, jak wyciągnąć z nich wczesny sygnał i nie zamęczyć ludzi alarmami.
Jak to rozwiązujemy
1. Dane dzienne w karcie stada (działa)
W cyfrowej karcie stada pracownicy wpisują codziennie padnięcia, zużycie wody i inne dane, także w kurniku bez zasięgu. Wszystkie kurniki i wszyscy pracownicy piszą w jedno miejsce.
2. Alert przy spadku paszy (działa)
Porównujemy zużycie paszy z silosu z normą dla rasy i wieku stada i wysyłamy alert, gdy ptaki jedzą o ponad 20% mniej.
3. Lekarz weterynarii w tej samej karcie (działa)
Lekarz weterynarii ma dostęp do tej samej karty stada i wpisuje do niej wizyty. Więcej na stronie dla weterynarza.
4. Model normy dla Twojej fermy (prowadzimy badania i wdrażamy)
Model, który uczy się normalnego przebiegu padnięć, wody i paszy dla danej fermy i wieku stada, badamy i wdrażamy. Pierwsze cykle danych służą do nauczenia normy, zanim system zacznie cokolwiek oceniać. Odchylenie liczymy na kilku sygnałach naraz.
5. Odchylenie trafia do lekarza
Odchylenie to sygnał do sprawdzenia, a nie diagnoza. Ma trafiać do lekarza opiekującego się stadem, który zdecyduje o próbkach. Przy podejrzeniu ptasiej grypy obowiązuje zgłoszenie do powiatowego lekarza weterynarii, o czym piszemy w kompendium o grypie ptaków.

Co mówią badania
Sygnał w danych pojawia się kilka dni przed zgłoszeniem
Zespół Woltersa (2024) przeanalizował 92 ogniska HPAI H5 na holenderskich fermach komercyjnych z lat 2014–2018 i 2020–2022, a dla 63 z nich miał wykresy danych produkcyjnych. Upadki rosły wykładniczo w ciągu czterech dni przed zgłoszeniem, u kur i u kaczek. To okno, w którym codzienny zapis padnięć daje przewagę.
Jeden próg dla wszystkich nie wystarcza
W tej samej pracy sprawdzono kryterium „upadki ponad trzy razy wyższe niż średnia z poprzedniego tygodnia”. U kaczek osiągano je rzadziej niż u kur, bo przebieg był bardziej nieregularny. Autorzy piszą, że kryteria oparte na śmiertelności trzeba poprawić, zwłaszcza dla młodych kur i kaczek. Dlatego normę liczymy dla wieku stada i fermy.
Normę wyuczoną z historii budynku da się policzyć na fermie
Zespół Panagi (2025) z Cypru opisał platformę, która liczy dzienne profile z danych o ruchu ptaków, dźwięku i warunkach w budynku, a alert wysyła, gdy wartość wychodzi poza progi wyuczone z historii. System przetestowano na komercyjnej fermie z ok. 750 kurami. Prognozy nieśności i zużycia paszy sięgały 10 dni naprzód, a liczenie jaj na tanim komputerze miało 100% trafności.
Zakłócenia trzeba odfiltrować
Autorzy tej platformy wskazują, że dźwięk karmideł i wentylatorów generował fałszywe alarmy. Stąd nasze założenie: kilka sygnałów naraz zamiast jednego i okres nauki normy przed pierwszym alarmem. O roli wody piszemy w poradniku o zużyciu wody u brojlerów.
Co zyskuje ferma
Powolna zmiana zauważona na czas
Model ma połączyć kilka dni rosnących padnięć w jeden sygnał, zanim stanie się to oczywiste.
Mniej zmęczenia alarmami
Norma dla Twojego stada i kilka sygnałów naraz mają ograniczyć alarmy bez powodu.
Lekarz wie wcześniej
Lekarz weterynarii widzi te same dane co hodowca i może szybciej zdecydować o próbkach.
Sprawdźmy Twoje dane
Jeśli chcesz zobaczyć, jak to działa na danych z Twojej fermy, napisz przez formularz na dole strony.
Pytania o wykrywanie odchyleń w danych stada
Jak to działa?add
Pracownicy wpisują dane dzienne do karty stada, a system już dziś wysyła alert, gdy ptaki jedzą o ponad 20% mniej niż norma. Model normy padnięć, wody i paszy dla Twojej fermy z odchyleniami do lekarza weterynarii badamy i wdrażamy.
Czy potrzebuję dodatkowego sprzętu?add
Nie. Model korzysta z danych, które i tak trafiają do karty stada. Wodomierz i czujnik w silosie dają dane automatycznie, ale można je wpisywać ręcznie.
Ile pracy wymaga wdrożenie?add
Codzienne wpisy, które i tak robisz. Model potrzebuje kilku cykli danych, żeby nauczyć się normy dla Twojej fermy.
Co, jeśli w kurniku nie ma zasięgu?add
Wpisy robisz bez sieci, a aplikacja wyśle je, gdy telefon złapie zasięg.
Czy system rozpozna chorobę?add
Nie. Odchylenie w danych to sygnał do sprawdzenia. Diagnozę stawia lekarz weterynarii, a przy podejrzeniu ptasiej grypy obowiązuje zgłoszenie do powiatowego lekarza weterynarii.
Czy lekarz weterynarii widzi moje dane?add
Lekarz opiekujący się stadem ma dostęp do tej samej karty stada i wpisuje do niej wizyty.
Jakie dane zbieramy?add
Padnięcia, zużycie wody i paszy, temperaturę i inne dane z karty stada oraz wizyty lekarza weterynarii.
Skąd wiecie, że dane dają wczesny sygnał?add
W 92 ogniskach ptasiej grypy w Holandii upadki rosły wykładniczo przez cztery dni przed zgłoszeniem, a prosty próg trzykrotnego wzrostu u kaczek osiągano rzadziej niż u kur (zespół Woltersa, 2024). Platforma zespołu Panagi (2025) wysyłała alerty z progów wyuczonych z historii budynku na fermie komercyjnej. Skuteczność u Ciebie zmierzymy prosto: o ile dni wcześniej przyszedł alert i ile było fałszywych alarmów na stado.
Źródła i materiały
- linkWolters W.J. i in. (2024). Comparison of the Clinical Manifestation of HPAI H5Nx in Different Poultry Types in the Netherlands, 2014–2022. Pathogens 13(4), 280
- linkPanagi P., Karatsiolis S., Mosphilis K., Hadjisavvas N., Kamilaris A., Nicolaou N., Stavrakis E., Vassiliades V. (2025). Poultry Farm Intelligence: An Integrated Multi-Sensor AI Platform for Enhanced Welfare and Productivity. arXiv:2510.15757
Wczesny sygnał z Twoich danych
Pokażemy, jak dane dzienne trafiają do karty stada, jak działa alert paszowy i jak wdrażamy model normy dla Twojej fermy. Napisz do nas.
Telefon
+48 796 258 151