Automatisch voersysteem mengt rantsoen fijner dan (slimme) mengwagen

In het onderzoek, uitgevoerd tussen oktober 2021 en november 2022, namen de onderzoekers monsters van het vers uitgedeelde voer op vier melkveebedrijven en één vleesstierenbedrijf. Daarbij werden rantsoenen vergeleken die waren bereid met een conventioneel bediende mengwagen, een mengwagen met cameratechniek en machine learning en een automatisch voersysteem.

Het automatische systeem mengt en verdeelt het rantsoen meerdere keren per dag en verschilt van de mengwagens doordat veehouders hierbij bewust geen langstengelig ruwvoer inzetten. De mengwagen met cameratechniek werd daarbij op één bedrijf getest, door dezelfde wagen zowel met als zonder sensor te gebruiken.

Rantsoensamenstelling verschilde tussen bedrijven

De rantsoenen verschilden bovendien in samenstelling tussen de deelnemende bedrijven. Bedrijven die met een automatisch voersysteem werkten, maakten vooral gebruik van kuilvoer en krachtvoercomponenten en zetten bewust geen langstengelig ruwvoer in, omdat dit de werking van de voerrobot kan belemmeren.

Op bedrijven met een conventionele mengwagen werd juist wel langstengelig hooi of grover ruwvoer geladen, naast kuilen, granen en premixen. Deze verschillen in gebruikte voedermiddelen en structuurbron kunnen mede verklaren waarom de gemeten deeltjesverdeling en vezellengte per voersysteem uiteenliepen.

De fijnheid van het rantsoen werd vastgesteld met een deeltjesgrootte-analyse met de Penn State Particle Separator. Van het vers uitgedeelde voer werden monsters genomen, die werden gezeefd over zeven met maaswijdtes van 19, 8 en 1,18 millimeter en een opvangbak voor de fijnste fractie. Per zeef werd bepaald welk percentage van het rantsoen achterbleef.

Hoe groter het aandeel op de fijnere zeven en in de opvangbak, hoe fijner het rantsoen. Zo konden de onderzoekers de structuur van rantsoenen uit verschillende voersystemen objectief met elkaar vergelijken.

Extra verkleining tijdens mengproces

Uit de analyse bleek dat hoewel de middelgrote fractie het grootste aandeel vormde, het automatische systeem minder grove deeltjes bevatte en daardoor het rantsoen gemiddeld fijner was. Veehouders bij het automatische voersysteem zetten bewust geen grof ruwvoer in voor de beste werking van de voerrobots.

De mengwagen met machine-learning-assistentie leverde juist relatief meer fijne deeltjes op. Dat is mogelijk het gevolg van extra verkleining tijdens het mengproces. Volgens de onderzoekers lagen de totale verdelingen van alle systemen echter binnen de gangbare normen voor een goed gemengd rantsoen. Ook verschillen in mengtijd en drogestofgehalte tussen bedrijven spelen hierbij een rol.

Verschil vezellengte en fijnheid

Een belangrijk verschil tussen de systemen zit in de vezellengte. De onderzoekers hanteerden een referentiewaarde van vijf centimeter in de eerste zeef: een lengte die in de literatuur vaak wordt gebruikt als richtwaarde. Het automatische systeem kwam gemiddeld uit op 5,6 centimeter. Ook de mengwagen met cameratechniek zat daar met gemiddeld 5,7 centimeter boven. Alleen de conventioneel bediende mengwagen kwam met gemiddeld 4,8 centimeter het dichtst bij de doelwaarde.

Hoewel de gemeten vezellengte bij het automatische systeem iets hoger lag, bestond het rantsoen uit relatief weinig grove deeltjes. Daardoor was het rantsoen als geheel gemiddeld fijner.

Belang van een goede penswerking

Een goed gemengd totaalrantsoen is niet alleen van belang voor een constante opname, maar ook voor een goede penswerking. Voldoende structuur en vezellengte stimuleren herkauwen en speekselproductie, wat helpt om de pens te bufferen. Tegelijk kan een te fijn gemengd rantsoen het risico vergroten dat koeien minder kauwen en sneller fermenteerbare delen opnemen. De onderzoekers benadrukken daarom dat aandacht voor de fysieke structuur van het voer belangrijk blijft, ook wanneer automatische systemen zorgen voor een gelijkmatige en arbeidsbesparende voerstrategie.

Volgens de onderzoekers laat dit onderzoek zien dat automatische voersystemen zorgen voor een constante en arbeidsbesparende voerstrategie, maar dat de structuur van het rantsoen aandacht blijft vragen.

Cameratechniek en algoritmes kunnen helpen om het mengproces te bewaken en de consistentie te verbeteren, maar blijken in de huidige vorm nog beperkt in het meenemen van factoren zoals wisselende kuilomstandigheden of slijtage van messen, waar ervaren chauffeurs vaak op sturen.

Kanttekeningen

De onderzoekers plaatsen wel kanttekeningen bij de resultaten. Het ging om een beperkt aantal bedrijven en de systemen werden onder verschillende voerstrategieën toegepast, bijvoorbeeld doordat bedrijven met een automatisch voersysteem geen grof ruwvoer gebruikten en vaker per dag voeren.

Bovendien keek de studie alleen naar structuurkenmerken van het rantsoen, niet naar effecten op voeropname of dierprestaties. Verdere ontwikkeling van cameratechniek en algoritmes is volgens de onderzoekers nodig om beter aan te sluiten bij de praktijkervaring.