A hőstressz mind a zárt tartású, mind a legelőn tartott tejelő állományokban komoly veszélyt jelent. A szabadban az árnyékolás, az istállóban pedig a ventilátorok és a párásítók biztosítanak hatékony hűtést. A gazdák azonban nem szeretnének feleslegesen költeni ezek működtetésére, miközben a valóban indokolt beavatkozást sem halogatnák. Egy megbízható megfigyelőrendszer ezért hatalmas segítséget jelentene. A pontozásos értékelés ugyanakkor nem egyszerű feladat, mert a hőstresszreakciót számos tényező befolyásolja, köztük az állat kora, fajtája, laktációs vagy vemhességi állapota, tejtermelési szintje, kondíciója, sőt a korábbi hőterhelés is. Ráadásul az egyes egyedek eltérő tüneteket mutathatnak, és a reakciók súlyossága is változó lehet. A hagyományos pontozórendszerek, mint például a Mississippi Állami Egyetem által kidolgozott skála, a légzésszám, a nyáladzás, az álló testtartás, a csoportosulás és a bágyadtság alapján osztályozzák az állatokat. A gazdáknak enyhe vagy közepes értékek esetén már be kell avatkozniuk, a súlyos és a szélsőséges állapotot pedig - amelyet nyitott szájú lihegés, hasi légzés, majd végül legyengülés és elfekvés jellemez - nem szabad megvárniuk.
Egy friss brit kutatás valós időben követte a tehenek mozgását az istállóban a hőmérséklet és a páratartalom változásával párhuzamosan. Az eredmények megerősítették, hogy a hőmérséklet és a páratartalom emelkedésével az állatok több időt töltenek állva és csoportosulva, valamint az itatók és ventilátorok közelében, míg az etetőtérben kevesebbet tartózkodnak. A kézi megfigyelés és a környezeti paraméterek mérése azonban pontatlan és rendkívül munkaigényes, ezért nagyüzemi méretben nem praktikus.
Erre a problémára kínál megoldást a Texas A&M Egyetem kutatóinak, Radzsés Neupanének és témavezetőjének, Dr. Susil Paudjalnak az automatizált videóelemző rendszere, amely valós időben képes meghatározni a hőstressz szintjét. A modell három, mesterséges intelligenciára épülő alrendszerből áll, amelyeket egy közép-texasi gazdaság 140 tehenének felvételei alapján tanítottak be. Az első modul az egyes egyedeket azonosítja, a második a száj-orr környékére összpontosít, míg a harmadik a szájhab és a nyáladzás észlelésére, valamint mennyiségi meghatározására szolgál.
Bár a rendszer a tesztek során megfelelően teljesített, a kutatók jelenleg is dolgoznak a finomhangolásán. Nagyobb és változatosabb adathalmazra van szükség az eltérő fényviszonyok, a különböző fajták, valamint a napközben változó árnyékok kezeléséhez. A közepes és a súlyos hőstressz pontosabb megkülönböztetése érdekében egy lihegési pontszámot is beépítenek a rendszerbe, amely a testtartás és a légzésszám változását egyaránt figyelembe veszi. A légzésfrekvenciát a tehén lágyéktájékának mozgásából, a színes videofelvételek előfeldolgozásával határozzák meg. A 2026 nyarára tervezett, kiterjedt adatgyűjtés célja a modell megbízhatóságának növelése a különböző árutermelő állományokban.
A gyakorlati bevezetéshez a kamerák megfelelő elhelyezése kulcsfontosságú. Az eszközöket azokon a helyeken telepítik, ahol az állatok a legtöbb időt töltik, például a pihenőtereken, a kötetlen tartású istállókban és az etetőknél, így a folyamatos adatgyűjtés nem zavarja a napi rutint. A technológia elterjedésének fő akadálya a nagy felbontású, időjárásálló kamerák és a szükséges számítástechnikai háttér magas kezdeti költsége, a valós idejű, több videócsatornán futó elemzés ugyanis jelentős feldolgozási teljesítményt igényel. A kutatók ezért a modellek optimalizálásán dolgoznak, hogy csökkentsék az elemzési időt és a számítási terhelést.
