Objectives
Intestinal parasites are among the most sever health issues for small ruminants, in particular
Haemonchus contortus. There are currently no available method to give quick detection of Haemonchus
contortus at lower infection levels. This project will use robotics and deep learning to create a method that is
fast, has a low detection limit, can detect all intestinal parasites at a low price per assay.
Objectives
Ett av de största hälsoproblemen i fårbesättningar är parasiter, framförallt den stora magmasken
(Haemonchus contortus). Det finns för närvarande ingen metod för snabb upptäckt av Haemonchus contortus vid låga infektionsnivåer. Det här projektet kommer att använda robotik och djupa neuronät för att skapa en metod som är snabb, har ett lågt gränsvärde för detektion och som kan detektera samtliga inälvsparasiter till ett lågt pris per analys.
Activities
The project will automate the McMaster method.
Activities
Projetet kommer att automatisera McMaster metoden.
Contexte
Ett av de största hälsoproblemen i fårbesättningar är parasiter, framförallt den stora magmasken. Den metod för detektion som nu används är tidskrävande med längre karantänstider som följd. Detta medför kostnader och i vissa fall lidande för djuren. Genom att automatisera MCmaster-metoden kan man korta ned tiden för analys och få ett snabbare svar. Detta skulle innebära kortare karantänstider, lägre kostnader och mindre utdraget lidande för djuren.
Project details
- Main funding source
- Rural development 2014-2020 for Operational Groups
- Rural Development Programme
- 2014SE06RDNP001 Sweden - Rural Development Programme (National)
Emplacement
- Main geographical location
- Uppsala län
€ 106053
Total budget
Total contributions from EAFRD, national co-financing, additional national financing and other financing.
Contacts
Project coordinator
-
Alice Anlind
Project coordinator