– Det är ofta väldigt svårt att se hältor hos just islandshästar. Deras rörelser skiljer sig från andra hästraser när de visas i skritt eller trav. Vi har nu metoder att mäta hälta i trav men det saknas för övriga gångarter, säger Marie Rhodin, forskare och veterinär vid SLU.
Ett första steg mot målet är att automatiskt kunna klassificera vilken gångart hästen går i utifrån objektiva data.
Elin Hernlund, forskare och veterinär vid SLU har ett pågående forskningssamarbete med KTH inom AI och användandet av avancerade maskininlärningsmetoder för att analysera hästars rörelsemönster.
-Samarbetet har en enorm potential där data från hästars rörelsemönster kan analyseras på en helt ny nivå vilket ger oss möjlighet att förstå väldigt komplexa data, säger Elin Hernlund.
Åtta olika gångarter
SLU har nu i samarbete med flera utländska universitet, tagit fram objektiva metoder för automatisk klassificering av hästens gångarter. I studien ingick 120 hästar av fyra olika raser (islandshäst, varmblodiga ridhästar, Freiberger och Colombiansk Paso fino) som tillsammans utförde åtta olika gångarter.
Islandshästen är en ras som har fler gångarter än de flesta hästraser i världen. Utöver skritt, trav och galopp kan de även röra sig i tölt och pass. Förutom islandshästen finns ytterligare raser med unika gångarter, till exempel colombiansk Paso fino.
Hästarnas rörelsemönster registrerades med sju små tröghetssensorer som fästes på hästarna, bland annat på alla fyra benen och på huvud och kors. Avancerad AI-teknik (maskininlärning) användes för att analysera data. Den automatiska gångartsanalysen kunde sedan med 97 procent säkerhet klassificera hästens gångarter korrekt.
– Denna metod kan i framtiden användas för att objektivt klassificera rörelsemönstret hos hästar som rör sig i skritt, trav, galopp, tölt, pass, paso fino och colombiansk trocha, säger Marie Rhodin.
Förhoppningen är att metoden inte bara kommer att användas av veterinärer och forskare utan även av tränare och ryttare, av till exempel islandshästar, för att mäta träningseffekter på hästens gångarter.
Studien Improving gait classification in horses by using inertial measurement unit generated data and machine learning, har nyligen publicerats i den vetenskapliga tidskriften Nature Scientific Reports. Studien är initierad av SLU och är ett samarbetsprojekt med KTH (Kungliga Tekniska Högskolan i Stockholm) samt universitet i Nederländerna, Island, Colombia, Belgien och Schweiz.
Studien är delvis finansierad av Stiftelsen Hästforskning och Formas.
Källa: SLU (Sveriges lantbruksuniversitet)
