Tekoälyä talleille

Kuva. Ihmisten lisäksi hankkeessa on mukana koko joukko innovaatioryhmän tallien hevosia, joita ilman äänien kerääminen olisi mahdotonta.

Tekoälyä talleille -hanke toteutetaan yhteistyössä Suomen Hevostieto ry:n ja Savonia-ammattikorkeakoulun kanssa. Hankkeen taustalla vaikuttaa innostunut hankeporukka.

Hevostietokeskukselta hankkeessa työskentelevät Anna-Mari Olbricht, Heli Suomala ja Lauri Heiskanen. Hevostietokeskuksen väki tuo hankkeeseen tietämystä mn. talliympäristöstä, hevosten käyttäytymisestä ja eläinterveydestä sekä vastaa hankkeen viestinnästä.

Savonia-ammattikorkeakoulun DigiCenteristä hankkeen koordinointiin ja toteutukseen osallistuvat Osman Torunoglu, Johannes Geisler ja Finlay Hare. DigiCenterin väen mukana olo on hankkeessa välttämätöntä mm. teknisten laiteratkaisujen suunnittelussa ja valitsemisessa sekä mobiilisovelluksen kehitystyössä.

 

Anna-Mari Olbricht

Eläinlääkäri, eläintenkouluttaja (AT, EAT), ammatillinen opettaja. Hankkeen ideoija. Idea lähti Jyväskylän yliopiston muuttolintusovelluksen innoittamana. Ilahduttavaa, että kyseisen sovelluksen kehittäjä, Ari Lehtiö, lupautui mukaan ohjausryhmään! Hankkeessa mukana kokonaisuuden eteenpäin viejänä ja hevosten käyttäytyminen sekä eläinlääketieteen rautaisena asiantuntijana. Kiinnostuksen kohteita on valtavasti ja sitä myötä myös jatkuva suuri tiedonjano. Eläimet ja luonto ovat lähellä sydäntä. (Kuva: fanikuva Vieremän raveista)

 

Heli Suomala

Toimii Hevostietokeskuksen ruokinta-asiantuntija ja hanketyöntekijä. Maatalous ja metsätieteiden maisteri, väitöskirjatutkija; aiheena erilaisten ympäristötekijöiden vaikutus hevosten lepokäyttäytymiseen (HY/CVM). Kiinnostuksen kohteina ovat hevosten hyvinvointi, eläimet, maaseutu ja suomalainen luonto.

 

 

 

Lauri Heiskanen

Toimii Hevostietokeskuksessa hallintosihteerinä. Tehtäviin kuuluu yleis- ja hankehallinto ja viestintä. Hallintotieteiden kandidaatti. Kiinnostuksen kohteina ovat oma koira ja hevoset, laadukas kahvi ja vinyylilevyjen keräily.

 

 

 

 

Osman Torunoglu

Toimii Digicenter Savonia AMK:n TKI-asiantuntijana sekä osa-aikaisena lehtorina. Elektroniikan diplomi-insinööri. Työskentelee tutkimuksen ja hankkeiden parissa IoT:n, robotiikan ja tekoälyn aloilla. Tässä projektissa toimii sekä IoT-asiantuntijana että Savonian osuuden projektipäällikkönä. Kiinnostuksen kohteina ovat uudet teknologiat, luonto ja mäkiset maisemat.

 

Johannes Geisler

Toimii DigiCenter Savonia AMK:n TKI-asiantuntijana ja kehittäjänä. Suoritti Computational Engineering -maisterin (M.Sc.) Darmstadtin teknillisessä yliopistossa (TU Darmstadt) Saksassa, erikoistuen koneoppimiseen, robottioppimiseen ja tekoälyyn. Työskennellyt tutkimustehtävissä vuodesta 2017. Vastaa hankkeessa äänenkeruulaitteiden integraatiosta ja koneoppimismallien kehittämisestä. Kiinnostuksen kohteina ovat robotiikka, tekoäly ja vaeltaminen.

 

Finlay Hare

Toimii Digicenter Savonia AMK:n TKI-projektityöntekijänä. Viimeisen vuoden IT-opiskelija, työskennellyt Digicenterissä kesästä 2024 lähtien. Tässä projektissa toimii mobiilisovelluskehittäjänä. Kiinnostuksen kohteina ovat maaseudun aktiviteetit ja musiikki.

 

 

 

Mitä tapahtuu, kun hevoset ovat yksin tallissa? Onko kaikki kunnossa? Tarvitseeko talliin asennettuja kameroita seurata jatkuvasti? Entä jos järjestelmä voisi havaita ongelmatilanteet ja ilmoittaa niistä meille? Tekoälyä talleille -hankkeen tavoitteena on kehittää tekoälyjärjestelmä, joka tunnistaa tallissa pidettävien hevosten tekemät epätavalliset äänet. Malli, joka tunnistaa esimerkiksi stressin, kivun ja ahdistuksen pelkkien äänten perusteella, parantaa eläinten hyvinvointia ja helpottaa hoitoa. Datan kerääminen

Ensimmäinen vaihe on kerätä suuri määrä ääni- ja videodataa. Tavoitteena on opettaa koneoppimismallille, milloin hevosen ääni voi viitata ongelmaan. Tämä edellyttää satoja tunteja raakadataa erilaisista tilanteista.

Valvontaolosuhteet: Hallittu tiedonkeruu tallissa

Ensimmäinen tallennusympäristö rakennetaan Rauhalahden ratsastuskoulun talliosastolle, jossa on seitsemän hevosta. Alkuperäinen suunnitelma oli tallentaa yleisääniä (ambience), mutta havaitsimme nopeasti, että yksittäisten hevosten poikkeavien äänten tunnistaminen yleisestä taustamelusta olisi haastavaa. Siksi päätimme kuunnella hevosia yksitellen.

Kuva 1: Tallennusympäristön suunnittelu

 

Suunnitellut laitteet

Shotgun-mikrofoni (suuntaava mikrofoni)

Mikrofonivalinta oli yksi tärkeimmistä ja eniten tutkituista osista. Tavoitteenamme on tallentaa jokaisen hevosen äänet erikseen. Valitsimme Rode Videomic Go II -shotgun-mikrofonin, koska se on:

• Kompakti (12 cm) ja huomaamaton – ei kiinnitä hevosten huomiota
• Yhteensopiva Raspberry Pi:n kanssa USB-liitännän kautta
• Superkardioidi-suuntaavuus: tallentaa ääntä vain kohdesuunnasta
• Kondensaattoritekniikka: tallentaa selkeästi äänet 50 cm – 1 metrin päästä
• Kestävä: kestää talliympäristöön asennettuna

Kuva 2: VideoMic GO II (https://rode.com/en/microphones/on-camera/videomic-go-ii)

 

Päivä- ja yönäköinen kamera

Äänten merkityksen ymmärtämiseksi niihin liitetään videokuvaa. Käyttöön valitaan Arducam 2MP IMX462 Day and IR Night Vision USB Camera, koska se:

• Toimii myös pimeässä IR-valolla
• Kestävä metallirunko tallikäyttöön
• Videota ei käytetä suoraan tekoälyssä, vaan äänten merkityksen tulkitsemiseen (labeling)

Kuva 3: Arducam Day and IR Night Vision Camera (arducam.com)

 

Raspberry Pi -minitietokoneet

Tietojen keräämiseen käytetään edullisia ja skaalautuvia Raspberry Pi -laitteita:

• Pienikokoisia – voidaan asentaa yksittäisille hevosille
• Pystyvät tallentamaan dataa luotettavasti

Kuva 4 : Raspberry Pi 5 Aloituspakkaus  (https://raspberrypi.dk/)

 

4G/5G-reititin

Kerätty data siirretään Savonia-ammattikorkeakoulun tehokkaalle NVIDIA DGX –palvelimelle mobiiliverkon kautta. Tähän tarkoitukseen lainataan Digicenterin reititintä. ZTE MU5001 4G/5G-reititin on laite, jota käytämme tässä vaiheessa.

Kuva 5 : ZTE MU5001 4G/5G-Reititin (www.ztedevices.com)

Tekoäly tarvitsee esimerkkejä oppiakseen

Jotta tekoäly osaa erottaa normaalit ja epätavalliset äänet, meidän on kerrottava sille, mitä kukin ääni tarkoittaa. Tätä kutsutaan ”annotoinniksi” eli datan leimaamiseksi. Tarvitsemme videokameroita, jotta voimme tarkasti yhdistää tallennetun äänen siihen tapahtumaan, johon se liittyy: esimerkiksi potkaiseeko hevonen, liikkuuko se, vai tapahtuuko jotakin muuta. Näin saamme varmuudella oikeat merkinnät koulutusdataan, mikä on tekoälymallin toimivuuden kannalta olennaista.

Kuva 6 : Esimerkkejä äänten merkitsemisestä videotallenteita apuna käyttäen

Nykytilanne ja seuraavat vaiheet

Projektin laitteiston hankinta on käynnissä. Suunnittelemme järjestelmän käyttöönottoa kesällä. Tavoitteena on rakentaa järjestelmä, joka kerää laadukasta ääni- ja videodataa vuorokauden ympäri.

Yhteenveto: Ensin laadukas data, sitten tekoäly

Tekoälyjärjestelmän onnistuminen riippuu laadukkaasta ja oikein merkitystä datasta. Siksi laitevalinnat ovat olleet tämän projektin kulmakivi. Tavoitteenamme on opettaa koneelle hevosen ”kieli” – jotta se osaa kertoa meille, kun jokin ei ole kunnossa.

 

Tekoälyä talleille -hanke oli mukana Hyvän Mielen Hevonen -tapahtumassa Kuopiossa 16. ja 17.8.2025. Esittelypisteellä järjestetty ”Arvaa ääni” -visa keräsi paljon yleisöä kokeilemaan, kuinka talliäänien tunnistaminen onnistui. Kiitos vielä osastollamme käyneille ja tapahtumajärjestäjille antoisista päivistä!

Tämä ajankohtaiskirjoitus sisältää teknisen katsauksen eri stetoskooppien käyttömahdollisuuksista tekoälyä hyödyntävän sovelluksen kehitystyössä.

1. Johdanto

Tekoälyä Talleille -hankkeessa pyritään kehittämään ”Heppavahti”-mobiilisovellus. Tämän innovatiivisen sovelluksen tarkoituksena on tunnistaa hevosen suolistossa oleva hiekka siitä kuuluvan äänen perusteella.

Tässä ajankohtaiskirjoituksessa perehdytään tällä hetkellä saatavilla olevien digitaalisten stetoskooppien tekniikkaan sekä arvioidaan niiden sopivuutta järjestelmän liittämiseksi. Lisäksi kirjoitus sisältää suunnitelman sekä reaaliaikaiseen että verkon ulkopuoliseen käyttöön soveltuvan mobiilisovelluksen kehitysstrategiasta.

 

2. Tausta ja tavoite

Hiekansyönti on hevosille tyypillinen ongelmakäytös ja sitä esiintyy erityisesti suomenhevosilla. Suolistoon kertyvä hiekka voi aiheuttaa hevosille jopa kuolemaan johtavia suolisto-oireita. Hiekansyönnin diagnisoiminen vaatii tyypillisesti klinikkakäynnin ja röntgenkuvan vatsaontelosta. Hiekka voidaan kuitenkin toisinaan kuulla stetoskoopilla, sille tyypillisestä ”kohisevasta” äänestä.

Tavoitteenamme on kehittää tekoälypohjainen ratkaisu, joka havaitsee suolistossa olevan hiekkakertymän talliolosuhteissa ilman arvokkaita röntgenlaitteita. Integroimalla älykkäät kuuntelututkimusominaisuudet mobiilisovellukseen pyrimme:

• Luomaan hevosten suolistoääniä sisältävän luokitellun tietojoukon tekoälymallin kehittämistä varten
• Tarjoamaan tallinpitäjille ja hevosen omistajille järjestelmän, joka varoittaa suolistossa olevasta hiekasta
• Mahdollistamaan aikaisemman puuttumisen tilanteeseen ja vähentämään eläinlääkärikuluja.

 

3. Toteutus

Mobiilisovelluksen kehittäminen toteutetaan vaiheittain. Aluksi valitaan sopivat digitaaliset stetoskoopit, jotka pystyvät joko suoratoistamaan tai lähettämään äänitallenteita. Sen jälkeen kerätään äänitallenteet hevosten suolistosta (hiekkaa syöneet hevoset/ei hiekkaa syöneet hevoset). Äänitallenteet merkitään tekoälymallin kouluttamista varten poikkeavien äänten tunnistamiseksi. Lopputuloksena kehitetään mobiilisovellus, joka tukee sekä reaaliaikaista analysointia että mahdollistaa tiedostopohjaisten latausten lähettämisen hevosen suolistossa  olevan hiekan todentamiseen (ks. kuva alla).

Kuva: ”Heppavahti”-sovelluksen kehitysvaiheet vasemmalta oikealle: 1. stetoskoopin valinta, 2. suolistoäänien kerääminen, 3. tekoälymallin kehittäminen, 4. mobiilisovelluksen luominen.

 

4. Stetoskooppien kartoitus ja arviointi

Erilaisten kaupallisten digitaalisten stetoskooppien soveltuvuutta käytettävään järjestelmään arvioidaan seuraavien kriteereiden mukaan:

• Liitäntämahdollisuudet (BLE, Bluetooth Low Energy,tai analoginen liitin)
• Tiedostojen käyttö tai siirrettävyys
• Sovellusliittymien (API) tai ohjelmistokehityspakettien (SDK) saatavuus
• Mobiilisovellusten yhteensopivuus

Laite BLE Audioliitin Oma sovellus Tallennus ja kuunntelu muilla sovelluksilla Äänitiedosto-  jen vienti ja tallennus Huomioita Thinklabs One Ei Kyllä Ei Kyllä Kyllä Ulostulo 3,5 mm:n liittimen kautta Stemoscope PRO Kyllä Ei DrStemo Ei Kyllä Mahdollistaa tiedostojen manuaalisen jakamisen sovelluksesta 3M Littman CORE Kyllä Ei Eko App Ei Kyllä Turvallinen tiedonjako edellyttää Eko+ -jäsenyyttä Eko CORE 500 Kyllä Ei Eko App Ei Kyllä Turvallinen tiedonjako edellyttää Eko+ -jäsenyyttä. Tallennusten tekemiseen ja hakemiseen Eko Cloudista tarvitaan WIFI- tai matkapuhelinyhteys. Linktop Stethoscope Kyllä Kyllä Linktop Health Kyllä Kyllä SDK/API-tuki käytettävissä

 

4.1. Tietojen keräämiskapasiteetti

Osaa stetoskoopeista voidaan hyödyntää tiedonkeruuseen ilman verkkoyhteyttä, sillä niissä on seuraavat valmiudet:

• Manuaalinen tietojen vienti laitteen omalla sovelluksella (esim. Stemoscope)
• Suora äänitallennus 3,5 mm:n liitännän kautta (esim. Thinklabs, Linktop)

Edellä mainittujen ominaisuuksien ansiosta tällaiset laitteet soveltuvat hyvin tekoälymallien koulutukseen tarvittavan äänimateriaalin kokoamiseen.

4.2. Rajoitukset reaaliaikaisten signaalien saannissa

Useimmissa digitaalisissa stetoskoopeissa ei ole avoimia SDK-ohjelmistokehityspaketteja tai reaaliaikaista BLE-yhteyttä, mikä rajoittaa niiden integrointia kehitettävän sovelluksen suoratoistotoimintoihin. Tämä on merkittävä rajoitus sellaisille sovelluksille, jotka edellyttävät äänen reaaliaikaista analysointia.

 

5. Mobiilisovellusten kehitys ja suunnittelu

Teknisten rajoitusten ja vaihtoehtojen perusteella on suunnitteilla hybridisovellusmalli, joka tukee kahta erillistä toimintatapaa:

1. Raaliaikainen seuranta

• Käyttää BLE:tä (jos tuettu) tai analogista liitäntää reaaliaikaiseen tallentamiseen
• Näyttää reaaliaikaiset äänen aaltomuodot
• Tekoälyanalyysin pohjalta välitön palaute (esim. hevosen suolistossa on äänen perusteella hiekkaa).

2. Tallennuksen jälkeinen lataus- ja analysointitapa

• Ääni tallennetaan valmistajan omalla sovelluksella
• Käyttäjä jakaa/vie tallenteen (esim. .wav, .mp3), jos mahdollista
• Käyttäjä lataa tiedoston sovellukseemme tekoälypohjaista analysointia varten.

Tämä hybridisovellusmalli tekee kehitettävästä järjestelmästä joustavan ja mahdollistaa laajemman laitteistoyhteensopivuuden.

 

6. Johtopäätökset

Huolimatta reaaliaikaisen SDK/API-käytön rajoituksista, useat digitaaliset stetoskoopit mahdollistavat tietojen viennin omien sovellustensa kautta. Tämä tekee niistä käyttökelpoisia työkaluja hevosten suoliston äänten keräämiseen ja tekoälyä hyödyntävän sovelluksen kehittämisen aloittamiseen.

Jotta sovelluksen kehitystyössä voidaan vastata sekä lyhyen aikavälin tiedonkeruutarpeisiin että pitkän aikavälin laajentamismahdollisuuksiin, ehdotettu suunnitelma sisältää seuraavat toimet:

• Suolistoäänten kerääminen aloitetaan laitteilla, jotka tukevat tiedostojen vientiä
• Otetaan yhteyttä laitevalmistajiin, jotta saadaan pääsy reaaliaikaiseen integrointiin tarkoitettuihin SDK-sovelluksiin
• Kehitetään kaksitoiminen mobiilisovellus, joka tukee sekä reaaliaikaista seurantaa että ilman verkkoyhteyttä tapahtuvaa analysointia.

Suunniteltu strategia tarjoaa joustavuutta laitteiden käytössä ja varmistaa tietopohjaisen kehityksen ja luo perustan tekoälyratkaisujen kehittämiselle hevosten terveydentilan tarkkailuun.

Kirjoitustyöhön ovat osallistuneet Osman Toronoglu, Johannes Geisler, Aki Happonen ja Heli Suomala

Tekoälyä talleille -hanke pyytää hevosen omistajia tallenteita hevostensa käyttäytymisestä. Äänitallenteita käytetään hankkeessa toteutettavan Heppavahti-sovelluksen kehittämistyössä. Tavoitteena on, että sovellus hälyttäisi sellaisista äänistä, jotka voivat olla merkki siitä, että hevosella ei ole kaikki kunnossa.

1. Tallennettavat äänet

• Kuopiminen, hirnuminen, seinän potkiminen, piehtarointi, yskiminen, puuskuttava hengitys, karsinassa ramppaaminen, vinkuminen jne.
• Ota lyhyt video hevosesta sen karsinassa, jotta voimme yhdistää äänen ja käyttäytymisen.

2. Tallennuksen toteutus

• Turvallisuus ennen kaikkea – älä koskaan vaaranna itseäsi tai hevosta. Mikäli hevonen on sairas, voit tehdä tallennuksen esimerkiksi odottaessasi eläinlääkäriä
• Käytä puhelimesi omaa videosovellusta (video sisältää automaattisesti äänen)
• Tallenteen ihannepituus on 10–60 sekuntia
• Tallenna, vaikka ääni ei olisi jatkuva; lyhyet, hiljaiset tauot ovat myös hyödyllisiä.
• Ole hiljaa ja vältä taustamelua kuvaamisen aikana. Kerro kuitenkin sanallisesti videon lopussa, mitä videossa tapahtuu, esim. ”Tallenteessa hevonen hirnuu jäätyään yksin talliin”.
• Kuopimisesta, karsinassa ramppaamisesta tai piehtaroinnista otetuissa videoklipeissä on hyvä kertoa lisäksi hevosen karsinassa käytettävä kuivikemateriaali, esim. ”Hevosen karsinan kuivittamiseen on käytetty turvetta”.

3. Tallenteiden lähettäminen

• Lähetä ottamasi video puhelimeltasi Savonia AMK:n jakopalvelun kautta
• Lisätietoa sähköpostilla: heli.suomala@hevostietokeskus.fi