Gudrās kaklasiksnas arī Latvijā

Mūsdienu tehnoloģijas strauji attīstās un to ieviešana ikdienas dzīvē arī saviem mīluļiem ir ne vien kā ekstra kā padarīt savu ikdienu interesantāku, bet nu jau kā nepieciešamība.

Vai zināji, ka vismaz 15% kaķu un suņu vismaz reizi ir pazuduši? No tiem  25% kaķu  un 7%suņu nekad nav atrasti (Weiss et al., 2012)?Vai tu zināji, ka vairāk kā  50% no mājdzivniekiem ir liekais svars? Turklāt 37% suņiem liekas svars ir jau pirms tie sasnieguši 6 mēnešu vecumu (https://petobesityprevention.org/2021, 2021)! Un vai Tu zināji, ka aptuveni 40% suņu saimnieki savus suņus pastaigās ved neregulāri (Westgarth et al., 2022)?

Statistika runā pati par sevi un cilvēkiem, kā arī nozarei ir vajadzīgas tehnoloģijas, kas spētu izsekot gan dzīvnieka atrašanās vietu, gan sekot līdzi aktivitātes līmenim un patērētajām kalorijām. Cilvēkiem paredzētie viedpulksteņi jau satur šāda veida tehnoloģijas, un tās ir   integrējušās tik ļoti, ka liela sabiedrības daļa bez tām jau nevarētu iedomāties savu ikdienu!

Tehnoloģiju pamats ir vienkāršs, ir 3 pamata komponentes:

1. GPS uztvērējs (GPS modulis ar antenu )
2. Akselerometrs
3. SIM karte vai cits datu pārraides veids
4. Baterija

GPS jeb globālā pozicionēšanas sistēma sastāv no satelīta, kas komunicē ar GPS ierīcēm nodrošinot informāciju par pašreizējo atrašanās vietu, virzienu, laiku un ātrumu ar kādu pārvietojas šī ierīce.  Akselometrs mēra ierīces relatīvo paātrinājumu un var noteikt kustības frekvenci un intensitāti (Martin et al., 2017)(Dow et al., 2009). Šīs kustības frekvence un intensitāte katrai dzīvnieka suga ir atšķirīga, tāpēc lai to atspoguļotu ir nepieciešams algoritms, kas nosaka attiecīgā sugas kustības amplitūdas normu. Šeit ir liels, nerealizēts potenciāls zinātniskajai izpētei, jo akselometra sniegtās iespējas ļauj veikt agrīnu diagnostiku un preventatīvo darbu, kas saistīts ar ortopēdiju, deramatoloģiju, miega traucējumiem, ēšanas traucējumiem u.c. Ņemot vērā esošās tendences, SIA Pet Care ar veterinārajām klīnikām Saldū un Kuldīgā nolēma radīt produktu, kas palīdzētu ne vien dzīvnieku īpašniekiem, bet arī veterinārārstiem. 2021. gada nogalē tapa ideja, kas rezultējās projektā- Bonex gudrās kaklasiksnas (“Bonex Smart Collars”) un nu jau gadu vēlāk esam nonākuši līdz pirmajam prototipam. Ar esošajām ierīcēm tirgū mēs atšķiramies ar tīklu kurā pārraidam datus, ar funkcionalitāti un to, ka projekts ir atvērtas pieejas (“open-source”), kas nozīmē, ka izskaidrojums (izejas dati, algoritms utt.) par aplikācijā attēloto  ir pieejams visiem. Papildus tam, mūsu uzstādījums bija lai ierīce būtu ūdens izturīga (IP67+) un ar augstu triecienizturību.

Izskatot variantus par tīklu un veidu kādā dati tiek pārraidīti nonācām pie secinājuma, ka lielākais vairums esošo iekārtu tiek aprīkotas ar LTE (“wireless data transmission”), kam nepiečiešama SIM karte, bet tas ir dārgi un no gala patērētāja prasa papildus 5-12$ ikmēneša abonamēšanas maksas. Mūsu ierīce būs bez papildus abonamēšanas izmaksām, līdz ar to nebūs nekādu papildus izmaksu lai to lietotu. Izskatot iespējamos variantus un potenciālo saistībā ar tīklu, nonācām pie LoraWan tīkla protokola. Tas ir mazjaudas, plaša apgabala tīkla protokols, kas izveidots, izmantojot LoRa radio modulācijas tehniku. Princips balstās uz to, ka kaklasiksnas pāraida informāciju, ko uztver karstais punkts (“hotspot/gateway”) un tālāk šī informācija tiek pāraidīta ar interneta palīdzību uz serveri, kur jau programmētāji strādā pie koda un tālāk jau to aplikācijas veidā var izmantot gala patērētājs. Šādā veidā mēs spējam stipri samazināt datu pārraides izmaksas.

Soļu skaitīšanai sākotnēji izmantosim atvērtas pieejas algoritmu no pētijuma, kas veikts 2018. gadā un ir ar 79% precizitāti (Ladha et. al., 2018).  Esošās iekārtas tirgū nereti izmanto vienkāršas kalkulācijas kā pm. vienota soļu kalkulācija pēc veiktās distances, kas nozimē, ka soļu skaitīšanai netiek izmantots akselerometrs kā tāds. Virzot produktu tirgū paralēli plānojam veikt zinātnisko darbu pie algoritma ar maksimālu lielu precizitāti.

Izejas datu apkopošanai un tālākai kalkulācijai lielu artavu deva 6. kursa studentes Dagnijas Eversas un darba vadītājas Anetes Freibergas klīniskās rotācijas noslēguma darbs “kalorija patēriņa īpatnības slodzes laikā”.  Darba mērķis bija – noskaidrot kaloriju patēriņu dažādu suņu tipiem, pie dažādas fiziskās slodzes ar mērķi datus izmantot aktivitātes monitorēšanas iekārtas izstrādāšanai  “PetCare” veterinārās klīnikas vadībā.

Mērķa sasniegšanai tika izvirzīti sekojoši darba uzdevumi:

1. Noskaidrot kcal daudzumu patēriņu dažāda lieluma suņiem (mazs, vidējs, liels)

pie vienāda aktivitātes līmeņa.

2. Noskaidrot nepieciešamo kilokaloriju (kcal) daudzumu dienā suņiem pie dažāda

fiziskās aktivitātes līmeņa un izveidot vienotu tabulu.

3. Izveidot algoritma shēmu, lai noteiktu patērēto kaloriju daudzumu dienā pie

vienāda aktivitātes līmeņa starp dažāda lieluma suņiem.

Izvirzītie mērķi un uzdevumi tika ļoti veiksmīgi izpildīti, pēc kā mūsu projektam ir izveidota zinātniski balstīta tabula un shēma uzticamai datu tālākajai kalkulācijai. Kas palīdzēs mums precīzi attēlot patērētās kalorijas atkarībā no suņa izmēra un slodzes. Šis faktors mums paver iespēju izveidot automatizētu diētu, kur pēc mērķa svara izrēķinās, cik ikdienā soļi jānostaigā, cik kCal/dienā jāuzņēm un laika periodu pa nedēļām mērķa svara sasniegšanai.

Lai visa akopotā informācija tiktu uzskatāmi un vienkāŗši attēlota, tiek izstrādāta aplikācija, kas būtu nevien uzticama, bet arī interesanta dzīvnieku īpašniekiem.

IZMANTOTĀ LITERATŪRA

1. Weiss, Emily & Slater, Margaret & Lord, Linda. (2012). Frequency of Lost Dogs and Cats in the United States and the Methods Used to Locate Them. Animals. 2. 301-315. 10.3390/ani2020301.
2. 2021 Press Release & Summary of the Pet Owner: Weight Management, Nutrition, and Pet Food Survey;  https://petobesityprevention.org/2021
3. Westgarth, C., Christley, R.M. & Christian, H.E. A cross-sectional study of factors associated with regular dog walking and intention to walk the dog. BMC Public Health 22, 570 (2022). https://doi.org/10.1186/s12889-022-12902-w
4. Martin, K. W., Olsen, A. M., Duncan, C. G., & Duerr, F. M. (2017). The method of attachment influences accelerometer-based activity data in dogs. BMC Veterinary Research, 13(1), 1–6. https://doi.org/10.1186/s12917-017-0971-1
5. Dow, C., Michel, K. E., Love, M., & Brown, D. C. (2009). Evaluation of optimal sampling interval for activity monitoring in companion dogs. American Journal of Veterinary Research, 70(4), 444–448. https://doi.org/10.2460/ajvr.70.4.444
6. Gupta, Sakshi & Snigdh, Itu. (2022). Clustering in LoRa Networks, an Energy-Conserving Perspective. Wireless Personal Communications. 122. 1-14. 10.1007/s11277-021-08894-2.
7. Ladha, C., Belshaw, Z., O’Sullivan, J. et al. A step in the right direction: an open-design pedometer algorithm for dogs. BMC Vet Res 14, 107 (2018). https://doi.org/10.1186/s12917-018-1422-3

Toms Martinsons

Veterinārārsts