भारत हा जगातील सर्वात मोठा दूध उत्पादक देश असूनही, आपल्या गोठ्यातील गाई-म्हशींच्या आरोग्यावर लक्ष ठेवण्याची पद्धत आजही मुख्यतः शंभर वर्षांपूर्वीसारखीच आहे रोजचे निरीक्षण आणि अनुभव. पण आता हळूहळू हे चित्र बदलू लागले आहे. सेन्सर्स, वेअरेबल उपकरणे आणि कृत्रिम बुद्धिमत्ता (AI) यांच्या मदतीने आता जनावराच्या आरोग्यावर, त्याच्या माजावर आणि दूध उत्पादनावर अक्षरशः चोवीस तास लक्ष ठेवणे शक्य झाले आहे. या लेखात आपण भारतीय आणि विशेषतः महाराष्ट्रातील दुग्धव्यवसायाची सद्यस्थिती, यामागची खरी समस्या आणि हे तंत्रज्ञान नेमके कसे काम करते, हे सविस्तर समजून घेणार आहोत.
भारत आणि दूध एक विशेष नाते
जगातील कोणत्याही देशापेक्षा भारतात सर्वाधिक दूध तयार होते. जागतिक दूध उत्पादनापैकी जवळपास पाव हिस्सा एकट्या भारताचा आहे, आणि गेल्या दहा वर्षांत हे उत्पादन दरवर्षी सरासरी साडेपाच टक्क्यांहून अधिक वेगाने वाढत आहे म्हणजे 2014-15 मधील सुमारे 146 दशलक्ष टनांवरून 2023-24 मध्ये जवळपास 239 दशलक्ष टनांपर्यंत. देशाच्या अर्थव्यवस्थेत दुग्धव्यवसायाचा वाटा साधारण 5% इतका आहे, आणि हा आकडा भारतीय शेती अर्थव्यवस्थेतील सर्वात मोठ्या घटकांपैकी एक आहे.
देशातील जवळपास 8 कोटींहून अधिक कुटुंबे प्रत्यक्ष किंवा अप्रत्यक्षपणे दुग्धव्यवसायाशी जोडलेली आहेत, आणि यातील बहुसंख्य शेतकरी हे 2 ते 5 जनावरे बाळगणारे लहान व सीमांत उत्पादक आहेत मोठे व्यावसायिक फार्म्स नव्हे. हीच रचना भारतीय दुग्धव्यवसायाला जगातील इतर मोठ्या दूध उत्पादक देशांपेक्षा वेगळी बनवते, आणि याच वेगळेपणामुळे परदेशातून थेट आयात केलेले महागडे तंत्रज्ञान भारतीय परिस्थितीत जसेच्या तसे लागू करणे कठीण ठरते.
महाराष्ट्र या क्षेत्रात मागे नाही. राज्यातील लाखो कुटुंबांचे रोजचे उत्पन्न एक किंवा दोन गाई-म्हशींवर अवलंबून आहे. कोल्हापूर, सांगली, सातारा, पुणे, अहमदनगर आणि विदर्भातील अनेक जिल्ह्यांमध्ये सहकारी दूध संघांचे जाळे खोलवर पसरलेले आहे. पण या इतक्या मोठ्या आणि महत्त्वाच्या उद्योगात अजूनही एक विचित्र विरोधाभास दिसतो शेतात पीक घेताना आता ड्रोन, सेन्सर्स आणि हवामान अंदाज वापरणारा शेतकरी, त्याच्याच गोठ्यातील जनावराच्या आरोग्याचा अंदाज मात्र आजही केवळ अनुभव आणि निरीक्षणावर बांधतो.
पारंपरिक दुग्धव्यवसायातील खरी समस्या काय आहे?
जनावराचे आरोग्य, दूध उत्पादन आणि प्रजनन चक्र या तीनही गोष्टी एकमेकांशी घट्ट जोडलेल्या आहेत. यातील कोणत्याही एका ठिकाणी अडचण आली, की संपूर्ण साखळी विस्कळीत होते. पारंपरिक पद्धतीत ही अडचण वेळेवर लक्षात येण्यात अनेक अडथळे येतात:
1. लक्षणे दिसेपर्यंत उशीर झालेला असतो. मस्टायटिस (कासदाह), सबक्लिनिकल कीटोसिस किंवा लंगडेपणा यांसारखे आजार सुरुवातीला अगदी सूक्ष्म लक्षणांतून दिसतात जनावर थोडे कमी खात आहे, थोडे कमी हलत आहे. रोजच्या धावपळीत हे बदल शेतकऱ्याच्या नजरेतून सुटतात, आणि आजार गंभीर झाल्यावरच लक्षात येतो.
2. माज (estrus) वेळेवर ओळखता येत नाही. गाईचा माज साधारण 12-18 तास टिकतो, आणि योग्य वेळी कृत्रिम रेतन न झाल्यास पुढील माजासाठी 21 दिवस थांबावे लागते. हा उशीर थेट शेतकऱ्याच्या उत्पन्नावर परिणाम करतो कारण जितका वेत-अंतराचा कालावधी (calving interval) जास्त, तितके दूध उत्पादनाचे दिवस कमी.
3. उष्णतेचा ताण दुर्लक्षित राहतो. महाराष्ट्रातील उन्हाळ्यातील तापमान अनेकदा 40 अंशांपुढे जाते. जनावरांना होणारा उष्णतेचा त्रास दूध उत्पादनात थेट घट आणतो, पण हा परिणाम हळूहळू दिसत असल्याने त्याकडे वेळेवर लक्ष दिले जात नाही.
4. पशुवैद्यकीय सेवा दूर आणि विरळ आहेत. ग्रामीण भागात, विशेषतः दुर्गम गावांमध्ये, तातडीच्या वेळी पशुवैद्य उपलब्ध होणे कठीण असते. यामुळे किरकोळ आजारही वेळेवर हाताळला न गेल्यास गंभीर स्वरूप धारण करतो.
5. नोंदी अपुऱ्या असतात. कोणत्या जनावराला केव्हा लस दिली, केव्हा शेवटचा माज आला, दुधाचे उत्पादन कसे बदलत गेले या सगळ्या गोष्टींच्या नोंदी कागदावर किंवा फक्त स्मरणशक्तीवर ठेवल्या जातात, ज्यामुळे दीर्घकालीन नियोजन कठीण होते.
मग बदल का आणि आताच का?
गेल्या काही वर्षांत तीन गोष्टी एकाच वेळी घडल्या, ज्यामुळे दुग्धव्यवसायात AI आणि IoT तंत्रज्ञानाचा वापर व्यवहार्य झाला:
- सेन्सर्सची किंमत झपाट्याने कमी झाली. दहा वर्षांपूर्वी जे वेअरेबल सेन्सर्स फक्त मोठ्या परदेशी डेअरी फार्म्ससाठी परवडणारे होते, ते आता भारतीय कंपन्यांनी स्थानिक पातळीवर विकसित करून खर्च मोठ्या प्रमाणात खाली आणला आहे.
- मोबाईल आणि इंटरनेट व्याप्ती वाढली. ग्रामीण भारतातही स्मार्टफोन आणि परवडणारा डेटा प्लॅन सर्वसामान्य झाल्यामुळे, सेन्सरचा डेटा थेट शेतकऱ्याच्या मोबाईलपर्यंत पोहोचवणे शक्य झाले.
- AI मॉडेल्स आता स्थानिक जातींसाठी प्रशिक्षित होत आहेत. सुरुवातीचे बहुतेक संशोधन परदेशी होल्स्टीन गाईंवर आधारित होते, पण गेल्या दोन-तीन वर्षांत भारतीय संस्थांनी गीर, साहिवाल आणि म्हशींच्या जातींवर विशेष मॉडेल्स तयार करण्यास सुरुवात केली आहे.
या तिन्ही गोष्टींची एकत्रित परिणती म्हणजे जे तंत्रज्ञान पूर्वी फक्त मोठ्या व्यावसायिक फार्म्ससाठी होते, ते आता हळूहळू सर्वसामान्य भारतीय शेतकऱ्याच्या आवाक्यात येऊ लागले आहे.
AI, IoT, Wearables, Smart Sensors आणि Computer Vision तंत्रज्ञान नेमके कसे काम करते?
दुग्धव्यवसायातील AI समजून घेण्यासाठी आधी हे लक्षात घेणे आवश्यक आहे की, हे तंत्रज्ञान एका साखळीत काम करते डेटा गोळा करणे → डेटाचे विश्लेषण करणे → कृतीयोग्य सूचना देणे. या तीन टप्प्यांतील प्रत्येक टप्प्यावर वेगवेगळे तंत्रज्ञान वापरले जाते.
टप्पा 1: डेटा गोळा करणे Wearables आणि Smart Sensors
अ. स्मार्ट कॉलर आणि पेडोमीटर (गळ्यातील/पायातील सेन्सर) जनावराच्या गळ्यात किंवा पायात एक हलके, वॉटरप्रूफ उपकरण बसवले जाते. यात accelerometer (त्रि-अक्षीय गती सेन्सर) असतो, जो जनावराची प्रत्येक हालचाल चालणे, उभे राहणे, बसणे, रवंथ करणे सतत टिपत असतो. भारतीय स्टार्टअप स्टेलअॅप्सच्या “mooON” सारख्या उपकरणाला अनेकदा “गाईंसाठीचे Fitbit” असे संबोधले जाते.
ब. इअर टॅग सेन्सर्स कानात बसवलेले लहान टॅग शरीराचे तापमान सतत मोजतात. तापमानातील असामान्य वाढ ही अनेकदा आजार किंवा उष्णतेच्या ताणाची पहिली खूण असते.
क. रवंथ मॉनिटर (Rumination Sensors) जनावर किती वेळ रवंथ करते हे त्याच्या पचनसंस्थेच्या आणि एकंदर आरोग्याच्या स्थितीचे महत्त्वाचे सूचक आहे. रवंथाचा वेळ अचानक कमी झाल्यास हे पोटाच्या बिघाडाचे किंवा तणावाचे लक्षण असू शकते.
ड. दुधाची विद्युत वाहकता मोजणारे सेन्सर्स (Milk Electrical Conductivity) दुधामधील विद्युत वाहकतेत बदल हा मस्टायटिससारख्या कासेच्या आजाराचे प्रारंभिक लक्षण असू शकतो. आधुनिक मिल्किंग सिस्टिममध्ये हे सेन्सर्स दूध काढतानाच आपोआप ही तपासणी करतात.
टप्पा 2: डेटाचे विश्लेषण Machine Learning आणि AI मॉडेल्स
गोळा झालेला कच्चा डेटा स्वतःहून काहीच सांगत नाही त्याचा अर्थ लावण्याचे काम मशीन लर्निंग मॉडेल्स करतात.
- Random Forest आणि Decision Tree अल्गोरिदम तापमान, हालचाल, रवंथाचा वेळ अशा अनेक घटकांचा एकत्रित विचार करून जनावर आजारी असण्याची शक्यता किती आहे, हे ठरवतात. भारतीय संशोधकांनी स्थानिक गीर गायीच्या जातीसाठी असेच एक मॉडेल विकसित केले असून, ते रँडम फॉरेस्ट, डिसिजन ट्री, लॉजिस्टिक रिग्रेशन आणि सपोर्ट वेक्टर मशीन अशा आठ वेगवेगळ्या मॉडेल्सची तुलना करून सर्वोत्तम निकाल शोधते.
- Artificial Neural Networks (ANN) यांचा वापर विशेषतः दूध उत्पादनाचा अंदाज बांधण्यासाठी केला जातो, कारण दूध उत्पादनावर परिणाम करणारे घटक (आहार, हवामान, आरोग्य, प्रजनन अवस्था) एकमेकांशी गुंतागुंतीच्या पद्धतीने जोडलेले असतात, जे पारंपरिक सांख्यिकी पद्धतींपेक्षा न्यूरल नेटवर्क्स अधिक चांगल्या प्रकारे समजू शकतात.
- IoT + ANN एकत्रित प्रणाली शरीराचे तापमान, हृदयगती आणि जबड्याची हालचाल मोजणाऱ्या नॉन-इनवेजिव्ह (शरीराला छेद न देणाऱ्या) सेन्सर्सचा डेटा वायरलेस सेन्सर नेटवर्क्सद्वारे गोळा केला जातो आणि रास्पबेरी पाय सारख्या छोट्या संगणकांवर प्रक्रिया करून रोगाचा अंदाज दिला जातो.
टप्पा 3: कॉम्प्युटर व्हिजन कॅमेऱ्याच्या मदतीने निरीक्षण
अलीकडच्या काळात सेन्सर्ससोबतच कॅमेरा-आधारित तंत्रज्ञानही वेगाने विकसित होत आहे, कारण यात जनावराच्या शरीराला कुठलेही उपकरण जोडावे लागत नाही.
अ. चेहरा आणि मुस्कट (Muzzle) ओळख प्रत्येक जनावराचा मुस्काट माणसाच्या बोटांच्या ठशांप्रमाणे वेगळा असतो. कॉम्प्युटर व्हिजन तंत्रज्ञान वापरून जनावराची अचूक ओळख पटवता येते चाचण्यांमध्ये ही अचूकता 94% पेक्षा जास्त नोंदवली गेली आहे. भारतीय स्टार्टअप द्वारा सूरभीसारख्या कंपन्या याच मुस्काट-बायोमेट्रिक तंत्रज्ञानाचा वापर करून कर्ज आणि विमा सेवांसाठी जनावराची विशिष्ट ओळख (unique ID) तयार करतात.
ब. Body Condition Score (BCS) मूल्यांकन जनावराच्या शरीराची अवस्था (फार बारीक, योग्य, किंवा जास्त लठ्ठ) हे पोषण व्यवस्थापनासाठी महत्त्वाचे सूचक आहे. कॉम्प्युटर व्हिजन मॉडेल्स आता कॅमेऱ्याच्या मदतीने BCS स्कोअर देऊ शकतात, ज्याचा तज्ज्ञ पशुवैद्यकांच्या मूल्यांकनाशी 0.80 पेक्षा अधिक सहसंबंध (correlation) आढळला आहे.
क. लंगडेपणा ओळख (Lameness Detection) चालण्याच्या पद्धतीतील असामान्य बदल कॅमेरा-आधारित प्रणाली टिपू शकते, ज्यामुळे पायांच्या समस्या लवकर लक्षात येतात हा आजार वेळेवर न पकडल्यास दूध उत्पादनावर मोठा परिणाम होतो.
टप्पा 4: कृतीयोग्य सूचना मोबाईल अॅप आणि अलर्ट सिस्टिम
शेवटच्या टप्प्यात हे सगळे विश्लेषण एका साध्या भाषेतील सूचनेत रूपांतरित होते, जी शेतकऱ्याच्या मोबाईलवर SMS किंवा अॅप नोटिफिकेशनद्वारे पोहोचते उदाहरणार्थ, “जनावर क्रमांक 7 चा माज सुरू झाला आहे” किंवा “जनावर क्रमांक 12 चे तापमान असामान्य आहे, तपासणी करा.” यामागचा उद्देश हाच आहे की, शेतकऱ्याला तंत्रज्ञानाची किचकट माहिती समजून घेण्याची गरज नाही फक्त त्याला वेळेवर योग्य कृती करता यावी.
काही प्रणाली स्मार्ट खाद्य व्यवस्थापनासोबतही जोडलेल्या असतात, जिथे प्रत्येक जनावराच्या गरजेनुसार खाद्याचे प्रमाण आपोआप ठरवले जाते. संशोधनानुसार, अशा अचूक आहार नियोजनामुळे दूध उत्पादनात 15% पर्यंत वाढ शक्य आहे.
हे तंत्रज्ञान गाई आणि म्हशी दोघींसाठी सारखेच आहे का?
बहुतांश संशोधन आतापर्यंत गाईंवर, विशेषतः परदेशी होल्स्टीन जातीवर झालेले आहे. पण मूळ तत्त्व हालचाल, तापमान आणि रवंथाचे निरीक्षण म्हशींसाठीही तितकेच लागू होते. भारतात म्हशींचे दूध उत्पादनातील मोठे योगदान लक्षात घेता, म्हशींसाठी खास प्रशिक्षित मॉडेल्सवर आता वाढत्या प्रमाणात संशोधन सुरू आहे.
सेन्सर तंत्रज्ञानाची झटपट तुलना
वेगवेगळे सेन्सर्स नेमके काय मोजतात आणि कशासाठी उपयुक्त आहेत, हे एका दृष्टिक्षेपात समजून घेण्यासाठी खालील तक्ता उपयुक्त ठरेल:
| सेन्सर प्रकार | काय मोजतो | मुख्य उपयोग |
| स्मार्ट कॉलर/पेडोमीटर | हालचाल, चालण्याची पद्धत | माज ओळख, आजाराचा प्रारंभिक इशारा |
| इअर टॅग | शरीराचे तापमान | ताप, उष्णतेचा ताण |
| रवंथ मॉनिटर | रवंथाचा वेळ आणि वारंवारता | पचनसंस्थेचे आरोग्य |
| मिल्क कंडक्टिव्हिटी सेन्सर | दुधाची विद्युत वाहकता | मस्टायटिस लवकर ओळख |
| कॅमेरा/कॉम्प्युटर व्हिजन | चेहरा/मुस्काट, चालण्याची पद्धत, शरीराची ठेवण | ओळख पडताळणी, लंगडेपणा, BCS मूल्यांकन |
लक्षात घेण्यासारखी गोष्ट म्हणजे, यातील कोणताही एक सेन्सर स्वतंत्रपणे परिपूर्ण उत्तर देत नाही. खरी ताकद असते ती वेगवेगळ्या सेन्सर्सचा डेटा एकत्र करून पाहण्यात उदाहरणार्थ, वाढलेले तापमान + कमी झालेला रवंथाचा वेळ + कमी झालेली हालचाल, हे तिन्ही एकत्र आढळल्यास आजाराची शक्यता एकट्या तापमानवाढीपेक्षा जास्त निश्चितपणे सांगता येते.
शेतकऱ्याच्या दृष्टिकोनातून हे प्रत्यक्षात दिसते कसे?
तांत्रिक तपशिलांच्या पलीकडे जाऊन, प्रत्यक्ष गोठ्यात हे कसे दिसते हे समजून घेणे उपयुक्त ठरेल. समजा एका शेतकऱ्याकडे तीन गाई आहेत, आणि प्रत्येकीच्या गळ्यात एक हलका स्मार्ट कॉलर बसवलेला आहे. रोज सकाळी शेतकरी आपला मोबाईल उघडतो, तेव्हा त्याला प्रत्येक गाईची रात्रीची हालचाल, रवंथाचा वेळ आणि तापमानाचा साधा आलेख दिसतो हिरव्या रंगात “सर्व ठीक,” पिवळ्या रंगात “लक्ष द्या,” आणि लाल रंगात “तपासणी आवश्यक.” यात कुठलीही किचकट आकडेवारी वाचावी लागत नाही फक्त रंग पाहून शेतकरी ठरवू शकतो, आज कोणत्या जनावराकडे जास्त लक्ष द्यायचे आहे.
हीच साधेपणा या तंत्रज्ञानाच्या यशाची खरी गुरुकिल्ली आहे. जितके क्लिष्ट डॅशबोर्ड आणि तांत्रिक शब्दजाल, तितका शेतकरी त्यापासून दूर राहतो. म्हणूनच भारतीय स्टार्टअप्स आणि सरकारी अॅप्स दोन्ही आता “कमीत कमी क्लिक्समध्ये जास्तीत जास्त उपयुक्त माहिती” या तत्त्वावर आपली उत्पादने रचत आहेत स्थानिक भाषेत, साध्या चिन्हांसह आणि आवाजी सूचनांसह.
हेही लक्षात घेण्यासारखे आहे की, हे तंत्रज्ञान शेतकऱ्याला नवीन काही “शिकवत” नाही तर तो जे आधीपासून अनुभवाने ओळखत असतो (जनावर आज जरा सुस्त वाटतंय, कमी खात आहे), तेच निरीक्षण अधिक अचूक आणि वेळेवर, आकड्यांच्या स्वरूपात त्याच्यासमोर मांडते. त्यामुळे वयस्कर, तंत्रज्ञानाशी फारशी ओळख नसलेल्या शेतकऱ्यालाही हे स्वीकारणे तुलनेने सोपे जाते कारण अंतिमतः तो त्याच्याच अनुभवाला दुजोरा देणारी माहिती पाहत असतो.
जागतिक तुलनेत भारताचे स्थान कुठे आहे?
अमेरिका, युरोप आणि इस्रायलसारख्या देशांमध्ये दुग्ध तंत्रज्ञान अनेक दशकांपासून विकसित होत आहे, आणि तिथे रोबोटिक मिल्किंग सिस्टिम, पूर्ण स्वयंचलित फीडिंग यंत्रणा आधीच सर्वसामान्य झाल्या आहेत. पण या देशांतील डेअरी फार्म्सचा आकार भारतीय फार्म्सपेक्षा कैकपटीने मोठा असतो तिथे एका फार्मवर शेकडो जनावरे असणे सामान्य आहे. भारतात मात्र सरासरी शेतकऱ्याकडे मोजकीच जनावरे असतात, त्यामुळे परदेशी मॉडेल जसेच्या तसे आयात करणे आर्थिकदृष्ट्या अव्यवहार्य ठरते.
हीच बाब लक्षात घेऊन भारतीय कंपन्यांनी वेगळा मार्ग स्वीकारला आहे महागडी संपूर्ण-स्वयंचलित यंत्रणा नव्हे, तर हलके, तुलनेने स्वस्त सेन्सर्स आणि मोबाईल-केंद्रित सेवा. याचा अर्थ असा की, भारतीय दुग्ध-तंत्रज्ञान हे पाश्चिमात्य मॉडेलची प्रतिकृती नसून, स्थानिक गरजांनुसार स्वतंत्रपणे विकसित झालेले मॉडेल आहे आणि हाच दृष्टिकोन पुढील भागात आपण भारतीय उदाहरणांमधून सविस्तर पाहणार आहोत.
या भागातील पाच महत्त्वाचे मुद्दे थोडक्यात
- भारत हा जगातील सर्वात मोठा दूध उत्पादक असूनही, बहुसंख्य शेतकरी अजूनही केवळ निरीक्षणावर अवलंबून आहेत.
- आजार, माज आणि उष्णतेचा ताण या तिन्हींची लक्षणे सुरुवातीला सूक्ष्म असतात, आणि वेळेवर लक्षात न आल्यास मोठे आर्थिक नुकसान होते.
- सेन्सर्सची किंमत कमी होणे, मोबाईल व्याप्ती वाढणे आणि स्थानिक जातींसाठी मॉडेल्स तयार होणे या तीन घडामोडींमुळे भारतात हे तंत्रज्ञान आता व्यवहार्य झाले आहे.
- तंत्रज्ञान चार टप्प्यांत काम करते डेटा गोळा करणे, विश्लेषण करणे, आणि शेवटी शेतकऱ्याला साध्या भाषेत कृतीयोग्य सूचना देणे.
- भारतीय मॉडेल हे परदेशी मॉडेलची कॉपी नसून, लहान शेतकऱ्यांच्या गरजेनुसार स्वतंत्रपणे विकसित झालेले, तुलनेने परवडणारे मॉडेल आहे.
पुढे काय?
आतापर्यंत आपण पाहिले की भारतीय दुग्धव्यवसायात या तंत्रज्ञानाची गरज का निर्माण झाली आणि प्रत्यक्ष तंत्रज्ञान सेन्सर्सपासून ते AI मॉडेल्सपर्यंत कसे काम करते. पण हे सगळे प्रत्यक्षात कसे दिसते? कोणकोणते आजार आधीच ओळखता येतात, दूध उत्पादनाचा अंदाज किती अचूक असतो, आणि भारतीय स्टार्टअप्सनी हे प्रत्यक्षात कसे राबवले आहे याचा सविस्तर आढावा, तसेच खर्च, सरकारी योजना आणि 30 महत्त्वाच्या प्रश्नांची उत्तरे, आपण या लेखाच्या पुढील भागात पाहणार आहोत: “AI मुळे दुग्धव्यवसायात काय बदलले? आजार अंदाज, भारतीय उदाहरणे आणि सरकारी योजना.”