Применение средств цифровой трансформации в молочном скотоводстве и их роль в повышении популяционного здоровья и продуктивности животных

Цель исследования – рассмотреть пути внедрения цифровых технологий и современных технических решений для обеспечения популяционного здоровья животных в условиях современного молочного скотоводства. В статье рассмотрены современные цифровые технические средства и автоматизированные по их средствам производственные процессы молочного скотоводства. В ходе исследования были определены основные задачи для успешной реализации цифровой трансформации и обеспечения популяционного здоровья животных в молочном скотоводстве: поиск биомаркеров патологических и физиологических состояний животных, разработка методов определения найденных биомаркеров, разработки технических решений регистрации параметров и их внедрения в производство. На данный момент реализованы автоматические системы диагностики состояния организма животных посредством звуковых датчиков, приборов определения активности животного и положения тела в пространстве. Датчики определения электропроводимости молока позволяют определить мастит на начальной стадии патологического процесса, а в сочетании с датчиками определения концентрации гормонов в молоке появляется возможность определить период полового цикла. Камеры ИКС позволяют определять зоны воспаления на теле животного. Современная система 3D-камер в сочетании с программным обеспечением позволяет проводить автоматическую оценку упитанности ежедневно. Таким образом, внедренные автоматизированные системы позволяют снизить время контакта человека с животным, что положительно влияет на здоровье животного. С другой стороны, постоянный контроль за важными показателями здоровья животных позволяет своевременно выявлять начало заболевания. Все вышеперечисленное позволяет обеспечить популяционное здоровье на молочных фермах.

1. Белая А. Конец ручного управления. Какие цифровые технологии внедряются на животноводческих предприятиях // Агроинвестор. – 2020. – № 3. – С. 15–23.

2. Козлов А.А. Особенности применения цифровых технологий при производстве продукции животноводства // Цифровая экономика: проблемы и перспективы развития: мат-лы межрегион. науч.-практ. конф. – 2019. – С. 202–210.

3. Пудченко А.Р., Сарычева А.Д., Тузов И.Н. Использование программы «DeLaval» в молочном скотоводстве УОХ «Краснодарское» // Научное обеспечение агропромышленного комплекса: мат-лы 76-й науч—практ- конф- студентов по итогам НИР за 2020 г. Краснодар, 10–30 марта 2021 г. Ч. 1. – Краснодар, 2021. – С. 541–543. – EDNAZZVOH.

4. Цой Ю.А., Баишева Р.А. Технологические аспекты создания «умной» молочной фермы // Аграрная наука Евро-Северо-Востока. – 2019. – Т. 20, № 2. – С. 192–199. – DOI: 10.30766/2072-9081.2019.20.2.192-199. – EDNAIFXKO.

5. Ярмак О.В., Ткаченко А.Ю. Профессиональные ориентиры сельской молодежи как фактор миграции в город // Большие данные и проблемы общества: мат-лы междунар. научн. конф. – Томск, 2022. – С. 157–160.

6. A Systematic Review of Automatic Health Monitoring in Calves: Glimpsing the future From Current Practice / Dengsheng Sun, Laura Webb, P.P.J. van der Tol [et al.] // Frontiers in Veterinary Science. – 2021. – 26:8:761468, DOI: 10.3389/fvets.2021.761468.

7. Alison M.S., Emer K.E., Bokkers A.M. The efects of manual and automated milk feeding methods on group-housed calf health, behaviour, growth and labour // Livestock Science. – 2021. – Vol. 244. – DOI: 10.1016/j.livsci.2020.104343.

8. Antanaitis R. Dynamic changes in progesterone concentration in cows’ milk determined by the at-line milk analysis system herd navigatortm // Sensors. – 2020. – Vol. 20, № 18. – P. 5020.

9. Antanaitis R. Relation of Automated Body Condition Scoring System and Inline Biomarkers (Milk Yield, β-Hydroxybutyrate, Lactate Dehydrogenase and Progesterone in Milk) with Cow’s Pregnancy Success // Sensors (Basee). – 2021. – № 21 (4). – pp. 1414. – DOI: 10.3390/s21041414.

10. Arago N. Smart dairy cattle farming and In-heat detection through the Internet of things (IoT) // International Journal of Integrated Engineering. – 2022. – Vol. 14, № 1. – Р. 157–172.

11. Carslake C., Vázquez-Diosdado J.A., Kaler J. Machine learning algorithms to classify and quantify multiple behaviours in dairy calves using a sensor: Moving beyond classifcation in precision livestock // Sensors. – 2020. – Vol. 21, № 1. – P. 88.

12. Dautova I. Artifcial Intelligence: an example of the dairy industry in India // Eurasian research institute ebulletin. Analysis. – 2022. – № 362.

13. DeLaval [Электронный ресурс]. – URL: https://www.delaval.com/ru/explore/delaval-delpro/precisionanalytics/delavalbody-condition-scoring-bcs/ (дата обращения: 16.11.2023).

14. Džermeikaitė K., Bačėninaitė D., Antanaitis R. Innovations in Cattle Farming: Application of Innovative Technologies and Sensors in the Diagnosis of Diseases // Animals. – 2023. – No. 13(5) – P. 780. – DOI: 10.3390/ani13050780.

15. Lee M., Seo S. Wearable wireless biosensor technology for monitoring cattle: A review // Animals. – 2021. – Vol. 11, № 10. – P. 2779.

16. Lowe G. Infrared thermography – A non-invasive method of measuring respiration rate in calves // Animals. – 2019. – Vol. 9, № 8. – P. 535.

17. Automated collection and analysis of infrared thermograms for measuring eye and cheek temperatures in calves / G. Lowe, B. Mccane, M. Sutherland [et al.] // Animals. – 2020. – No. 10. – P. 292. – DOI: 10.3390/ani10020292.

18. Nayyar A., Puri V. Smart farming: IoT based smart sensors agriculture stick for like temperature and moisture monitoring using Arduino, cloud computing and solar technology / Proc. of The International Conference on Communication and Computing Systems. – 2016. – № 1. – P. 673–680.

19. Nogami H. Wearable and compact wireless sensor nodes for measuring the temperature of the base of a Calf’s Tail // Sens. Mater. – 2013. – Т. 25, № 9. – P. 577–582.

20. Rodrigues J.P. Evaluation of an automatic system for monitoring rumination time in weaning calves // Livestock Science. – 2019. – Vol. 219. – P. 86–90.

21. Rodriguez Z., Caixeta L.S., Cramer G. Diagnostic accuracy of a bovine specifc electronic beta-hydroxybutyrate handheld meter in fresh blood and stored serum samples // Veterinary and Animal Science. – 2021. – Vol. 11. – P. 100159.

22. Identifying livestock behavior patterns based on accelerometer dataset / D.S. Rodriguez-baena, F.A. Gomez-vela, M. García-torres [et al.] // Journal Computational Scitnce. – 2020. – № 41. – P. 10176. – DOI: 10.1016/j.jocs.2020.101076.

23. Swartz T.H., McGilliard M.L., Petersson-Wolfe C.S. Technical note: the use of an accelerometer for measuring step activity and lying behaviors in dairy calves // Journal of Dairy Science. – 2016. – № 99. – P. 9109–9113. – DOI: 10.3168/jds.2016-11297.