vetpressАграрная наукаAgrarian science0869-81552686-701XРедакция журнала "Аграрная наука"10.32634/0869-8155-2025-393-04-145-152vetpress-3586Research ArticleАГРОИНЖЕНЕРИЯ И ПИЩЕВЫЕ ТЕХНОЛОГИИAGROENGINEERING AND FOOD TECHNOLOGIESОценка применимости трехмерных времяпролетных камер для цифрового мониторинга экстерьера коровAssessing the applicability of 3D time-of-flight cameras for digital monitoring of cow exteriorhttps://orcid.org/0000-0002-2511-7526ЮрочкаС. С.YurochkaS. S.

Сергей Сергеевич Юрочка, кандидат технических наук, старший научный сотрудник

1-й Институтский проезд, 5, Москва, 109428

Sergey Sergeevich Yurochka, Candidate of Engineering Sciences, Senior Researcher

5 1st Institutsky Passage, Moscow, 109428

yssvim@yandex.ruhttps://orcid.org/0000-0001-8769-8365ПавкинД. Ю.PavkinD. Yu.

Дмитрий Юрьевич Павкин, кандидат технических наук, старший научный сотрудник

1-й Институтский проезд, 5, Москва, 109428

Dmitry Yuryevich Pavkin, Candidate of Technical Sciences, Senior Researcher

5 1st Institutsky Passage, Moscow, 109428

dimqaqa@mail.ruhttps://orcid.org/0000-0002-4332-9274ХакимовА. Р.KhakimovA. R.

Артём Рустамович Хакимов, младший научный сотрудник

1-й Институтский проезд, 5, Москва, 109428

Artyom Rustamovich Khakimov, Junior Researcher

5 1st Institutsky Passage, Moscow, 109428

arty.hv@gmail.comhttps://orcid.org/0009-0005-8217-9482БердюгинП. С.BerdyuginP. S.

Павел Сергеевич Бердюгин, младший научный сотрудник

1-й Институтский проезд, 5, Москва, 109428

Pavel Sergeevich Berdyugin, Junior Researcher

5 1st Institutsky Passage, Moscow, 109428

BPS71188@yandex.ruhttps://orcid.org/0000-0002-3028-5081БазаевС. О.BazaevS. O.

Савр Олегович Базаев, кандидат сельскохозяйственных наук, научный сотрудник

1-й Институтский проезд, 5, Москва, 109428

Savr Olegovich Bazaev, Candidate of Agricultural Sciences, Research Associate

5 1st Institutsky Passage, Moscow, 109428

sbazaeff@yandex.ruhttps://orcid.org/0000-0003-2480-5754ВладимировФ. Е.VladimirovF. E.

Фёдор Евгеньевич Владимиров, научный сотрудник

1-й Институтский проезд, 5, Москва, 109428

Fyodor Evgenievich Vladimirov, Researcher

5 1st Institutsky Passage, Moscow, 109428

fvladimirov21@gmail.comФедеральный научный агроинженерный центр ВИМРоссияFederal Scientific Agroengineering Center VIMRussian Federation20252504202514145152Copyright © Юрочка С.С., Павкин Д.Ю., Хакимов А.Р., Бердюгин П.С., Базаев С.О., Владимиров Ф.Е., 20252025Юрочка С.С., Павкин Д.Ю., Хакимов А.Р., Бердюгин П.С., Базаев С.О., Владимиров Ф.Е.Yurochka S.S., Pavkin D.Y., Khakimov A.R., Berdyugin P.S., Bazaev S.O., Vladimirov F.E.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vetpress.ru/jour/article/view/3586

В настоящее время процесс сбора линейных параметров экстерьера коров в основном проводится в ручном режиме, что является трудоемким, сложным и зависимым от навыков ветеринара процессом. Для быстрой и точной бонитировки предлагается разработка интеллектуальной системы бесконтактной цифровой оценки экстерьера крупного рогатого скота, основанной на применении видеокамер и современных технологий анализа изображений. Такой мониторинг позволит проводить диагностику заболеваний и выявлять их на ранней стадии.

Цели исследования — проведение сравнения двух таких камер и определение их применимости в разрабатываемой системе.

Использовались лабораторный стенд с большим числом объектов на заранее известном расстоянии от камер, специально разработанное программное обеспечение для обработки результатов и построения линейной регрессии, связывающей реальное расстояние с измеренным. Была разработана специальная корректировка для уменьшения погрешности камер. В результате определили, что обе камеры такого типа имеют среднюю погрешность ±5 мм при измерении объектов на расстоянии от 382 до 671 мм, получая снимки с апертурой до 60 × 45° и разрешением до 480 × 480 пикселей. Был сделан вывод, что погрешность обеих камер является допустимой для оснащения разрабатываемой системы, не превышая 2% на 1 м.

Currently, the process of collecting linear parameters of cow exterior is mainly carried out manually, which is a labor-intensive, complex process that depends on the skills of a veterinarian. For fast and accurate grading, it is proposed to develop an intelligent system for contactless digital assessment of the exterior of cattle based on the use of video cameras and modern image analysis technologies. Such monitoring will also allow for the diagnosis of diseases and their early detection.

The purpose of the study is to compare two such cameras and determine their applicability in the system being developed.

We used a laboratory stand with a large number of objects at a predetermined distance from the cameras, specially developed software for processing the results and constructing a linear regression linking the real distance with the measured one. A special adjustment has been developed to reduce the camera error. As a result, it was determined that both cameras of this type have an average error of ±5 mm when measuring objects at a distance of 382 to 671 mm, taking images with an aperture of up to 60 × 45° and a resolution of up to 480 × 480 pixels. It was concluded that the error of both cameras is acceptable for equipping the system under development, not exceeding 2% per 1 m.

короваэкстерьербонитировкацифровой мониторингселекциятрехмерная времяпролетная камерасowexteriorgradingdigital monitoring3D time-of-flight cameraИсследование выполнено за счет гранта Российского научного фонда № 23-76-10041. https://rscf.ru/project/23-76-10041/The study was supported by a grant from the Russian Science Foundation № 23-76-10041. https://rscf.ru/en/project/23-76-10041/ReferencesЛобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства. Сельскохозяйственные машины и роботизированные технические средства для сельского хозяйства. Сельскохозяйственные машины и технологии. 2021; 15(4): 6-10. https://doi.org/10.22314/2073-7599-2021-15-4-6-10Лобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства. Сельскохозяйственные машины и роботизированные технические средства для сельского хозяйства. Сельскохозяйственные машины и технологии. 2021; 15(4): 6-10. https://doi.org/10.22314/2073-7599-2021-15-4-6-10Ценч Ю.С. Научно-технический потенциал как главный фактор развития механизации сельского хозяйства. Сельскохозяйственные машины и технологии. 2022; 16(2): 4-13. https://doi.org/10.22314/2073-7599-2022-16-2-4-13Ценч Ю.С. Научно-технический потенциал как главный фактор развития механизации сельского хозяйства. Сельскохозяйственные машины и технологии. 2022; 16(2): 4-13. https://doi.org/10.22314/2073-7599-2022-16-2-4-13Кирсанов В.В., Владимиров Ф.Е., Павкин Д.Ю., Рузин С.С., Юрочка С.С. Сравнительный анализ и подбор систем мониторинга здоровья КРС. Вестник ВНИИМЖ. 2019; (1): 27-31. https://elibrary.ru/zaiqznКирсанов В.В., Владимиров Ф.Е., Павкин Д.Ю., Рузин С.С., Юрочка С.С. Сравнительный анализ и подбор систем мониторинга здоровья КРС. ВестникВНИИМЖ. 2019; (1): 27-31. https://elibrary.ru/zaiqznAnderson D.M., Estell R.E., Cibils A.F. Spatiotemporal Cattle Data — A Plea for Protocol Standardization. Positioning. 2013; 4(1): 115-136. https://doi.org/10.4236/pos.2013.41012Anderson D.M., Estell R.E., Cibils A.F. Spatiotemporal Cattle Data — A Plea for Protocol Standardization. Positioning. 2013; 4(1): 115-136. https://doi.org/10.4236/pos.2013.41012Павкин Д.Ю., Юрочка С.С., Хакимов А.Р, Довлатов И.М. Разработка модульной системы цифровизации бонитировочных работ. Сельскохозяйственные машины и технологии. 2022; 16(4): 54-59. https://doi.org/10.22314/2073-7599-2022-16-4-54-59Павкин Д.Ю., Юрочка С.С., Хакимов А.Р, Довлатов И.М. Разработка модульной системы цифровизации бонитировочных работ. Сельскохозяйственные машины и технологии. 2022; 16(4): 54-59. https://doi.org/10.22314/2073-7599-2022-16-4-54-59Alem H. The Role of Technical Efficiency Achieving Sustainable Development: A Dynamic Analysis of Norwegian Dairy Farms. Sustainability. 2021; 13(4): 1841. https://doi.org/10.3390/su13041841Alem H. The Role of Technical Efficiency Achieving Sustainable Development: A Dynamic Analysis of Norwegian Dairy Farms. Sustainability. 2021; 13(4): 1841. https://doi.org/10.3390/su13041841Батанов С.Д., Баранова И.А., Старостина О.С. Модель прогнозирования молочной продуктивности коров по их экстерьерным особенностям. Вестник Башкирского государственного аграрного университета. 2019; (1): 55-62. https://doi.org/10.31563/1684-7628-2019-49-1-55-62Батанов С.Д., Баранова И.А., Старостина О.С. Модель прогнозирования молочной продуктивности коров по их экстерьерным особенностям. Вестник Башкирского государственного аграрного университета. 2019; (1): 55-62. https://doi.org/10.31563/1684-7628-2019-49-1-55-62Харченко А.В., Фейзуллаев Ф.Р, Лепехина Т.В. Экстерьерные особенности казахской белоголовой породы крупного рогатого скота. Инновационная наука. 2022; (6-1): 62-64. https://elibrary.ru/hchsjbХарченко А.В., Фейзуллаев Ф.Р, Лепехина Т.В. Экстерьерные особенности казахской белоголовой породы крупного рогатого скота. Инновационная наука. 2022; (6-1): 62-64. https://elibrary.ru/hchsjbЧиндалиев А.Е., Калимолдинова А.С., Алипов А.У., Баймуканов А.Д. Использование линейной оценки экстерьера коров. Главный зоотехник. 2019; (8): 32-38. https://elibrary.ru/hycfxaЧиндалиев А.Е., Калимолдинова А.С., Алипов А.У., Баймуканов А.Д. Использование линейной оценки экстерьера коров. Главный зоотехник. 2019; (8): 32-38. https://elibrary.ru/hycfxaСитдиков Ф.Ф., Цой Ю.А., Зиганшин Б.Г. Основные направления и проблемы цифровизации агропромышленного комплекса. Вестник Казанского государственного аграрного университета. 2019; 14(3): 112-115. https://doi.org/10.12737/article_5db97473887137.67106533Ситдиков Ф.Ф., Цой Ю.А., Зиганшин Б.Г. Основные направления и проблемы цифровизации агропромышленного комплекса. Вестник Казанского государственного аграрного университета. 2019; 14(3): 112-115. https://doi.org/10.12737/article_5db97473887137.67106533Shi C., Zhang J., Teng G. Mobile measuring system based on LabVIEW for pig body components estimation in a large-scale farm. Computers and Electronics in Agriculture. 2019; 156: 399-405. https://doi.org/10.1016/j.compag.2018.11.042Shi C., Zhang J., Teng G. Mobile measuring system based on LabVIEW for pig body components estimation in a large-scale farm. Computers and Electronics in Agriculture. 2019; 156: 399-405. https://doi.org/10.1016/j.compag.2018.11.042Башилов А.М., Королев В.А. Видеоцифровое системнометрическое управление агротехнологическими процессами. Вестник аграрной науки Дона. 2019; (4): 68-75. https://elibrary.ru/vsyvcnБашилов А.М., Королев В.А. Видеоцифровое системнометрическое управление агротехнологическими процессами. Вестник аграрной науки Дона. 2019; (4): 68-75. https://elibrary.ru/vsyvcnBuller H., Blokhuis H., Lokhorst K., Silberberg M., Veissier I. Animal Welfare Management in a Digital World. Animals. 2020; 10(10): 1779. https://doi.org/10.3390/ani10101779Buller H., Blokhuis H., Lokhorst K., Silberberg M., Veissier I. Animal Welfare Management in a Digital World. Animals. 2020; 10(10): 1779. https://doi.org/10.3390/ani10101779Xue T. etal. One-Shot Learning-Based Animal Video Segmentation. IEEE Transactions on Industrial Informatics. 2022; 18(6): 3799-3807. https://doi.org/10.1109/TN.2021.3117020Xue T. etal. One-Shot Learning-Based Animal Video Segmentation. IEEE Transactions on Industrial Informatics. 2022; 18(6): 3799-3807. https://doi.org/10.1109/TN.2021.3117020Власенкова Т.А., Козырева Ю.Ю. Цифровизация как основа эффективного ведения сельского хозяйства. Менеджмент в АПК. 2021; (2): 11-16. https://elibrary.ru/nttevsВласенкова Т.А., Козырева Ю.Ю. Цифровизация как основа эффективного ведения сельского хозяйства. Менеджмент в АПК. 2021; (2): 11-16. https://elibrary.ru/nttevsZou Z., Chen K., Shi Z., Guo Y, Ye J. Object Detection in 20 Years: A Survey. Proceedings of the IEEE. 2023; 111(3): 257-276. https://doi.org/10.1109/JPROC.2023.3238524Zou Z., Chen K., Shi Z., Guo Y, Ye J. Object Detection in 20 Years: A Survey. Proceedings of the IEEE. 2023; 111(3): 257-276. https://doi.org/10.1109/JPROC.2023.3238524Jones J.W. et al. Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science. Agricultural Systems. 2017; 155: 269-288. https://doi.org/10.1016Zj.agsy.2016.09.021Jones J.W. et al. Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science. Agricultural Systems. 2017; 155: 269-288. https://doi.org/10.1016Zj.agsy.2016.09.021Qiao Y, Kong H., Clark C., Lomax S., Su D., Eiffert S., Sukkarieh S. Intelligent Perception-Based Cattle Lameness Detection and Behaviour Recognition: A Review. Animals. 2021; 11(11): 3033. https://doi.org/10.3390/ani11113033Qiao Y, Kong H., Clark C., Lomax S., Su D., Eiffert S., Sukkarieh S. Intelligent Perception-Based Cattle Lameness Detection and Behaviour Recognition: A Review. Animals. 2021; 11(11): 3033. https://doi.org/10.3390/ani11113033

The authors declare that there are no conflicts of interest present.