Использование мобильных систем с разным программным обеспечением при определении параметров телосложения животных

Актуальность. В настоящее время бесконтактные дистанционные измерения параметров экстерьера животных представляют значительный интерес для селекции и изучения генетики крупного рогатого скота. Они позволяют снизить риск опасной реакции животных на стресс и существенно сократить время получения промеров. Мы предлагаем способ получения информации о размерах животного в режиме реального времени путем получения изображения с применением сенсора глубины Structure Sensor 3D.
Методы. Научные экспериментальные исследования проводились в 2018–2022 гг. на коровах черно-пестрой породы в племенных предприятиях Удмуртской Республики (Российская Федерация). Объем выборочной совокупности животных составил около 2000 коров. Животные оценивались в период с 90-го по 150-й день лактации. Нами были выбраны следующие промеры: высота в холке, глубина груди, ширина груди, ширина в маклоках, прямая длина тазобедренной области, прямая длина туловища, обхват пясти, длина крестца, глубина в пояснице, ширина в седалищных буграх. Указанные параметры наиболее точно характеризуют габариты (каркас) и тазобедренную область животного.
Результаты. Анализ полученных результатов свидетельствует об обоснованности использования сенсора глубины Structure Sensor 3D, в качестве приоритетного способа получения промеров животных. Сравнительный анализ бесконтактных способов получения промеров коров показывает, что за примерно одинаковое время можно получить числовые значения до 10 параметров экстерьера. Калибровка производится легко и быстро в течение 10–15 минут. Применение сенсора глубины Structure Sensor 3D исключает неточности построения силуэта, возникающие из-за непрерывного движения животных, и не требует создания новой методики получения промеров тела для животных, отличающихся по возрасту, размерам и живой массе. С помощью Structure Sensor 3D удалось, не вызывая стресса у животных, получить были получены промеры с точностью до 1 мм.

1. Halachmi I., Polak P., Roberts D.J., Klopcic M. Cow Body Shape and Automation of Condition Scoring. J. of Dairy Science 2008;(91):4444-4451 doi: 10.3168/jds.2007-0785

2. Ruchay A.N., Dorofeev K.A., Kolpakov V.I. Fusion of information from multiple kinect sensors for 3d object reconstruction. Computer Optics. 2018;42(5):898-903 doi: 10.18287/2412-6179-2018-42-5-898-903

3. Shi C., Zhang J.L., Teng G.H. 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 doi: 10.1016/j.compag.2018.11.042

4. Huang L.W., Li S.Q., Zhu A.Q. et al. Non-Contact Body Measurement for Qinchuan Cattle with LiDAR Sensor. Sensors. 2018;18(9): 3014 р. doi:10.3390/s18093014

5. Kalantari M., Nechifor M. Accuracy and utility of the Structure Sensor for collecting 3D in door information. Geo-spatial Information Sci. 2016;19(3):202-209 doi: 10.1080/10095020.2016.1235817

6. Popescu C.R., Lungu A. Real-Time 3D Reconstruction Using a Kinect Sensor. Computer Sci. and Information Technology. 2014;2(2):95-99 doi: 10.13189/csit.2014.020206

7. Batanov S.D., Baranova I.A., Starostina O.S. Non-contact methods of cattle conformation assessment using mobile measuring systems. IOP Conf. Series: Earth and Environmental Science. 2019;(315) doi: 10.1088/1755-1315/315/3/032006

8. Gorton M., White J., Dries D. et al. Dairy farming and milk marketing relationships in the CIS Eurasian geography and economics 2007;48(6):733-747

9. Najm, Nour-Addeen et al. Associations between motion activity, ketosis risk and estrus behavior in dairy cattle Preventive veterinary medicine. 2020; (175):1048-57. doi:10.1016/j.prevetmed.2019.104857

10. Романенко Л.В. Современные методы контроля полезности кормления высокопродуктивных коров Кормление сельскохозяйственных животных и производство кормов 2010;(5):12-15.

11. Semenov V.G. Adaptogenesis and biological potential of cattle on сommercial dairy farm Bulletin of national academy of sciences of the Republic of Kazakhstan. 2020;6(388):85-92 https://doi.org/10.32014/2020.2518-1467.186

12. Чеченихина О.С. Влияние темпов роста молодняка коров на дальнейшую молочную продуктивность и экстерьерные показатели Зоотехния. 2012;(9):17-18.

13. Abugaliyev S.K. Efficient methods in breeding dairy cattle of the Republic of Kazakhstan Bulletin of national academy of sciences of the Republic of Kazakhstan. 2019;4(380):65-82. https://doi.org/10.32014/2019.2518-1467.94.