Системы и методы оценки гомогенности кормовых смесей для сельскохозяйственных животных

Актуальность.  Формируя  рацион  кормления  животных,  которые  содержатся  на  современных животноводческих  комплексах,  фермер  преследует  исключительно  рациональный  подход  с  точки зрения продуктивности поголовья и срока продуктивного существования животных. В первую очередь  обеспечение  этих  показателей  формирует  качество  кормления  животных,  выражаемое  в  общей питательной ценности рациона и качестве смешивания компонентов, входящих в его состав.

Методы.  Актуализация  направления  научного  исследования  была  произведена  на  основе  предварительного  литературного  обзора  современных  публикаций  в  международных  журналах  Journal of dairy science, Robotics and autonomous systems и Agriculture. Помимо этого, были проанализированы функциональные возможности современного аналитического оборудования мировых производителей,  используемого  в  сельском  хозяйстве.  Рассмотрены  технические  решения  экспонатов отраслевых выставок, а также сопроводительная документация. Изучены существующие методики определения  гомогенности  кормовых  смесей  для  сельскохозяйственных  животных,  определены преимущества и недостатки.

Результаты.  Рассмотрены  существующие  методы  оценки  гомогенности  кормовых  смесей.  Предложена новая концепция построения системы определения гомогенности кормовых смесей оптическими методами, которая основана на экспресс-измерении оптических свойств компонентов кормовых смесей, на поверхности транспортерной ленты или смесительного агрегата, использование которой позволит управлять временными режимами смешивания кормов и оценивать исправность используемых машин и агрегатов.

1. Косилов В.И., Иргашев Т.А., Ребезов М.Б., Клочкова М.А. Затраты кормов и возрастная динамика живой массы молодняка овец цигайской породы и ее помесей с эдильбаевской породой. Кишоварз. 2020; (4): 56–60. https://elibrary.ru/jfxgpc

2. Иргашев Т.А., Байгенов Ф.Н., Каримова М.О., Олимов С.Х., Ребезов М.Б., Быкова О.А. Влияние бентонита и бентонитсодержащего премикса на расход кормов, рост и развитие телят. Мичуринский агрономический вестник. 2022; (1): 43–48. https://elibrary.ru/okaczb

3. Косилов В.И., Рахимжанова И.А., Салихов А.А., Ребезов М.Б., Миронова И.В., Перевойко Ж.А. Влияние уровня кормления и генотипа на возрастную динамику живой массы чистопородных и помесных телок. Известия Оренбургского государственного аграрного университета. 2022; (1): 208–212. https://doi.org/10.37670/2073-0853-2022-93-1-208-212

4. Конганбаев Е.К., Асенова Б.К., Смольникова Ф.Х., Ребезов М.Б. Исследование зерновых однокомпонентных кормов, применяемых в кормлении цыплят-бройлеров. Международная научно-практическая конференция, посвященная памяти В.М. Горбатова. М.: Федеральный научный центр пищевых систем им. В.М. Горбатова. 2015; 235–237. https://elibrary.ru/vbdkrh

5. Трепалина Е., Галкин А. Тест-системы для контроля ионофорных кокцидиостатиков в кормах. Комбикорма. 2015; (5): 83–85. https://www.elibrary.ru/trlhkf

6. Djuragic O., Levic J., Sredanovic S., Lević L. Evaluation of homogeneity in feed by method of microtracers®. Archiva Zootechnica. 2009; 12(4): 85–91.

7. Rocha A.G., Montanhini R.N., Dilkin P., Tamiosso C.D., Mallmann C.A. Comparison of different indicators for the evaluation of feed mixing efficiency. Animal Feed Science and Technology. 2015; 209: 249–256. https://doi.org/10.1016/j.anifeedsci.2015.09.005

8. Latvietis J., Priekulis J., Eihvalde I. Problems of cow feeding in robotic milking and loose handling conditions. Engineering for Rural Development. Proceedings of the 7th International Scientific Conference. Jelgava. 2008; 270–274.

9. Gayathri S.L., Panda N. Chelated minerals and its effect on animal production: A review. Agricultural Reviews. 2018; 39(4): 314–320. https://doi.org/10.18805/ag.R-1823

10. Єгоров Б.В., Макаринська А.В., Ворона Н.В. Особливості технології виробництва високооднорідних кормових добавок. Зернові продукти і комбікорми. 2014; (2): 37–40. https://www.elibrary.ru/wjxqft

11. Herrman T., Behnke K. Testing Mixer Performance. MF-1172. Kansas State University Agricultural Experiment Station and Cooperative Extension Service. 1994; 4.

12. Robles V., González L.A., Ferret A., Manteca X., Calsamiglia S. Effects of feeding frequency on intake, ruminal fermentation, and feeding behavior in heifers fed high-concentrate diets. Journal of Animal Science. 2007; 85(10): 2538–2547. https://doi.org/10.2527/jas.2006-739

13. Rego G. et al. A portable IoT NIR spectroscopic system to analyze the quality of dairy farm forage. Computers and Electronics in Agriculture. 2020; 175: 105578. https://doi.org/10.1016/j.compag.2020.105578

14. Samadi, Wajizah S., Munawar A.A. Rapid and Simultaneous Determination of Feed Nutritive Values by Means of Near Infrared Spectroscopy. Tropical Animal Science Journal. 2018; 41(2): 121–127. https://doi.org/10.5398/tasj.2018.41.2.121

15. Yang Z. et al. Development and validation of near-infrared spectroscopy for the prediction of forage quality parameters in Lolium multiflorum. PeerJ. 2017; 5: e3867. https://doi.org/10.7717/peerj.3867

16. Marchesini G., Serva L., Garbin E., Mirisola M., Andrighetto I. Near-infrared calibration transfer for undried whole maize plant between laboratory and on-site spectrometers. Italian Journal of Animal Science. 2018; 17(1): 66–72. https://doi.org/10.1080/1828051x.2017.1345660

17. Ren G., Sun Y., Li M., Ning J., Zhang Z. Cognitive spectroscopy for evaluating Chinese black tea grades (Camellia sinensis): near‐infrared spectroscopy and evolutionary algorithms. Journal of the Science of Food and Agriculture. 2020; 100(10): 3950–3959. https://doi.org/10.1002/jsfa.10439

18. Sánchez M.-T., Torres I., de la Haba M.-J., Chamorro A., Garrido-Varo A., Pérez-Marín D. Rapid, simultaneous, and in situ authentication and quality assessment of intact bell peppers using near-infrared spectroscopy technology. Journal of the Science of Food and Agriculture. 2019; 99(4): 1613–1622. https://doi.org/10.1002/jsfa.9342

19. Andueza D., Picard F., Martin-Rosset W., Aufrère J. Near-infrared spectroscopy calibrations performed on oven-dried green forages for the prediction of chemical composition and nutritive value of preserved forage for ruminants. Applied Spectroscopy. 2016; 70(8): 1321–1327. https://doi.org/10.1177/0003702816654056

20. Harper M.T. et al. Short communication: Preference for flavored concentrate premixes by dairy cows. Journal of Dairy Science. 2016; 99(8): 6585–6589. https://doi.org/10.3168/jds.2016-11001

21. Królczyk J., Tukiendorf M. Using the methods of geostatic function and Monte Carlo in estimating the randomness of distribution of a two-component granular mixture during the flow mixing. Electronic Journal of Polish Agricultural Universities. 2005; 8(4): 78.

22. Eisenberg D. Mix with Confidence. International Milling Flour & Feed. 1994; 31–33.

23. Kumar S., Lahlali R., Liu X., Karunakaran C. Infrared spectroscopy combined with imaging: A new developing analytical tool in health and plant science. Applied Spectroscopy Reviews. 2016; 51(6): 466–483. https://doi.org/10.1080/05704928.2016.1157808

24. Berzaghi P. Cherney J.H., Casler M.D. Prediction performance of portable near infrared reflectance instruments using preprocessed dried, ground forage samples. Computers and Electronics in Agriculture. 2021; 182: 106013. https://doi.org/10.1016/j.compag.2021.106013

25. Барашков Н.Н., Писаренко П.В., Крикунова В.Ю., Сахно Т.В., Крикунов О.А. Ферромагнитные микротрейсеры как индикаторы качества однородности комбикормов для животноводства и птицеводства. Зернові продукти і комбікорми. 2016; (3): 34–40. https://www.elibrary.ru/xchsvx

26. Sakhno T., Krykunova V., Sakhno Y., Barashkov N., Eisenberg D. Preparation of ferromagnetic liquid containing mixed iron oxide/manganese oxide nanoparticles and its use for mixer studies in liquids feeds. Physics of Liquid Matter: Modern Problems. 7th International Conference. Abstracts. Kyiv. 2016; 147.

27. Barashkov N., Eisenberg D., Eisenberg S., Mohnke J. Ferromagnetic microtracers and their use in feed applications. Feed Technology. XII International Symposium. Novi Sad. 2008.

28. Krolczyk J. The effect of mixing time on the homogeneity of multi-component granular systems. Transactions of FAMENA. 2016; 40(1): 45–56.

29. Corrigan O.I., Wilkinson M.L., Ryan J., Harte K., Corrigan O.F. The Use of Microtracers® in a Medicated Premix to Determine the Presence of Tiamulin in Final Feed. Drug Development and Industrial Pharmacy. 1994; 20(8): 1503–1509. https://doi.org/10.3109/03639049409038386

30. Bagliacca M., Paci G., Marzoni M., Lisi E. Impiego di particelle di ferro colorate (Microtracers©) come traccianti dei mangimi e per il controllo della miscelazione. Large Animals Review. 2002; 8(2): 9–12.

31. Nikkhah A. Barley grain for ruminants: A global treasure or tragedy. Journal of Animal Science and Biotechnology. 2012; 3: 22. https://doi.org/10.1186/2049-1891-3-22

32. Черкасов Р.И., Адигамов К.А., Воронин В.В., Гапон Н.В., Сизякин Р.А. Оценка качества смешивания сыпучих материалов с различным размером фракций. Современные проблемы науки и образования. 2015; (2–2): 169. https://www.elibrary.ru/uzjahn

33. Демин О.В., Смолин Д.О., Першин В.Ф. Оценка качества смеси сыпучих материалов на основе анализа их цифровых изображений. Современные проблемы науки и образования. 2013; (2): 157. https://www.elibrary.ru/rxuokp

34. Nikkhah A. Optimizing Barley Grain Use by Dairy Cows: A Betterment of Current Perceptions. Progress in Food Science and Technology. New York: Nova Science Publishers Inc. 2011; 1: 165–178.

35. Restle J., Faturi C., Pascoal L.L., Rosa J.R.P., Brondani I.L., Filho D.C.A. Processamento do grão de aveia para alimentação de vacas de descarte terminadas em confinamento. Ciência Animal Brasileira. 2009; 10(2): 497–503.

36. Nikitin E.A., Pavkin D.Yu., Izmailov A.Yu., Aksenov A.G. Assessing the Homogeneity of Forage Mixtures Using an RGB Camera as Exemplified by Cattle Rations. Applied Sciences. 2022; 12(7): 3230. https://doi.org/10.3390/app12073230

37. Pavkin D.Yu., Belyakov M.V., Nikitin E.A., Efremenkov I.Yu., Golyshkov I.A. Determination of the Dependences of the Nutritional Value of Corn Silage and Photoluminescent Properties. Applied Sciences. 2023; 13(18): 10444. https://doi.org/10.3390/app131810444

38. Никитин Е.А., Семенюк В.С. Анализ проблем эффективного приготовления кормовой смеси в современном животноводстве. Вестник Всероссийского научно-исследовательского института механизации животноводства. 2019; (2): 158–163. https://www.elibrary.ru/kjpyil

39. Беляков М.В., Никитин Е.А., Ефременков И.Ю. Эффективность фотолюминесцентного метода контроля гомогенности кормовых смесей в животноводстве. Сельскохозяйственные машины и технологии. 2022; 16(3): 55–61. https://doi.org/10.22314/2073-7599-2022-16-3-55-61

40. Кирсанов В.В., Беляков М.В., Никитин Е.А., Благов Д.А., Михайличенко С.М. Спектральный анализ как инструмент определения качества смешивания многокомпонентной кормовой смеси. Вестник Башкирского государственного аграрного университета. 2023; (3): 41–46. https://www.elibrary.ru/rcobbx

41. Кирсанов В.В., Павкин Д.Ю., Никитин Е.А., Кирюшин И.A. Применение систем технического зрения для диагностики качества кормов КРС. Аграрная наука Евро-Северо-Востока. 2021; 22(5): 770–776. https://doi.org/10.30766/2072-9081.2021.22.5.770-776

42. Lednev V.N., Sdvizhensky P.A., Grishin M.Yu., Nikitin E.A., Gudkov S.V., Pershin S.M. Improving Calibration Strategy for LIBS Heavy Metals Analysis in Agriculture Applications. Photonics. 2021; 8(12): 563. https://doi.org/10.3390/photonics8120563

43. Горлов И.Ф. и др. Влияние новой пребиотической кормовой добавки на естественную резистентность и продуктивность свиней крупной белой породы. Вестник Башкирского государственного аграрного университета. 2023; (3): 36–41. https://www.elibrary.ru/cbmmhi