Модернизация доильной системы устройством экспресс-анализа качества молока

Используемые в России доильные системы имеют потенциал модернизации устройствами поточного контроля параметров качества молока. Контроль состава молока и отслеживание аномалий в концентрации соматических клеток в режиме реального времени особенно важны для оперативного реагирования на изменение параметров физиологического состояния животных и своевременного вмешательства до попадания некачественного молока в общий резервуар. В данной работе приведен пример модернизации доильной системы «Елочка» функцией оценки качества молока в процессе доения. Используемое для модернизации доильной системы устройство экспресс-анализа качества молока является оптическим и не влияет на протекание потока молока в молочном шланге доильной системы. Устройство позволяет проводить поточный анализ процентной концентрации жира и количественный анализ концентрации соматических клеток в молоке с пороговым уровнем обнаружения 900–1000 тыс. клеток / мл, анализируя поток объемом до 6 л/мин. В исследовании в два этапа оценивалась работоспособность устройства анализировать сырое коровье молоко с двумя отличающимися параметрами жирности — 2,53% и 3,16% и концентрацией 1 × 10⁶ соматических клеток на 1 мл. В результате эксперимента среднее значение ± стандартное отклонение жирности составили (2,75 ± 0,16)% и (3,37 ± 0,20)%, а соматических клеток — (0,096 ± 0,007) у. е. и (0,102 ± 0,006) у. е, что соответствует диапазону 900–1000 тыс. клеток / мл. Погрешности средних значений измеряемой жирности молока составили 0,2–0,3% жирности измеряемого молока. Максимальный коэффициент вариации для измерений жирности — 6%, а для качественного анализа соматических клеток — 7%, что демонстрирует стабильность работы устройства и успешность модернизации доильной системы. В дальнейшем будет продолжено совершенствование системы, обеспечивающей поточный мониторинг процесса доения.

1. Лобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства. Сельскохозяйственные машины и технологии. 2021; 15(4): 6‒10. https://doi.org/10.22314/2073-7599-2021-15-4-6-10

2. Ценч Ю.С. Научно-технический потенциал как главный фактор развития механизации сельского хозяйства. Сельскохозяйственные машины и технологии. 2022; 16(2): 4‒13. https://doi.org/10.22314/2073-7599-2022-16-2-4-13

3. Zolkin A.L., Matvienko E.V., Bityutsky A.S., Shamina S.V., Dragulenko V.V. Introduction of advanced information technologies in agriculture. E3S Web of Conferences. V International Scientific Forum on Computer and Energy Sciences (WFCES 2023). 2023; 419: 03002. https://doi.org/10.1051/e3sconf/202341903002

4. Zhuravleva L., Zarubina E., Ruchkin A., Simachkova N., Chupina I. Development of the agrarian and industrial complex of Russia through the use of new technologies. E3S Web of Conferences. International Scientific and Practical Conference “Ensuring the Technological Sovereignty of the Agro-Industrial Complex: Approaches, Problems, Solutions” (ETSAIC2023). 2023; 395: 05007. https://doi.org/10.1051/e3sconf/202339505007

5. Chernyakov M., Chemyakova M., Suleymanov Sh. The use of digital technologies in the agro-industrial complex. International Scientific and Practical Conference “Current Issues of Biology, Breeding, Technology and Processing of Agricultural Crops” (CIBTA2022). Conference Proceedings (To the 110th anniversary of V.S. Pustovoit All-Russian Research Institute of Oil Crops). 2023; 277: 020007-1–020007-6. https://doi.org/10.1063/5.0140164

6. Tsvetkova I.I., Vakhovskaya M.Yu. The use of digital technologies in agricultural management. II International Conference on Agriculture, Earth Remote Sensing and Environment (RSE-II-2023). Les Ulis. 2023; 392: 01028. https://doi.org/10.1051/e3sconf/202339201028

7. Burmistrov D.E. et al. Application of Optical Quality Control Technologies in the Dairy Industry: An Overview. Photonics. 2021; 8(12): 551. https://doi.org/10.3390/photonics8120551

8. Khakimov A.R., Pavkin D.Yu., Yurochka S.S., Astashev M.E., Dovlatov I.M. Development of an Algorithm for Rapid Herd Evaluation and Predicting Milk Yield of Mastitis Cows Based on Infrared Thermography. Applied Sciences. 2022; 12(13): 6621. https://doi.org/10.3390/app12136621

9. Баеринас М.Н., Неверова О.П., Горелик О.В., Гриценко С.А., Ребезов М.Б., Исаева К.С. Динамика вариации молочных признаков у коров при применении кормовой добавки «ВивАктив». Аграрная наука. 2024; (5): 63–68. https://doi.org/10.32634/0869-8155-2024-382-5-63-68

10. Белооков А.А., Белоокова О.В., Горелик О.В., Ребезов М.Б. Состав и свойства молока коров черно-пестрой породы разных генотипов. Аграрная наука. 2023; (3): 62–69. https://doi.org/10.32634/0869-8155-2023-368-3-62-69

11. Канев П.Н., Горелик О.В., Харлап С.Ю., Горелик А.С., Ребезов М.Б. Сопряженность продуктивных признаков молочного скота голштинской породы. Аграрная наука. 2024; (3): 92–97. https://doi.org/10.32634/0869-8155-2024-380-3-92-97

12. He C., He H., Chang J., Chen B., Ma H., Booth M.J. Polarisation optics for biomedical and clinical applications: a review. Light: Science & Applications. 2021; 10: 194. https://doi.org/10.1038/s41377-021-00639-x

13. Ghosh N., Vitkin A.I. Tissue polarimetry: concepts, challenges, applications, and outlook. Journal of biomedical optics. 2011; 16(11): 110801. https://doi.org/10.1117/1.3652896

14. Ramella-Roman J.C., Saytashev I., Piccini M. A review of polarization-based imaging technologies for clinical and preclinical applications. Journal of Optics. 2020; 22(12): 123001. https://doi.org/10.1088/2040-8986/abbf8a

15. Li P. et al. Temperature dependent red luminescence from a distorted Mn4+ site in CaAl4O7: Mn4+. Optics Express. 2013; 21(16): 18943‒18948. https://doi.org/10.1364/OE.21.018943

16. Karoui R., De Baerdemaeker J. A review of the analytical methods coupled with chemometric tools for the determination of the quality and identity of dairy products. Food Chemistry. 2007; 102(3): 621‒640. https://doi.org/10.1016/j.foodchem.2006.05.042

17. Агеев А.И., Осипцов А.Н. Сдвиговое течение вязкой жидкости над каверной, содержащей пульсирующий пузырек газа. Доклады Российской академии наук. Физика, технические науки. 2020; 493: 38‒41. https://doi.org/10.31857/S2686740020030037

18. Chue-Sang J., Bai Y., Stoff S., Straton D., Ramaswamy S.D., Ramella-Roman J.C. Use of combined polarization-sensitive optical coherence tomography and Mueller matrix imaging for the polarimetric characterization of excised biological tissue. Journal of Biomedical Optics. 2016; 21(7): 071109. https://doi.org/10.1117/1.JBO.21.7.071109

19. Khakimov A.R. et al. Effects of Milking System Operating Conditions on the Milk-Fat-Percentage Measuring Accuracy of an Inline Light-Scattering Sensor. Applied Sciences. 2023; 13(21): 11836. https://doi.org/10.3390/app132111836

20. Shkirin A.V., Astashev M.E., Ignatenko D.N., Suyazov N.V., Vedunova M.V., Gudkov S.V. Laser Scatterometric Device for Inline Measurement of Fat Percentage and the Concentration Level of Large-Scale Impurities in Milk. Applied Sciences. 2022; 12(24): 12517. https://doi.org/10.3390/app122412517

21. Шкирин А.В., Асташев М.Е., Игнатенко Д.Н., Козлов В.А., Гудков С.В. Флуоресцентно-скаттерометрическая методика измерения процентного содержания дисперсных компонентов эмульсий в применении к оценке качества молока. Краткие сообщения по физике ФИАН. 2023; 50(5): 14‒24. https://www.elibrary.ru/kabwrz