Методика и результаты натурных испытаний системы цифрового мониторинга экстерьера молочных коров

В агропромышленном комплексе России существует запрос на технологии цифровизации процесса сбора линейных параметров экстерьера животных, в особенности молочных коров. Переход от субъективной ручной бонитировки к унифицированной автоматической позволит резко увеличить производительность и точность проведения подобных операций.

Цели исследования — составление методики и проведение первичного натурного испытания системы цифрового мониторинга экстерьера молочных коров.

Исследование проводили на действующей молочно-товарной ферме в Московской области, все животные принадлежали к черно-пестрой зебувидной породе. Оценивали пригодность проходного бокса системы цифрового мониторинга к прохождению молочных коров, работоспособность и погрешность 8 блоков камер, возможный стресс животных, а также общую устойчивость системы. Для сбора изображений использовали трехмерные времяпролетные камеры M5 3D TOF RGB и стереопары из расположенных на плате двух объективов 1/3-Inch CMOS OV4689. В сумме система из 8 блоков камер, расположенных сверху и сбоку от проходного бокса системы цифрового мониторинга, позволяет одномоментно делать снимки каждого животного со всех сторон, обеспечивая измерение 18 основных промеров тела коровы и расчет 12 индексов телосложения. В результате определили, что блокам камер удается захватывать изображение животных, двигающихся в проходном боксе системы цифрового мониторинга без остановки. Погрешность разрешения собираемой из снимков карты расстояний составила ±10 мм. Подтвердили, что животные спокойно шли в проходном боксе системы цифрового мониторинга, не демонстрируя признаков чрезмерного стресса.

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. Юрочка С.С., Хакимов А.Р, Павкин Д.Ю., Базаев С.О., Комков И.В. Обзор исследований и технологий, применимых для цифровизации процесса оценки экстерьера животных в мясном и молочном животноводстве. Аграрная наука. 2024; (4): 114-122. https://doi.org/10.32634/0869-8155-2024-381-4-114-122

4. Alem 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/su13041841

5. Halachmi I., Guarino M. Editorial: Precision livestock farming: a ‘per animal’ approach using advanced monitoring technologies. Animal. 2016; 10(9): 1482-1483. https://doi.org/10.1017/S1751731116001142

6. Батанов 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/10.31563/1684-7628-2019-49-1-55-62

7. Харченко 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/hchsjb

8. Чиндалиев 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/hycfxa

9. Wilkins J.F., McKiernan W.A., Walmsley B.J., McPhee M.J. Automated data capture using laser technology to enhance live cattle assessment and description. Australian Farm Business Management Journal. 2015; 12: 70-77. https://doi.org/10.22004/ag.econ.284945

10. Hansen M.F., Smith M.L., Smith L.N., Jabbar K.A., Forbes D. Automated monitoring of dairy cow body condition, mobility and weight using a single 3D video capture device. Computers in Industry. 2018; 98: 14-22. https://doi.org/10.1016/j.compind.2018.02.011

11. O’Leary N., Leso L., Buckley F., Kenneally J., McSweeney D., Shalloo L. Validation of an Automated Body Condition Scoring System Using 3D Imaging. Agriculture. 2020; 10(6): 246. https://doi.org/10.3390/agriculture10060246

12. Banhazi T.M. etal. Precision Livestock Farming: An international review of scientific and commercial aspects. International Journal of Agricultural and Biological Engineering. 2012; 5(3): 1-9. https://doi.org/10.3965/j.ijabe.20120503.001

13. Башилов А.М., Королев В.А. Видеоцифровое системнометрическое управление агротехнологическими процессами. Вестник аграрной науки Дона. 2019; (4): 68-75. https://elibrary.ru/vsyvcn

14. Buller 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/ani10101779

15. Xue T., Qiao Y, Kong H., Su D., Pan S., Rafique K. One-Shot Learning-Based Animal Video Segmentation. IEEE Transactions on Industrial Informatics. 2022; 18(6): 3799-3807. https://doi.org/10.1109/TN.2021.3117020

16. Jones J.W. etal. 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.2016.09.021

17. Упелниек В.П., Завгородний С.В., Махнова Е.Н., Сенатор С.А. История происхождения и перспективы распространения зебувидного типа черно-пестрой породы крупного рогатого скота (обзор). Достижения науки и техники АПК. 2020; 34(12): 66-72. https://elibrary.ru/cerfph

18. Юрочка С.С., Павкин Д.Ю., Хакимов А.Р, Бердюгин П.С., Базаев С.О. Оценка стереокамер для цифрового мониторинга экстерьера коров. Сельскохозяйственные машины и технологии. 2024; 18(4): 34-40. https://doi.org/10.22314/2073-7599-2024-18-4-34-40