doi: 10.15389/agrobiology.2024.6.1131rus
УДК 636.08:004.942
Исследование выполнено за счет гранта Российского научного фонда № 23-19-20081, https://rscf.ru/project/23-19-20081/ и Санкт-Петербургского научного фонда.
АНАЛИЗ ДИНАМИКИ ФИЗИОЛОГИЧЕСКОГО СОСТОЯНИЯ ПРОДУКТИВНЫХ КОРОВ НА ОСНОВЕ ВИДЕОМОНИТОРИНГА
В.Ю. ОСИПОВ1, С.В. КУЛЕШОВ1, А.А. ЗАЙЦЕВА1,
В.Н. СУРОВЦЕВ1 ✉, В.В. АЧИЛОВ1, 2
В условиях крупных современных молочных комплексов растет потребность в оперативном контроле здоровья и физиологического состояния высокопродуктивных коров с помощью концептуально новых и более совершенных технологий сбора и анализа информации на основе интеллектуальных систем видеомониторинга. Большую часть болезней животных можно выявить и предотвратить на ранних стадиях, тщательно фиксируя внешние проявления и поведение животных и оперативно реагируя на эти сигналы. Такие системы должны быть экономически целесообразными, обеспечивать требуемый прирост эффективности животноводства при минимальных расходах на мониторинг и обработку видеоинформации. Отсутствие точных методов обоснования требований к интеллектуальным системам видеомониторинга на молочных комплексах влечет за собой риски неоправданного расхода средств и тормозит разработку и применение систем мониторинга. В представленном сообщении описан предлагаемый нами метод обоснования требований к таким системам, основанный на разработанной марковской модели продуктивной жизни молочного стада и оценки эффективности производства продукции. Выделены 16 состояний этого процесса, включая состояния, связанные с заболеваниями коров: 1 — выранжировка; 2 — неосеменение здоровых коров в фазу стабилизации лактации (удлиненный сервис-период); 3 — стабилизация лактации здоровых коров (охота, осеменение, первый этап стельности); 4 — спад лактации здоровых коров (интенсивный рост плода и снижение молочной продуктивности); 5 — сухостойное состояние здоровых коров (не доятся, в запуске); 6 — транзитный период перед отелом здоровых коров (в родильном отделении); 7 — отел и послеотельный период у здоровых коров; 8 — раздой здоровых коров (рост молочной продуктивности, восстановление здоровья после отела, подготовка к осеменению); 9 — неосеменение больных коров в фазу стабилизации лактации; 10 — стабилизация лактации у больных коров; 11 — спад лактации больных коров; 12 — сухостойное состояние больных коров; 13 — транзитный период перед отелом больных коров; 14 — отел и послеотельный период больных коров; 15 — раздой больных коров; 16 — вынужденная выбраковка больных коров. Применяемая модель также может использоваться самостоятельно для анализа динамики физиологического состояния коров в различных условиях и прогнозирования возможных событий. С применением этой модели получены аналитические зависимости, связывающие во времени доход от продуктивных коров с их физиологическими состояниями и с вероятностями распознавания признаков и самих заболеваний животных интеллектуальной системой видеомониторинга. Зависимости реализованы через интенсивности лечебно-профилактических переходов коров из одних состояний в другие как функций от параметров развития различных заболеваний и мероприятий по их своевременному выявлению, предупреждению и лечению. Показано, что, задаваясь желаемой доходностью продуктивных коров, с использованием таких зависимостей можно успешно обосновывать требования к точности и своевременности решения задач видеомониторинга. Приведены графики, отражающие изменение интегральной эффективности молочного стада от различных возможностей системы видеомониторинга физиологического состояния коров в состояниях 2, 3, 4, 8 и в 9, 10, 11, 15. Сформулированы предложения по составу и структуре перспективной системы видеомониторинга, отражены возможные варианты ее конфигурации. Численно подтверждено, что основной фактор повышения экономической эффективности молочного стада за счет применения нейросетевого видеомониторинга — увеличение вероятности своевременного распознавания признаков заболеваний у коров и проведения соответствующих профилактических мероприятий. Это не только обеспечивает высокий уровень здоровья молочного стада, но и позволяет минимизировать затраты на сам видеомониторинг. Предложенная модель не противоречит объективным закономерностям продуктивной жизни коров стада. Для качественного использования модели планируется опираться на точные значения интенсивностей переходов коров из одних состояний коров в другие. В интересах этого планируется в дальнейшем провести анализ данных, накопленных в Ленинградской области. Также наряду с решением обратной задачи анализа с применением предложенной модели предусматривается прогнозирование состояний коров в зависимости от проводимых мероприятий.
Ключевые слова: коровы, физиологическое состояние, марковская модель молочного стада, интеллектуальная система мониторинга, ранняя диагностика заболеваний.
ANALYSIS OF THE PHYSIOLOGICAL STATE DYNAMICS IN DAIRY COWS BASED ON VIDEO MONITORING
V.Yu. Osipov1, S.V. Kuleshov1, A.A. Zaytseva1, V.N. Surovtsev1✉,
V.V. Achilov1, 2
In modern conditions in agriculturer, there is a growing need to develop conceptually new, effective technologies for collecting and analyzing information that provide operational monitoring of the health and physiological state of animals. Most cow diseases can be detected and prevented in the early stages by carefully recording and promptly responding to “cow’s signals”. It is necessary to have more advanced methods and intelligent video monitoring systems for the health and physiological state of highly productive cows at large dairy complexes. These systems must be economically feasible and provide the required increase in the efficiency of livestock farming with minimal costs for monitoring and processing video information. The lack of precise methods for substantiating the requirements for intelligent video monitoring systems for the health and physiological state of cows on dairy farms entails the risks of unjustified expenditure of funds and failure to achieve the goals pursued, which slows down the flow of investment in their development and implementation. To eliminate such risks, the article proposes a method for justifying the requirements for such systems, based on the developed Markov model of the life of a dairy herd and assessing the efficiency of production. Sixteen states of this process are identified, including states associated with diseases of cows: 1 — ranking; 2 — failure to inseminate healthy cows in the stabilization phase of lactation (extended service period); 3 — stabilization of lactation of healthy cows (hunting, insemination, first stage of pregnancy); 4 — decline in lactation of healthy cows (intensive fetal growth and decreased milk productivity; 5 — dry state of healthy cows (not milked, in the start-up); 6 — transit period before calving of healthy cows (in the maternity ward); 7 — calving and post-calving period of healthy cows; 8 — milking of healthy cows (increase in milk production, restoration of health after calving, preparation for insemination); 9 — non-insemination of sick cows in the phase of stabilization of lactation; 10 — stabilization of lactation of sick cows; 11 — decline in lactation of sick cows; 12 — dry condition of sick cows; 13 — transit period before calving of sick cows; 14 — calving and post-calving period of sick cows; 15 — milking of sick cows; 16 — forced culling of sick cows. The model proposed in the method can also be applied independently to analyze the dynamics of the physiological state of cows under various conditions and predict possible events. Using this model, analytical dependencies were obtained that link the income from productive cows with their physiological states and with the probabilities of recognizing the signs and diseases of animals by the intelligent video monitoring system. The dependencies are realized through the intensities of therapeutic and preventive transitions of cows from one state to another as functions of the parameters of development of various diseases and measures for their timely detection, prevention and treatment. It is shown that, given the desired income from productive cows, using such dependencies, it is possible to successfully justify the requirements for the accuracy and timeliness of solving video monitoring problems. Graphs are given that reflect the change in the integral efficiency of the dairy herd from various capabilities of the video monitoring system for the physiological state of cows in states 2, 3, 4, 8 and 9, 10, 11, 15. Proposals for the composition and structure of such a system are formulated, and possible options for its configuration are reflected. It has been numerically confirmed that the main direction for increasing the economic efficiency of dairy herds through the introduction of intelligent video monitoring systems is to increase the likelihood of timely recognition of signs of cow diseases and carrying out preventive measures to prevent them. This ensures not only a high level of health of the dairy herd, but also minimizes the costs of video monitoring itself. The c model does not contradict the objective laws of the productive life of cows in the herd. For the qualitative use of the model, it is planned to rely on the exact values of the intensities of cow transitions from one cow state to another. For this, it is planned to further analyze the accumulated data in the Leningrad region. In addition, along with solving the inverse analysis problem using the proposed model, we plan to predict the conditions of cows depending on the activities carried.
Keywords: cows, physiological state, Markov model of a dairy herd, intelligent monitoring system, early diagnosis of diseases.
1ФБГУН Санкт-Петербургский Федеральный |
Поступила в редакцию |
