КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ

Номер 23-76-10041

НазваниеИсследования и прогнозирование селекционных и морфофизиологических параметров генетического потенциала крупного рогатого скота на основе оптической технологии

РуководительЮрочка Сергей Сергеевич, Кандидат технических наук

Организация финансирования, регион Федеральное государственное бюджетное научное учреждение "Федеральный научный агроинженерный центр ВИМ", г Москва

Период выполнения при поддержке РНФ 07.2023 - 06.2026 

Конкурс№85 - Конкурс 2023 года «Проведение исследований научными группами под руководством молодых ученых» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными.

Область знания, основной код классификатора 06 - Сельскохозяйственные науки, 06-204 - Животноводство

Ключевые словаЖивотноводство, молочное скотоводство, коровы, линейная оценка экстерьера, селекция, хозяйственно-биологические показатели, селекционно-генетические параметры, корреляция, наследуемость, степень реализации генетического потенциала, коэффициент адаптации.

Код ГРНТИ68.39.13

 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
В России перед животноводческой отраслью стоит необходимость увеличить долю отечественного племенного скота и улучшить генетический потенциал крупного рогатого скота мясных и молочных пород (Федеральная научно-техническая программа развития сельского хозяйства на 2017-2025 годы. Многими отечественными учеными установлено, что существуют отраслевые зоотехнические сложности связанные с работой с скотом, которые не позволяют в полной мере решить поставленные государством задачи. Актуальность решения заключается в том, что результаты проекта позволят решить описанные проблемы, применяя современные технологии и подходы. Первая проблема в животноводческой отрасли – урбанизация и нехватка кадров для выполнения всех производственных процессов. Существующий отток специалистов из сельскохозяйственных регионов, образует кадровый дефицит специалистов на животноводческих фермах. Кадровый дефицит приводит на большинстве ферм приводит к упразднению процесса бонитировочных работ, племенной работе над скотом и породой. Из практики это объясняется тем, что сотрудники фермы выполняют задачи, которые поддерживают жизнеспособность хозяйств, и не хватает ресурсов на работу со стадом. Так как не проводится основная работа с скотом, достижения в области улучшения генетического потенциала пород также замедлено. Вторая проблема - отсутствие повсеместного распространения на рынке России (а также и на зарубежном рынке) оптического инструмента, который позволил бы автоматически проводить племенную работу с скотом и снизил нагрузку с фермеров. Сегодня получение линейных параметров экстерьера, расчет генетического потенциала животных производится вручную, Третья проблема – связана с геополитическими событиями. На рынке России были частично распространены цифровой продукт, который позволял оценивать балл упитанности животных. Сегодня зарубежные компании отменили поддержку продуктов в России. При отсутствии цифрового продукта, те фермеры, которые совершили переход в новый технологический уклад, вынуждены будут вернуться к ручной работе с скотом. Четвертая проблема – на племенных фермах разработанные методические пособия по оценке животных, которые имеют частично устаревшую информацию. Проведение исследований селекционных, морфофизиологических и экстерьерных параметров цифровой технологией для анализа и прогнозирования генетического потенциала крупного рогатого скота позволит решить описанные проблемы и поможет в реализации поставленных перед отраслью задач. Научная новизна проекта заключается в получении впервые с использованием оптических технологий и комплекса селекционно-генетических параметров хозяйственно-биологических показателей продуктивности у коров разного поколения, и линий, а именно матерей и их дочерей. Впервые будет выявлен коэффициент корреляции между показателями продуктивности с хозяйственно-биологическими показателями коров разного поколения и линий. Установлен определенный уровень коэффициента наследуемости хозяйственно-биологических показателей продуктивности коров матерей и их дочерей. Впервые будет проведена характеристика степени реализации продуктивности коров разного линейного происхождения. В получении, с использованием бесконтактных технологий, интеллектуальных алгоритмов, математических моделей и методов определения: 12 индексов телосложения, 18 основных промеров крупного рогатого скота - позволяющих осуществлять автоматическую линейную оценку экстерьера животных, производить раннюю диагностику физиологического состояния животных. В дифференцированном подходе анализа популяций лейкоцитов (моноциты, нейтрофилы, базофилы, эозинофилы, лимфоциты) и установлении динамики их изменений с учетом роста и развития телят и сезоном года. В методика создания цифровой эталонной модель животного на основании селекционных и морфофизиологических и экстерьерных показателях.

Ожидаемые результаты
-проанализированы селекционно-генетические параметры хозяйственно-биологических показателей у коров; -установлена взаимосвязь между хозяйственно-биологическими показателями коров разного поколения и линейного происхождения; -установлена наследуемость хозяйственно-биологических показателей продуктивности коров разного поколения и линейного происхождения; -описана характеристика степени реализации генетического потенциала хозяйственно-биологических показателей коров отдельных быков-производителей; -исследована динамика изменения морфологических показателей крови (лейкоциты и их популяция, эритроциты, гемоглобин) дойных коров с целью установления оптимальных границ физиологических норм, при которых будет определена продуктивность, не оказывающая отрицательного влияния на здоровье скота; -разработаны методы и математические модели определения 18 основных промеров, 12 индексов телосложения; -обоснованы рациональные конструктивные и режимно-технологические параметры функционирования макета; -выявлена зависимость между показателями крови и физиологическим состоянием коров; -будет проведен анализ биохимических показателей белкового, углеводного, минерального, ферментного метаболизма коров с целью выявления динамики их изменений и прогнозирования продуктивности животных и качества получаемой продукции. -разработан макет интеллектуальной системы бесконтактной оценки экстерьерных показателей крупного рогатого скота с возможностью оценки и прогнозирования их продуктивности; -патент на изобретение интеллектуальной системы бесконтактной оценки экстерьерных показателей крупного рогатого скота с возможностью оценки и прогнозирования их продуктивности; -произведены лабораторные и близкие к натурным условиям испытания макета интеллектуальной системы бесконтактной оценки экстерьерных показателей крупного рогатого скота в связи и их продуктивностью на животноводческой ферме; -выявлено достоверное влияние отдельных статей экстерьера, как прогноз молочно-мясного направления продуктивности; -разработан метод использования морфологического состава крови как «тест – прогноз» продуктивности молочного скота. -установлена динамика изменений показателей белкового, углеводного, минерального, ферментного метаболизма телят с учетом их возраста; -установлена зависимость между показателями крови и рахитом телят; -установлена зависимость между баллом упитанности крупного рогатого скота и живой массой животного для диагностики физиологического состояния; -установлена взаимосвязь величины промеров вымени с молочной продуктивностью крупного рогатого скота. -установлена взаимосвязь между факторами, влияющими на показатели роста, развития, продуктивности и хозяйственно-биологическими показателями коров; -определены и проранжированы по важности отрицательные и положительные критерии и факторы влияющие на рост и развитие телят с 1 по 18 месяц жизни при интенсивном выращивании телят; -разработана методика создания «модельного» (эталонного) животного исследуемого стада, содержащая селекционные, морфофизиологические параметры и экстерьерные параметры коров; -базы данных по хозяйственно-биологическим показателям продуктивности коров и разной линейной принадлежности с учетом показателей экстерьера. -интеллектуальные алгоритмы оценки экстерьерных показателей коров и определения коэффициента наследуемости до 3 поколения хозяйственно-биологических показателей крупного рогатого скота; -разработана технология бесконтактной оценки экстерьерных показателей крупного рогатого скота с возможностью анализа и прогнозирования генетического потенциала крупного рогатого скота; -проведена технико-экономическую оценка внедрения технологии и результатов исследований в отрасль животноводства. В рамках выполнения заявленного проекта предполагается создание новой технологии, выявление новых зависимостей и взаимосвязей, разработка интеллектуальных алгоритмов и математических моделей оценки экстерьерных и хозяйственно-биологических параметров крупного рогатого скота, которые в ходе реализации проекта послужат основной для перехода процессов воспроизведения и выращивания коров в новый технологический уклад, позволяющий эффективно выполнять процессы по разведению и выращиванию скота. Фундаментальная научная значимость заключается в полученных новых знаниях, зависимостях, взаимосвязях и методах генотипической оценки при условиях интенсивного ведения животноводства. Исследования и разработка интеллектуальных цифровых решений позволят ускорить процесс качественного преобразования имеющихся популяций животных, значительно увеличить их генетический потенциал, хозяйственную полезность, снизить количество малоэффективных скрещиваний, и тем самым повысить экономическую эффективность отрасли в целом. Полученные результаты позволят проводить более углубленные исследования в области генетического потенциала животных усовершенствуя существующие и выводя новые породы животных, где, используя разработанную технологию и макет, автоматически оценивать их экстерьерные показатели. Прикладная научная значимость результатов выполнения проекта позволит применить результаты разработанной технологии оценки экстерьера коров и адаптировать технологию для мясного направления, для мелкого рогатого скота, тем самым исключив ручной труд и все вытекающие из этого проблемы. Позволит разработать цифровые решения оценки экстерьера молочного скота. Практическая научная значимость заключается в возможности внедрить полученные новые знания, зависимости, технологию, макет в процесс обучения студентов в сельскохозяйственных институтах, разработанные интеллектуальные алгоритмы, математические модели, режимы работы возможно внедрить по завершению проекта в процесс обучения студентов в технических институтах для обучения студентов работе с искусственным интеллектом и системами технического зрения. Практическая научная значимость заключается в том, что применив результаты проекта в племенных и товарных фермах, возможно скорректировать и сделать более эффективными план разведения животных, процесс выращивания телят. Полученные результаты по разработке технологии, макета и программному обеспечению превосходят отечественные и зарубежные исследования и разработки по следующим показателям: техническое превосходство - используются трехмерные камеры, основанные на передовой спектральной времяпролетной технологии (3D TOF) с диапазоном волн 940 нм, которые позволяют проводить исследования как в помещениях, так и на улице в яркую солнечную погоду, 3D TOF камеры позволяют добиться высокой точности при получении трехмерных камер, где погрешность при измерении расстояния от камеры до объекта не превышает 1 см на 1 метр расстояния, искусственный интеллект позволяет определять искомые области интереса, от которых ведется расчёт по всем остальным параметрам экстерьера; превосходство по технологии – технология предполагает автоматическое сканирование животных с ранней диагностикой развития кетоза, с фиксацией изменений по хозяйственно-биологическим и экстерьерным показателям, с прогнозированием роста и развития животных, а также их продуктивностью в будущем, с прогнозом хозяйственно-биологических и экстерьерных показателей потомства; с научной точки превосходство исследования в новых выявленных зависимостях, которые ранее не были установлены и исследованы в полной мере для отечественных пород скота, в разработанных интеллектуальных алгоритмах и математических моделей, которые послужат основой для продолжения последующих исследований в области создании биометрии для крупного рогатого скота. Разработка технологии подразумевает под собой разработку: описание научной и общественной значимости разработанной технологии, создание концепта устройства, схемы функционирования, обоснование способов и методов установки исполнительных механизмов (трехмерных камер), разработку общего алгоритма и режимов работы разрабатываемой системы, расчет экономической эффективности. На базе разработанной технологии, будет разработан макет системы. Основная задача макета системы, используя бесконтактную времяпролетную технологию, просканировать животное со спины, с боков, чтобы при дальнейшей работе автоматически определить у животных 18 основных промеров, 12 индексов телосложения. Используя полученные трехмерные карты от времяпролетных камер, которые содержат облака точек (где каждая точка является поверхностью на теле животного и содержит в себе координаты по XYZ) возможно найти расстояние между любыми точками используя Евклидову трехмерную геометрию. Чтобы определить какие конкретно точки относятся к тому или иному параметру будет использована искусственная нейронная сеть для определения основных ведущих точек, например, для определения хребта коровы, маклаков, для определения хвостовой связки, определения сосков вымени, определения главных точек передних и задних ног (полный набор основных ведущих точек, определяется в ходе НИОКР). Далее, остальные точки будут рассчитаны исходя из разработанных математических моделей по расчёту всех параметров. Целесообразность такого подхода при использовании искусственных нейронных сетей и математических моделей для определения искомых параметров, обоснована тем, чтобы снизить риски и необходимость сбора огромного количества выборки данных для обучения нейронной сети. К автоматически определяемым 18 основным промерам относятся: длина головы, длина лба наибольшая ширина лба высота в холке, высота спины, высота поясницы, высота крестца, глубина груди, прямая длина туловища, косая длина туловища, косая длина зада, ширина груди за лопатками, ширина зада в маклоках, ширина таза в тазобедренных сочленениях, ширина зада в седалищных буграх, обхват груди за лопатками, обхват пясти, полуобхват зада. К 12 индексам телосложения относятся индексы: длинноногости, растяутоности, перерослости, костистости, большеголовости, массивности, мясности, тазо-грудной, шилозадости, грудной, сбитости, широколобости. Таким образом, чтобы определить макетом вышеописанные экстерьерные показатели коров будут применены в соответствии с разработанной технологией результаты: обученых нейронных сетей на распознавание областей интереса; математические модели, базирующиеся в том числе и на основах Евклидовой геометрии работающие совместно с областями интереса, определяемыми нейронными сетями и остальными искомыми точками; разработаны режимы работы макета и алгоритмы его функционирования. Перед использованием разработанный макет, а также отдельные его узлы (времяпролетные трехмерные камеры) будут испытаны на корректность выдаваемых значений, где автоматически бесконтактно измеряемое расстояние будет сравниваться с результатами ручного замера. По результатам испытания макета его погрешность при измерении должна быть не более 7%. Таким образом будет разработан макет, являющийся цифровым бесконтактным инструментом, который будет использоваться в исследованиях текущего проекта при оценке экстерьера животных. Разработанный макет будет являться более эффективным и современным инструментом, чем его аналог – использование ручного замера с применением мерной палки и мерной ленты. Макет будет использоваться для оценки упитанности, оценки экстерьера коров. Выявление зависимостей между средней температурой, в которой развивался теленок с 1 по 18 месяц жизни, влажностью, освещенностью позволит, при ежемесячном анализе крови, бесконтактной оценке развития экстерьера оценить обменные процессы, протекающие в организме телят. Выявление зависимости важно для последующего применения в прогнозировании, корректировки роста и развития телят, когда необходимо повлиять на рост и развитие телят, изменяя рацион, активность или используя медицинские препараты. Например, одним из факторов роста телят, является содержание витамина D в крови животных, который в основном вырабатывается при воздействии световых потоков, а при недостатке света может быть восполнен медикаментозно. Выявление зависимости между показателями микроклимата и полновозрастными группами крупного рогатого скота, например, позволят оценить уровень лейкоцитов 5-diff (путем анализа крови) и установить заболевание, интоксикацию, некоторые вирусные инфекции и связать это с условиями микроклимата, в которых содержатся животные. Выявленная зависимость, с учетом уровня ее адекватности и корреляции будет добавлена в интеллектуальные алгоритмы, которые в последующем позволят при наличии похожих условий давать рекомендации по корректировке роста и развития телят на товарных и племенных фермах. Выявленная взаимосвязь между среднесуточными привесами, освещенность и температурой (при соблюдении чистоты эксперимента, одинакового рациона, поения, условий содержания и т.д) позволит выявить влияние рассматриваемых параметров микроклимата на количество потребляемого рациона телятами. Это даст понимание какой как варьирование этими параметрами влияет на поедаемость кормов, не прибегая к дополнительным методам воздействия. Кроме этого, повышенная поедаемость рациона положительно скажется и на среднесуточных привесах, так как в организм телят будет больше поступать питательных веществ со съеденными кормами. Будут проведены гематологические исследования у молодняка КРС с 1 по 18 месяц. Проведение гематологических исследований позволит установить динамику изменения биохимического состава крови при варьирование освещением, температурой и влажностью на организм молодняка КРС. Это позволит установить, как меняется видовой состав клеток, а также изменяется содержание белка, минералов и ферментов в крови на различных возрастных периодах. Будет создана одна или несколько баз данных влияния параметров микроклимата освещение, температура и влажность на рост и развития телят. Созданная одна или несколько базы данных позволят устанавливать сценарии освещения для достижения оптимального роста и развития животных. Дополнительно будут разработаны требования к работе микроклимату ферм. В молочном скотоводстве основной задачей селекционно-племенной работы является совершенствование продуктивных качеств животных. Селекционно-генетические параметры позволяют определить оптимальные направления при организации селекционно-племенной работы в конкретных производственных условиях. Использование селекционно-генетических параметров хозяйственно-биологических показателей является актуальным, т.к. сложные количественные и качественные признаки животных обусловлены многими генотипическими факторами, и в то же время определенные наследственные факторы могут оказывать одновременное влияние на развитие ряда признаков и комплексно влиять на эффективность селекции животных, что позволит комплексно рассмотреть взаимосвязь генотипа и среды. Внедрение современных методов генотипической оценки в условиях интенсивного животноводства позволит с использованием цифровых технологий ускорить процесс качественного преобразования имеющихся популяций животных, значительно увеличить молочную продуктивность, и тем самым повысить экономическую эффективность отрасли в целом. Будет проведен анализ селекционно-генетических параметров хозяйственно-биологических показателей продуктивности у коров разного поколения, а именно матерей и их дочерей. Будет выявлен коэффициент корреляции между показателями продуктивности с хозяйственно-биологическими показателями коров разного поколения и линий. Таким образом, выбор программы селекции должен основываться на мониторинге и анализе селекционно-генетических параметров в конкретном стаде. Без учета изменчивости, наследуемости признаков, взаимосвязи между ними и повторяемости невозможно правильно организовать работу по совершенствованию хозяйственно-биологических качеств крупного рогатого скота. В производственных условиях будет установлен определенный уровень коэффициента наследуемости хозяйственно-биологических показателей продуктивности коров матерей и их дочерей и линейного происхождения. Коэффициент наследуемости признака является основным генетическим параметром, оценивающим долю генетической компоненты в фенотипической изменчивости признака. При повышенных коэффициентах наследуемости признака можно ожидать достаточно быстрое генетическое улучшение поголовья при массовом отборе. При низких значениях коэффициентов наследуемости проведение отбора по фенотипическому проявлению признака малоэффективно. Добиться улучшения можно при систематическом целенаправленном отборе в течение нескольких поколений, используя коэффициент наследуемости. Будет разработан «модельное» (эталон) животное для исследуемых групп животных. Эталон содержит в себе наиболее повторяющиеся параметры, которые свойственны оцениваемой группе. Специалист на производстве, основываясь на параметры эталонного животного, сможет более правильно выстраить технологический процесс, избежать, например, проблем с неправильно подобранной сосковой резиной, не правильно заказанным сексированным семенем, не достаточно верно определенным составом ремонтного молодняка и т.д. Будет проведена характеристика степени реализации продуктивности коров разного уровня продуктивности и линейного происхождения. Степень реализации генетического потенциала позволит определить уровень продуктивности коров-дочерей конкретного стада и тем самым скорректировать отбор и подбор животных, можно найти наилучшие сочетания генотипа и в дальнейшем повысить молочную продуктивность. Таким образом, использование важнейших селекционно-генетических параметров и возможность их использования в селекционной-племенной работе позволит повысить надежность и достоверность оценки животных и положительно скажется на эффективности отбора здоровых и продуктивных животных.

 

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Аннотация результатов, полученных в 2023 году
В процессе выполнения исследований сформирована опытная группа животных, состоящая из лактирующих коров зебувидного типа черно-пестрой породы (n=30) и телочек от опытной группы лактирующих коров (n=13) на опытной станции "Снегири", Московская обл., село Рождествено. От животных осуществляли отбор крови (у дойных коров за 50 и 14 дней до отела, у родившихся телят от опытной группы коров на 2 день и 30 день после рождения) для исследования морфологических и биохимических показателей, витамина (гематокрит, гемоглобин, эритроциты, лейкоциты, базофилы, эозинофилы, нейтрофилы, лимфоциты, моноциты, общий белок, альбумины, мочевина, глюкоза, витамин D), а также производился сбор информации о продуктивности (ежемесячные контрольные дойки после отела) и экстерьере животных по 105 показателям (среди которых линейные размеры экстерьера, живая масса, удой, жир, белок, показатели продуктивности предков и пр.). В поколении коров матерей-матерей и матерей установлен наибольший уровень удоя по наивысшей лактации 3497 кг и 3803 кг молока. Установлен достаточно высокий уровень массовой доли жира коров в двух поколениях 4,46 % - по первой лактации у коров матерей-матерей и 4,43 % у коров-матерей. У коров-дочерей за первую лактацию показатели молочной продуктивности составили 2438 кг молока с массовой долей жира 4,67 % и массовой долей белка 3,14 %. Коэффициент изменчивости в поколениях коров матерей-матерей от Cv=11,1 % (по массовой доле белка за третью лактацию) и до Cv=39,4 % (по количеству молочного жира по наивысшей лактации). Коэффициент изменчивости в поколении коров-матерей от Cv=9,9 % (по массовой доле белка за первую лактацию) и до Cv=38,6 % (по количеству молочного жира по наивысшей лактации). Коэффициент изменчивости в поколении коров-дочерей колебался от Cv=13,2 % - по массовой доле белка первой лактации и до Cv=37,3 % - по количеству молочного жира по третьей лактации. Положительная корреляция у коров матерей-матерей находилась в границах от r=+0,01 (между удоем и массовой долей жира) и до r=+0,17 (между массовой долей жира и массовой долей белка). В поколении матерей-матерей связь составила - r=+0,12, что показывает повышение уровня и прочности связи между удоем и массовой долей белка. У коров-дочерей взаимосвязь за ряд лактаций колебалась в самых разнообразных значениях – от r=-0,09 за первую лактацию и до r=+0,68 за третью лактацию между удоем и массовой долей жира. В поколении коров-матерей и их матерей-матерей установлен коэффициент наследуемости по удою за 305 дней третьей лактации и равен h2=0,41. В этом же поколении определена наследуемость по массовой доле белка - h2=0,31 по третьей лактации. По другим признакам молочной продуктивности наследуемость не установлена по изученным лактациям. Рекомендуется в дальнейшем для увеличения удоя повторно использовать на стаде быка-производителя Зельфичара 889. У потомков удой коров-дочерей составил 2782 кг молока по первой лактации при реализации в +12,0 % по удою с прибавкой массовой доли жира +0,006 %. Рекомендуется в дальнейшем, для увеличения по массовой доле жира в стаде предпочтение следует отдавать коровам-дочерям быка-производителя Ланор 2236, у которых массовая доля составила 5,09 %. Этот производитель в дальнейшем улучшит этот показатель на стаде при реализации качественных показателей по массовой доле жира - +0,026 % и по массовой доле белка - +0,015 %. Стельные коровы имели разную динамику исследуемых морфологических показателей, которая находилась в пределах физиологической нормы (среднее содержание: гематокрит 30,20% при норме 24-46%; гемоглобин 102,43 г/л при норме 80-150 г/л; эритроциты 6,08 млн/мкл при норме 5-10 млн/мкл; лейкоциты 9,77 тыс/мкл при норме 4-12 тыс/мкл; базофилы 0,14% при норме 0,5-1%, нейтрофилы 55,71% при норме 45-70%; моноциты 8% при норме 2-10%). Была рассмотрена динамика молочной продуктивности, где прослеживается постепенное увеличение исследуемых показателей (удой на 1,13 кг, массовая доля жира на 0,01%, сухое вещество на 0,05%, лактоза на 0,03%, сухой обезжиренный молочный остаток на 0,02%). Стоит отметить, что опытные коровы находятся в фазе активного раздоя, на который приходится 40-45% молочной продуктивности. Расчет коэффициентов корреляции показал, что все морфологические показатели крови оказывают влияние физиологическое состояние и молочную продуктивность коров. При этом отсутствует единственный выраженный показатель, который оказывает наибольшее влияние. Корреляция между удоем и количеством лейкоцитов составила r = -0,20; лейкоцитами и массовой долей белка r = 0,35; между содержанием гемоглобина и лактозой r =- 0,23; между гемоглобином и сухим обезжиренным молочным остатком r = 0,22. Проведя сравнительный анализ морфологический показателей крови и данные по второму контрольному доению, можно сделать вывод, что при средней суточной продуктивности 13,36 кг молока показатели крови находятся в границах физиологической нормы. Корреляционный анализ морфологического состава крови на влияние молочной продуктивности и химического состава молока показал, что обнаружена связь между содержанием молочного белка и уровнем лейкоцитов, где r = 0,35. Корреляционный анализ влияния биохимического состава крови на молочную продуктивность и химический состав молока показал, что у некоторых показателей существует связь. Между молочным белком и ферментом щелочной фосфатазой r = 0,21. Между содержанием сухого вещества и железом в крови, которая составила r = 0,31. Между сухим веществом и некоторыми биохимическими показателями: ферментом щелочная фосфатаза и витамином D составили r = 0,31 и r = 0,26 у последнего. Между СОМО и глюкозой составил r = 0,34, между СОМО и альбумином r = 0,24, между СОМО, фосфором и витамином D связь была одинаковой r = -0,29. Анализ биохимических показателей белкового, углеводного, минерального, ферментного метаболизма коров позволил выявить динамику их изменений и прогнозировать продуктивность животных и качества получаемой продукции. Отсутствует единственный выраженный биохимический показатель крови, оказывающий наибольшее влияние. Некоторые биохимические показатели могут оказывать влияние, как на удой, так и на качество получаемого молока, а именно: щелочная фосфатаза, витамин D, железо, фосфор, мочевина, глюкоза, альбумины, АЛТ. При среднем суточном удое в 13,36 кг биохимические показатели крови находились в пределах физиологической нормы, а следовательно текущая продуктивность не оказывала отрицательного влияния на здоровье коров. При разработке методов и математических моделей определения 18 основных промеров, 12 индексов телосложения установлено, что для обработки и подготовки изображений (фильтр изображений для отсечения пикселей, не относящихся к животному, преобразование Хафа для поиска частей тела животного, вычитание фона и тригонометрический принцип подсчета реального размера пикселей), а также перспективный метод применения нейросетей (модель глубокого обучения LEAP) для поиска ключевых точек на животном по нескольким изображениям. Каждая камера системы будет отслеживать несколько точек с наиболее подходящего ракурса. Расчет промеров животных и индексов телосложения также будет проводиться в режиме реального времени. При изготовлении макета интеллектуальной системы рациональными конструктивными параметрами по установке камер является – расстояние от боковых камер №3-№8 соответствует 1190 мм. Рациональное расположение камер соответствует такому размещению, чтобы в пересекающую часть камер не попадали искомые точки промеров во избежание некорректного сканирования данной точки. Режим работы камер макета следует устанавливать в диапазоне от 5 до 30 кадров в секунду, при обработке изображений и оценке параметров размер искомого параметра следует принимать как средний размер, рассчитанный по 5 кадрам. Сборку макета следует производить таким образом, чтобы вычислитель обрабатывал изображения, полученные не более чем от 3 камер (стереопары или 3D TOF камеры). Для расчета длины лба коровы (как промера, имеющего самый малый размер) плотность пикселов следует устанавливать не менее ~305 ppm, где при данном разрешении длина лба будет описана ~49 пикселами, каждый пиксел будет иметь физическую длину 0,32 мм. Длина рабочей области макета составляет 3 м, ширина рабочей области макета составляет 1,15 м. По результатам исследований прочностного расчета установлено, что при воздействии коровы на боковые стенки (материал ПЭТ 4 мм) макета максимальное возможное перемещение прозрачных к съемке листов «ПЭТ» составит 0,24 см. Минимальный запас прочности FOS соответствует 13.7 единиц (пол макета). Новость о результатах проекта опубликована на сайте ФГБНУ ФНАЦ ВИМ: https://vim.ru/center/newsmedia/news/15324/

 

Публикации

1. Лепёхина Т.В., Юрочка С.С., Владимиров Ф.Е., Бойко М.Д., Соловьева О.И., Оценка селекционно-генетических параметров показателей молочной продуктивности коров зебувидного типа чёрно-пестрой породы Аграрная наука, - (год публикации - 2024)

2. Лепёхина Т.В., Юрочка С.С., Хакимов А.Р., Павкин Д.Ю., Васильев А.А. Цифровизация в селекции как инструмент прогнозирования продуктивности в молочном скотоводстве Зоотехния, 2023. № 12. С. 10-13. (год публикации - 2023) https://doi.org/10.25708/ZT.2023.59.33.004

3. Юрочка С.С., Базаев С.О., Хакимов А.Р., Поликанова А.А. Бесконтактная оценка промеров головы молочных коров Агроинженерия, Т. 26, №2, С. 20-26. (год публикации - 2024) https://doi.org/10.26897/2687-1149-2024-2-20-26

4. Юрочка С.С., Довлатов И.М., Хакимов А.Р., Комков И.В., Павкин Д.Ю., Базаев С.О. Работоспособность элементов макета системы оценки коров в создаваемых условиях внешней среды Сельскохозяйственные машины и технологии, Том 18(1):101-107. (год публикации - 2024) https://doi.org/10.22314/2073-7599-2024-18-1-101-107

5. 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, 381(4): 114-122 (год публикации - 2024) https://doi.org/10.32634/0869-8155-2024-381-4-114-122

6. - Ученые Центра ВИМ разрабатывают систему для бесконтактного фенотипирования крупного рогатого скота Интернет сайт ФГБНУ ФНАЦ ВИМ, - (год публикации - )