DIGITALIZATION IN ANIMAL SCIENCE: HOW NEW TECHNOLOGIES ARE CHANGING APPROACHES TO LIVESTOCK MANAGEMENT
DOI:
https://doi.org/10.71453/Keywords:
digitalization, animal husbandry, precision animal husbandry, robotic milking, machine learning, computer visionAbstract
The article analyzes the technological and organizational-economic effects of digitalization in animal husbandry using the example of dairy and meat farming, with a focus on automated milking systems, sensor networks, computer vision, welfare monitoring systems, and digital traceability. The article summarizes international and Russian research on machine learning for early detection of health disorders, behavioral analytics, and robotic housing systems, and presents practical results of implementation (productivity, resource and water efficiency, labor costs, and animal welfare). The scientific novelty consists in comparing the data of applied research on precision livestock farming within the framework of digital transformation of the Russian agro-industrial complex.
The goal is to summarize the digital solutions used in Russia that ensure modern production processes in animal husbandry.
The objectives are to systematize the areas of digitalization and the technologies that have been implemented in dairy and beef cattle farming. Based on domestic and foreign research conducted in recent years, the article presents digital solutions that are being used in both large livestock complexes and small farms. The findings are supported by materials from applied and review studies on robotic milking, computer vision for evaluating animal экстерьер, and monitoring the behavioral indicators of farm animals.
References
1. К вопросу о цифровизации российского сельского хозяйства (обзор информационных материалов) / Б. А. Воронин, О. Г. Лоретц, А. Н. Митин и др. // Аграрный вестник Урала. 2019. № 2. С. 3–14. DOI 10.32417/article_5cb0b27b458600.04669366.
2. Истомин, Д. А., Иванов, А. С. Оценка перспективных направлений цифрового животноводства в рамках "Сельского хозяйства 4.0" // АгроЭкоИнфо. 2021. № S7. DOI 10.51419/20217011. EDN GOSBWD. URL: https://agroecoinfo.ru/STATYI/2021/7/st_011.pdf (дата обращения: 02.11.2025).
3. Коновалова, Е. Н., Романенкова, О. С., Гладырь, Е. А. Перспективы разведения и совершенствования крупного-рогатого скота абердин-ангусской породы в России (генетические аспекты) // Вестник РСН. 2024. Т. 14, № 1. С. 15–28. URL: https://www.vestnik-rsn.ru/vrsn/article/view/1307 (дата обращения: 02.11.2025). DOI https://doi.org/10.31857/S2500208225010124.
4. Мамедова, Р. А. Молочное животноводство в России: состояние и перспективы цифровизации // Агроинженерия. 2020. № 6. С. 10–16. DOI: 10.26897/2687-1149-2020-6-10-16.
5. Нагорнова, О. С. Завиваев, Н. С., Тарасов А. В. Обзор рынка цифровых технологий в сельском хозяйстве // Вестник НГИЭИ. 2024. № 5 (156). С. 82–90. DOI 10.24412/2227-9407-2024-5-82-90. EDN TIBEQQ.
6. Федоров, А. Д., Кондратьева, О. В., Слинько, О. В. О перспективах цифровизации сельского хозяйства России // Вестник Всероссийского научно-исследовательского института механизации животноводства. 2019. № 1(33). С. 127–131. EDN URCASI.
7. Чеченихина, О. С. Опыт применения роботизированных доильных установок в Свердловской области // Аграрное образование и наука. 2022. № 3. С. 7–8.
8. Чеченихина, О. С., Смирнова, Е. C. Функциональные свойства вымени коров при добровольном доении в зависимости от периода лактации и марки доильного робота // Молочнохозяйственный вестник. 2022. № 4 (48). С. 139–154. DOI: 10.52231/2225-4269_2021_3_139. EDN DDXJPR
9. Обзор исследований и технологий для цифровизации процесса оценки экстерьера животных в мясном и молочном животноводстве / С. С. Юрочка, А. П. Хакимов и др. // Аграрная наука. 2024. № 4. С. 114–122. DOI https://doi.org/10.32634/0869-8155-2024-381-4-114-122. URL: https://www.vetpress.ru/jour/article/view/3035 (дата обращения: 02.11.2025).
10. Всемирный банк. Цифровое сельское хозяйство в России: возможности и вызовы. Аналитический доклад. 2019. 126 с.
11. Симонов Г. А.; Никифоров В. Е. Преимущества роботов перед традиционной технологией доения коров // Наука в центральной России. 2020. № 4. С. 54–62. URL: https://vniitin.ru/wp-content/uploads/2020/08/№4-54-62.pdf (дата обращения: 24.12.2025). DOI: 10.35887/2305-2538-2020-4-54-62. EDN MVUPUS.
12. Improving lameness detection in cows: A machine-learning approach / E. Dervić et al. // Journal of Dairy Science. 2024. Vol. 107, Is. 12. DOI: 10.3168/jds.2024-24730.
13. Dineva, K., Atanasova, T. Health Status Classification for Cows Using Machine Learning and Data Management on AWS Cloud // Animals. 2023. Vol. 13, Is. 22. P. 3254. DOI: 10.3390/ani13203254.
14. Džermeikaitė, K., Krištolaitytė, J., Antanaitis, R. Application of Machine Learning Models for the Early Detection of Metritis in Dairy Cows // Animals. 2025. Vol. 15(11). P. 1674. URL: https://www.mdpi.com/2076-2615/15/11/1674 (дата обращения: 04.11.2025). DOI https://doi.org/10.3390/ani15111674.
15. FAO. The role of digital technologies in livestock traceability and trade. Policy brief. Rome: FAO, 2021. 12 p. URL: https://openknowledge.fao.org/handle/20.500.14283/CA9939EN (дата обращения: 04.11.2025).
16. FAO. Agricultural 4.0 – Agricultural robotics and automated equipment for sustainable crop production. Rome: FAO, 2020. 76 p. URL: https://openknowledge.fao.org/items/0073ac5a-e4b4-43fb-9621-349fb878864f (дата обращения: 04.11.2025).
17. Precision Livestock Farming Research: A Global Scientometric Review // Animals. 2023. Vol. 13(13): 2096. URL: https://www.mdpi.com/2076-2615/13/13/2096 (дата обращения: 05.11.2025). DOI: 10.3390/ani13132096.
18. Lundström, C., Lindblom, J. Care in dairy farming with automatic milking systems, identified using an Activity Theory lens // Journal of Rural Studies. 2021. Vol. 87. P. 386–403. URL: https://www.sciencedirect.com/science/article/pii/S0743016721002709 (дата обращения: 05.11.2025). DOI https://doi.org/10.1016/j.jrurstud.2021.09.006.
19. Impact of different stall layouts with robotic milking systems on the behavioral pattern of multiparous cows / P. A. B. Mac-Lean et al. // JDS Communications. 2024. Vol. 5, Is. 5. P. 500–504. DOI: 10.3168/jdsc.2023-0505.
20. Monteiro, A., Santos, S., Gonçalves, P. Precision Agriculture for Crop and Livestock Farming: Brief Review // Sensors. 2021. Vol. 11, Is. 8. P. 2345. DOI: 10.3390/ani11082345.
21. OECD. The digitalisation of agriculture. Paris: OECD Publishing, 2022. 154 p. URL: https://www.oecd.org/en/publications/the-digitalisation-of-agriculture_285cc27d-en.html (дата обращения: 05.11.2025).
22. Screening and selection of a machine learning algorithm for development of a model to select cows for clinical examination using data from automated health monitoring technologies and other predictors of cow health / M. M. Perez et al. // Journal of Dairy Science. 2025. Vol. 108, Is. 12 (in press). P. 13720–13738. DOI: 10.3168/jds.2025-26511.
23. A systematic review on the application of precision livestock farming technologies to detect lying, rest and sleep behavior in dairy calves / G. P. Rossi et al. // Frontiers in Veterinary Science. 2024. Vol. 11. P. 1477731. URL: https://www.frontiersin.org/journals/veterinary-science/articles/10.3389/fvets.2024.1477731/full (дата обращения: 05.11.2025). DOI https://doi.org/10.3389/fvets.2024.1477731.
24. Review: Precision livestock farming, automats and new technologies: possible applications in extensive dairy sheep farming / M. O. Vaintrub et al. // Animal. 2021. Vol. 15, Is. 3. P. 100298. URL: https://www.sciencedirect.com/science/article/pii/S1751731120301452 (дата обращения: 05.11.2025). DOI https://doi.org/10.1016/j.animal.2020.100143.
25. Water use dynamics with conventional and automated milking systems on a dairy farm / A. VanderZaag et al. // Journal of Dairy Science. 2025. Vol. 108, Is. 6. URL: https://www.journalofdairyscience.org/article/S0022-0302(25)00181-X/fulltext (дата обращения: 05.11.2025). DOI: 10.3168/jds.2024-25195.
26. Precision Livestock Farming: New information to help animal husbandry? / P. Faverdin et al. // INRA Productions Animales. 2020. Vol. 33, Is. 4. P. 223–234. URL: https://productions-animales.org/article/download/4585/15336/39946 (дата обращения: 05.11.2025).
27. IoT-Based Cow Health Monitoring System / U. Olgierd et. al. // Computational Science / V. V. Krzhizhanovskaya et al. Springer, Cham, 2020. Vol. 12141. P. 344–356. URL: https://link.springer.com/chapter/10.1007/978-3-030-50426-7_26#citeas (дата обращения: 24.12.2025). DOI https://doi.org/10.1007/978-3-030-50426-7_26.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Инновационные решения в АПК
This work is licensed under a Creative Commons Attribution 4.0 International License.
Все материалы Журнала распространяются на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0)
