ЦИФРОВИЗАЦИЯ В ЗООТЕХНИИ: НОВЫЕ ТЕХНОЛОГИИ В УПРАВЛЕНИИ ЖИВОТНОВОДСТВОМ
DOI:
https://doi.org/10.71453/Ключевые слова:
цифровизация, зоотехния, точное животноводство, роботизированное доение, машинное обучение, компьютерное зрениеАннотация
В статье анализируются технологические и организационно-экономические эффекты цифровизации в зоотехнии на примере молочного и мясного животноводства с акцентом на автоматизированные доильные установки, сенсорные сети, компьютерное зрение, системы мониторинга благополучия и цифровую прослеживаемость. Обобщены зарубежные и российские исследования по машинному обучению для раннего выявления нарушений здоровья, поведенческой аналитике и роботизированным системам содержания, показаны практические результаты внедрения (продуктивность, ресурсо- и водоэффективность, трудозатраты, благополучие животных). Научная новизна состоит в сопоставлении данных прикладных исследований по точному животноводству в рамках цифровой трансформации АПК России.
Цель – обобщить применяемые в России цифровые решения, обеспечивающие современные производственные процессы в зоотехнии.
Задачи: систематизировать направления цифровизации, технологии которых внедрены в молочное/мясное скотоводство. На основе отечественных и зарубежных исследований последних лет в статье представлены цифровые решения, применяемые как в крупных животноводческих комплексах, так и в небольших фермерских хозяйствах. Итоги подкрепляются материалами прикладных и обзорных работ по роботизированному доению, компьютерному зрению для оценки экстерьера, мониторингу поведенческих показателей сельскохозяйственных животных.
Библиографические ссылки
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.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Инновационные решения в АПК
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Все материалы Журнала распространяются на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0)
