CC BY
9
Anna S. Karamaeva, Candidate of Biology, Associate Professor, annakaramaeva@rambler.ru, https://orcid.org/0000-0002-0131-5042
Sergey V. Karamaev, Doctor of Agriculture, Professor, karamaevsv@mail.ru, https://orcid.org/0000-0003-2930-6129
Haidar Z. Valitov, Doctor of Agriculture, Professor, valitov1958@rambler.ru, https://orcid.org/0000-0002-7632-252Х
Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.
Contribution of the authors: the authors contributed equally to this article. The authors declare no conflicts of interests.
Статья поступила в редакцию 12.12.2022; одобрена после рецензирования 30.12.2022; принята к публикации 10.01.2023.
The article was submitted 12.12.2022; approved after reviewing 30.12.2022; accepted for publication 10.01.2023. -♦-
Научная статья
УДК 636.061:004.9
doi: 10.37670/2073-0853-2023-99-1-299-307
Разработка методов определения комплексного индекса типа телосложения с целью раннего прогнозирования молочной продуктивности и определения живой массы крупного рогатого скота
Степан Дмитриевич Батанов, Ирина Андреевна Баранова,
Ольга Степановна Старостина
Удмуртский государственный аграрный университет, Ижевск, Россия
Аннотация. Выявление взаимосвязи типа телосложения, генотипических и фенотипических особенностей животного позволяет сформулировать комплексную оценку животных по племенной ценности и производственному типу, их здоровью и перспективы использования. Важной составляющей комплексной оценки является определение экстерьерных показателей животного. В статье представлен новый подход в оценке экстерьера. Суть метода заключена в том, что в условиях фермы при содержании животных в стойлах определяют экстерьерные параметры путём обработки изображений, полученных фотографированием животных, или с помощью сенсора глубины Sensors-3D. На основе полученных промеров животного были разработаны формулы вычисления индексов типа телосложения, которые позволяют выявить экстерьерно-конституциональный тип животного. Учитывая высокую степень корреляции между экстерьерными параметрами и молочной продуктивностью, экстерьерными параметрами и живой массой, вычисленные индексы типа телосложения лежат в основе прогнозирования мясной и молочной продуктивности крупного рогатого скота.
Ключевые слова: тёлки, бычки, чёрно-пёстрая порода, тип телосложения, экстерьерный индекс, живая масса, молочная продуктивность.
Для цитирования: Батанов С.Д., Баранова И.А., Старостина О.С. Разработка методов определения комплексного индекса типа телосложения с целью раннего прогнозирования молочной продуктивности и определения живой массы крупного рогатого скота // Известия Оренбургского государственного аграрного университета. 2023. № 1 (99). С. 299 - 307. https://doi.org/10.37670/2073-0853-2023-99-1-299-307.
Original article
Development of methods for determining a complex index of body type for the purpose of early forecasting of milk production and determining the live weight of cattle
Stepan D. Batanov, Irina A. Baranova, Olga S. Starostina
Udmurt State Agrarian University, Izhevsk, Russia
Abstract. Identification of the relationship between body type, genotypic and phenotypic characteristics of the animal will allow us to formulate a comprehensive assessment of animals in terms of breeding value and production type, their health and prospects for use. In this regard, an important component of a comprehensive assessment is the determination of the exterior indicators of the animal. This article presents a new approach to assessing the exterior. The essence of the method lies in the fact that under farm conditions, when animals are kept in stalls, exterior parameters are determined by processing images obtained by photographing animals or using the Sensors-3D depth sensor. Based on the obtained measurements of the animal, formulas were developed for calculating body type indices, which make it possible to identify the exterior-constitutional type of the animal. Given the
high degree of correlation between conformation parameters and milk productivity, conformation parameters and live weight, the calculated body type indices underlie the forecasting of meat and dairy productivity of cattle.
Keywords: heifers, bulls, black-and-white breed, body type, conformation index, live weight, milk production.
For citation: Batanov S.D., Baranova I.A., Starostina O.S. Development of methods for determining a complex index of body type for the purpose of early forecasting of milk production and determining the live weight of cattle. Izvestia Orenburg State Agrarian University. 2023; 99(1): 299-307. (In Russ.). https://doi. org/10.37670/2073-0853-2023-99-1-299-307.
Каждый биологический признак представляет собой функцию многих переменных: на него влияют как генетические, так и средовые факторы, что обусловливает изменчивость признаков. В зоотехнической науке и практике животноводства существуют два принципиально различающихся, но взаимосвязанных критерия оценки молочных коров: по молочной продуктивности и по внешнему виду (экстерьеру животного) [1 - 8]. Селекционерами давно подмечено, что форма и размеры статей животного связаны с направлением его продуктивности [9]. Современное понятие тип животного включает такие элементы, как экстерьер, телосложение, конституция. Тип определяют как предполагаемую связь между телосложением животного и его способностью выполнять определённые функции. В мировой и отечественной практике молочного скотоводства проводится обязательная оценка телосложения и продуктивных качеств племенных животных.
В настоящее время для оценки экстерьера скота существуют контактные и бесконтактные способы получения промеров животных [10 - 16]. Контактные методы измерения промеров тела животных являются трудоёмким процессом, вызывают стресс у животного и сильно зависят от субъективных причин [17 - 20].
Бесконтактные дистанционные измерения параметров экстерьера животных представляют для зоотехников наибольший интерес. Они позволяют снизить опасные реакции животных на стресс и существенно сократить время на получение промеров. В современных исследованиях приведены разные технологии бесконтактных измерений телосложения животных. К бесконтактным способам можно отнести способ получения промеров животных с использованием лазерного дальномера и лазерной указки. Экстерьерные параметры определяют одновременным измерением двумя противоположными дальномерами расстояний до маркеров, установленных на каждой стороне стати животного, с учётом расстояния между дальномерами. Измерения одновременно передают в компьютер для формирования результатов. Устройство содержит станок для фиксации животных и измерительный инструмент. Недостатком этого способа является дополнительное фиксирование животного, что приводит к возникновению стресса. Установка маркеров на статях тела животного, по которым измеряются промеры лазерными указками, ведёт к погрешности измерения и к задаче их корректной установки.
Предлагается получать информацию по экстерьеру животного с использованием технологии LIDAR, которая позволяет построить трёхмерную модель животного. В экспериментах определяются пять промеров тела животного: высота в холке, глубина груди, косая длина туловища, высота в пояснице, высота в крестце.
На трёх животных приводят результаты апробации разработанного алгоритма по обработке трёхмерного облака точек для дальнейшей реконструкции поверхности тела. Однако алгоритм расчёта трёхмерной модели животного не подходит для всех возрастных групп крупного рогатого скота (от телят до взрослых особей). Следовательно, требуется разработка другого алгоритма по обработке трёхмерного изображения животного. Применение технологии LIDAR позволяет существенно сократить время - до 5 мин. - для получения силуэта коровы и измерения параметров тела. Но для чёткого и полного контура крупного рогатого скота требуется общее решение для фильтрации шумов на изображении и качественная калибровка датчика с технологией LIDAR.
Аналогичной технологии LIDAR является технология применения камеры глубины КтеС;, способной получить облако точек для реконструкции 3D-поверхности тела животного. Существенный недостаток этой технологии заключается в требовании к освещению помещения, где находится исследуемый объект.
Анализируя современные методы получения промеров крупного рогатого скота, можно сделать вывод, что они являются дорогостоящими, требуют использования высокотехнологичного оборудования и не приспособлены к измерению промеров тела в условиях производства. В настоящее время актуальной остаётся задача поиска новых методов измерения крупного рогатого скота или усовершенствование бесконтактных методов. Полученные данные по экстерьеру животного позволят оценить конституциональный тип животного. А взаимосвязь типа телосложения коровы и её молочной продуктивности даёт возможность прогнозировать показатели молочной продуктивности молодняка.
Взаимосвязь комплексной оценки типа телосложения, генотипической и фенотипической особенностей животного позволит сформулировать комплексную оценку животных по племенной ценности и производственному типу, их здоровью и перспектив использования.
В связи с этим целью нашего исследования являлась разработка способа получения экстерьерных показателей коров для создания математической модели прогноза живой массы и молочной продуктивности коров на ранней стадии развития ремонтного молодняка.
Материал и методы. Экспериментальные исследования проводили в 2019 - 2021 гг. на коровах чёрно-пёстрой и холмогорской пород в племенных предприятиях Удмуртской Республики. Объём выборочной совокупности животных составлял 2000 гол. Животных оценивали в период 90 - 150 сут. лактации по следующим промерам: высота в холке, глубина груди, ширина груди, ширина в маклоках, прямая длина тазобедренной области, прямая длина туловища, обхват пясти. Указанные параметры наиболее точно характеризуют габариты (каркас) животного.
Экстерьерные параметры были получены несколькими способами. Первый способ заключался в контактном измерении. В этом случае замеры проводили с помощью измерительных инструментов (мерная лента, мерная палка, циркуль).
Второй способ заключался в определении промеров статей коров по их изображениям, полученным путём фотографирования. Как известно, для определения размера объекта L по снимку необходимо знать несколько параметров: размер объекта на снимке и, например, в пикселях; расстояние от камеры до объекта а; расстояние от изображения до линзы фотоаппарата Ь (рис. 1). Тогда из формул тонкой линзы (1), (2) можно определить Ь (3):
Ь а
~й=Ь;
(1)
1 -1 1
f " a+ь '
где f - фокусное расстояние линзы.
L =
f а > --1
f
L',
(2)
(3)
Размер объекта на снимке задаётся в пикселях, следовательно, размер предмета получится в пикселях. Для перевода исследуемых параметров в систему СИ необходимо знать линейные размеры пикселей. Сложность задачи определения истинных размеров объекта по фотографии сводится к определению размеров пикселей из данных о матрице используемого фотоаппарата. В паспортных данных объектива матрицы фотоаппарата обычно приводятся два возможных типоразмера, например, 2/3" и 1/2". В зависимости от линейного размера сенсора будет меняться линейный размер пикселя. Таким образом, необходимо указать конкретный размер сенсора. Линейный размер пикселя определятся как:
5 = 2 ■/■ ^(о/2), (4)
где f - фокусное расстояние объектива;
а - угол зрения объектива по горизонтали -
H или по вертикали - V.
Для более точного измерения размера пикселя рекомендуется сфотографировать тест-объект с заведомо известными размерами. Это необходимо для определения фокусного расстояния матрицы, так как в паспорте фотоаппарата приводят два размера: передний и задний фокусы. Если на разных расстояниях до объекта при одном и том же фокусном расстоянии, принятом как передний фокус, размеры пикселя, полученные по формуле (4), отличаются друг от друга, то, скорее всего, фокусное расстояние будет приближаться к заднему фокусному расстоянию.
Как видно из описания, определение линейных параметров объекта по изображению методом вычисления размера пикселя имеет ряд недостатков: неоднозначность величин, требуемых для расчёта размера пикселя; необходимость проводить тестовые исследования с целью определения параметров матрицы фотоаппарата; необходимость замерять расстояния от камеры до объекта. Указанные недостатки приводят к дополнительным методическим и случайным погрешностям в определении линейных размеров животного по фотографии.
Нами был предложен (использован) метод получения промеров животного по изображению с помощью введения в кадр перспектометра, размеры которого заведомо известны. В качестве перспектрометра была применена метровая линейка. Изображение получено на цифровом фотоаппарате, установленном на штативе, с использованием сетки фокусировочного экрана. Указанная функция позволяет выровнять получаемое изображение относительно экрана фотоаппарата. Так, были получены три проекции животного: вид сбоку, сзади и спереди. При снятии первой проекции животное располагалось параллельно экрану фотоаппарата, в двух других случаях - перпендикулярно.
Полученные изображения были обработаны в графическом редакторе (Autodesk, AutoCAD, Paint) следующим образом. На изображении были определены границы перспектрометра и исследуемых параметров, затем между ними проведена линия (рис. 2).
Рис. 1 - Схема хода лучей через тонкую
собирающую линзу (линзу фотоаппарата)
Рис. 2 - Схема снятия промеров по изображениям животных:
А - вид спереди, Б - вид сзади, В - вид сбоку; 1 - перспектрометр, 2 - ширина груди, 3 - ширина в маклоках, 4 - длина тазобедренной области, 5 - прямая длина туловища, 6 - глубина груди, 7 - высота в холке, 8 - обхват пясти
Таким образом, были найдены интересующие нас размеры в пикселях. Истинные размеры экстерьерных параметров животных были вычислены по формуле:
• I
L = -
(5)
где l - длина перспектрометра, см;
si - размер перспектрометра в пикселях;
S2 - размер объекта в пикселях.
Длина линии в пикселях вычислена как гипотенуза прямоугольного треугольника, катеты которого составляют длину и ширину выделенной области при определении того или иного промера по изображению.
Нами был предложен (использован) третий способ определения экстерьерных параметров -метод обработки изображений, полученных с помощью сенсора глубины - Structure Sensor 3D [13]. Сенсор глубины представляет собой камеру, которая крепится к планшетному устройству и позволяет захватывать трёхмерное изображение объектов. Кроме самой камеры в устройстве используются инфракрасный лазер, сенсор и специальная подсветка. Инфракрасный лазер наносит невидимый для человеческого глаза точечный узор на объекты в пределах 3,5 м, одновременно с ним инфракрасный сенсор регистрирует искажения узора. Таким образом, создаётся карта глубин для сцены и объектов внутри неё. Узор дополняется изображением с обычной камеры, в результате чего получаются трёхмерные модели предметов или окружающего пространства. Программное обеспечение для сенсора (Structure Sensor Scanner, M3D Scan, It Seez 3D, Structure Sensor Room Capture) позволяет получать информацию о расстоянии между объектами, расстоянии от камеры до объекта и определять любой линейный размер самого объекта в режиме реального времени. Основное весомое преимущество использования сенсора глубины заключается в возможности в ускоренном режиме определить размеры объекта без применения перспектрометра и привлечь минимальное количество людей и стрессового воздействия на животных. По полученной модели животного можно определить все необходимые и исследуемые экстерьерные параметры в достаточно большом количестве.
В режиме онлайн были определены все исследуемые экстерьерные параметры (рис. 3 - 5).
Результаты и обсуждение. Характеристики популяции коров по экстерьерным показателям, полученные тремя вышеописанными способами, приведены в таблице 1.
В целом, оценивая экстерьер животных, необходимо отметить, что коровы имели крепкое и глубокое туловище, хорошие параметры развития тела в высоту, правильно поставленные
передние и задние конечности. Животные отличались хорошей приспособленностью к промышленной технологии. Развитие экстерьерных особенностей коров анализируемой популяции имело достаточно выровненный характер и изменчивость изучаемых признаков варьировала от 3,56 до 8,87 %. Вместе с тем по всем показателям оценки экстерьера коров достоверных различий
Рис. 3 - Определение промера - прямая длина туловища
Рис. 4 - Определение промера - высота в холке
Рис. 5 - Определение промера - ширина в маклоках
по величине признаков, полученных разными способами, не выявлено за исключением промера обхват пясти, разница по которому составляла 4,4 % (Р < 0,01) и 3,4 % (Р < 0,05) (табл. 1). Промер обхват пясти характеризует степень развития костяка и в плане его определения является одним из самых неудобных промеров и, следовательно, полученные результаты имеют достаточно высокую погрешность (4,41 и 3,43 %). По остальным изучаемым признакам экстерьера погрешность по величине полученных результатов между 1-м и 2-м способами варьировалась от 1,04 до 2,51 %, а между 1-м и 3-м - соответственно от 0,97 до 3,62 % (табл. 2).
Анализ таблицы 2 показал, что погрешность измерений между контактным способом и методом обработки изображений, полученных путём фотографирования, а также между контактным способом и методом получения промеров с помощью сенсора глубины не превышала 5,0 %.
Полученные результаты по экстерьеру крупного рогатого скота были статистически обработаны (среднее значение, ошибка средней, коэффициент вариации, среднее квадратическое отклонение, коэффициент корреляции) для разработки формулы экстерьерного индекса (6) и тазобедренного индекса (7):
1. Величина экстерьерных параметров, полученных тремя различными способами
Промер х ± Д х Lim тт - тах СУ, %
Контактный метод (взятие промеров)
Высота в холке 138,70 ± 0,66 131,00 - 148,00 3,60
Прямая длина туловища 147,40 ± 0,93 132,00 - 172,00 4,70
Глубина груди 84,30 ± 0,62 75,00 - 94,00 5,54
Ширина груди 52,40 ± 0,31 46,00 - 57,00 4,60
Ширина в маклоках 67,60 ± 0,59 60,00 - 79,00 6,74
Прямая длина тазобедренной области 113,20 ± 0,61 99,00 - 119,00 4,23
Обхват пясти 20,40 ± 0,11 19,00 -22,00 3,90
Метод обработки изображений, полученных путём фотографирования
Высота в холке 141,80 ± 0,69 130,50 - 151,00 3,69
Прямая длина туловища 145,86 ± 0,91 127,10 - 160,00 4,69
Глубина груди 82,18 ± 0,59 72,40 - 92,30 5,47
Ширина груди 51,20 ± 0,47 44,40 - 59,00 6,86
Ширина в маклоках 65,90 ± 0,74 54,50 - 79,00 8,42
Прямая длина тазобедренной области 111,40 ± 0,92 96,40 - 129,30 6,23
Обхват пясти 21,30 ± 0,16** 16,70 -24,20 5,80
Метод обработки изображений, полученных с помощью сенсора глубины
Высота в холке 141,10 ± 0,67 130,20 - 148,50 3,56
Прямая длина туловища 145,72 ± 0,87 135,30 - 162,00 4,50
Глубина груди 81,60 ± 0,77 71,20 - 89,60 7,19
Ширина груди 50,50 ± 0,50 44,00 - 57,00 7,58
Ширина в маклоках 66,00 ± 0,81 55,80 - 77,00 8,87
Прямая длина тазобедренной области 112,10 ± 0,60 107,00 - 120,00 3,99
Обхват пясти 21,10 ± 0,23* 17,90 -24,00 8,27
Примечание: * Р < 0.05; ** Р < 0.01.
2. Относительная погрешность определения величины экстерьерных параметров коров, полученных контактным способом, методом обработки изображений и с помощью сенсора глубины, % (п = 2000 гол.)
Параметр Относительная погрешность величины экстерьерных параметров, полученных контактным способом и методом обработки изображений Относительная погрешность экстерьерных параметров, полученных контактным способом и с помощью сенсора глубины
Высота в холке 2,24 1,73
Прямая длина туловища 1,04 1,14
Глубина груди 2,51 3,20
Ширина груди 2,29 3,62
Ширина в маклоках 2,51 2,37
Прямая длина тазобедренной области 1,59 0,97
Обхват пясти 4,41 3,43
ИТ =
4 V
V к
корпус животного
• ОП
ВХ
(6)
где объём корпуса животного определяется по формуле усечённой пирамиды:
V
корпус животного
= 3 • ВДТх
ШМ- ДТОБ+ VГГ ШГ- Ш М- ДТОБ +
+ШГ- ГГ
где ИТ - индекс телосложения; ПДТ - прямая длина туловища; ШМ - ширина в маклоках; ДТОБ - длина тазобедренной области; ГГ - глубина груди; ШГ - ширина груди; ОП - обхват пясти; ВХ - высота в холке, см. Для разработки формулы тазобедренного индекса были получены дополнительные промеры, такие, как длина крестца (ДК), глубина туловища в поянице (ГП), ширина зада в седалищных буграх (ШЗ).
3 ^тазобедренной области
ИТОБ =
ПДТ
(7)
обхват пясти. Промер обхват пясти введён в формулу для учёта развития костной системы.
По определённому соотношению величин этих экстерьерных показателей были рассчитаны индекс туловища (ИТул) и индекс массы тела (ИМТ) по формуле:
ИТул =
V
I туловища
ОП
(8)
где
^туловища з ПДТх
ГГ ШГ+VГГ ШГ ДТОБ- ШЗ +ДТОБ- ШЗ
+
ИМТ =
ИТ
m
(9)
где объём тазобедренной области животного определяется также по формуле усечённой пирамиды:
^тазобедренной области — 3 ДК*
ШМ- ГП +7 ШЗ- ДТОБ- ШМ- ГП + +ШЗ- ДТОБ
Разработанные формулы по определению экстерьерных индексов животного наиболее полно и в комплексе характеризуют его тип телосложения и позволяют выявить экстерьерно-конституциональный тип животного [14, 15].
По отработанной ранее методике получения промеров тела животного с использованием сенсора глубины были оценены по экстерьеру 253 гол. молодняка (в возрасте 18 мес.) разного происхождения: 128 бычков, выращиваемых на мясо, и 125 тёлок, выращиваемых на ремонт стада. Все животные были распределены на три группы в зависимости от происхождения: I - бычки и тёлочки чёрно-пёстрой породы; II группа - бычки и тёлочки абердин-ангусской породы; III группа - помесные бычки и тёлочки первого поколения, полученные при скрещивании коров чёрно-пёстрой породы с быками-производителями абердин-ангусской породы.
В качестве экстерьерных показателей были выбраны: прямая длина туловища, глубина груди, ширина груди, ширина зада в седалищных буграх, прямая длина тазобедренной области,
где m - живая масса, кг.
Признаки экстерьера, живая масса и интенсивность роста скота характеризуются определённой взаимосвязью между собой. Полученный расчётным путём индекс массы тела используется как коэффициент прогноза живой массы животного.
Способ позволяет повысить эффективность проведения зоотехнических мероприятий по учёту живой массы крупного рогатого скота без использования при этом трудоёмкого процесса взвешивания.
Выводы. Сравнительный анализ бесконтактных способов получения промеров тела крупного рогатого скота показывает, что они имеют недостатки, и, следовательно, появляется необходимость в усовершенствовании этих методов или в создании новых. В качестве приоритетного способа получения промеров животных был использован способ для измерения экстерьер-ных показателей животных с помощью сенсора глубина Sctructure Sensor 3D. С его помощью были измерены до 10 параметров экстерьера за короткое время. Погрешность измерения не превышала 3,0 %. Была разработана формула индекса типа телосложения для выявления экстерьерно-конституционального типа животного. Благодаря высокой корреляционной взаимосвязи экстерьера и продуктивности коров индекс типа телосложения позволяет прогнозировать показатели молочной продуктивности тёлок на ранней стадии развития. Разработанный индекс массы тела, основываясь на тесной взаимосвязи экстерьерных параметров и массы тела животного, позволяет прогнозировать живую массу молодняка. Таким образом, разработанные индексы и их обоснованная взаимосвязь способствуют созданию математической модели по прогнозированию молочной и мясной продуктивности скота на ранней стадии развития.
х
Список источников
1. Совершенствование бестужевского и чёрно-пёстрого скота на Южном Урале / А.М. Белоусов, В.И. Косилов, Р.С. Юсупов и др. Оренбург, 2004. 134 с.
2. Сенченко О.В., Миронова И.В., Косилов В.И. Молочная продуктивность и качество молока-сырья коров-первотёлок чёрно-пёстрой породы при скармливании энергетика Промелакт // Известия Оренбургского государственного аграрного университета. 2016. № 1 (57). С. 90 - 93.
3. Косилов В.И., Кадралиева Б.Т., Бабичева И.А. Технологические свойства молока коров-первотёлок разных генотипов при его сепарировании и выработке масла // Известия Оренбургского государственного аграрного университета. 2022. № 6 (98). С. 266 -271.
4. A study on milk productivity of black-and-white cows considering genotypes of dna markers csn2, lgb, crh, stat1, tfam1, and tfam2 / O.A. Bykova, O.S. Chechenikhina, A.V. Stepanov et al. International Transaction Journal of Engineering, Management and Applied Sciences and Technologies. 2022; 13(3): 13A3J.
5. The influence of reproductive functions on productivity of cows of various live weight / O.V. Gorelik, A.S. Gorelik, P.S. Galushina et al. // IOP Conference Series: Earth and Environmental Science. Krasnoyarsk Science and Technology City Hall of the Russian Union of Scientific and Engineering. Krasnoyarsk, Russian Federation, 2021. p. 12062.
6. Изменчивость селекционно-генетических параметров линейной оценки типа телосложения дочерей быков популяции голштинизированного чёрно-пёстрого скота / А.Ф. Контэ, С.Н. Харитонов, А.А. Сермягин и др. // Молочное и мясное скотоводство. 2017. № 8. С. 3 - 9.
7. Brade W. Body size of Holstein cows - A critical analysis from the point of view of breeding and animal welfare. Berichteuber Landwirts chaft. 2017; 95.
8. Бабайлова Г.П., Березина Т.И. Молочная продуктивность и пожизненный удой коров чёрно-пёстрой породы разных типов телосложения // Зоотехния. 2014. № 2. С. 15 - 17.
9. Арзуманян Е.А. Основы экстерьера крупного рогатого скота. М.: Сельхозиздат, 1957. 305 с.
10. Пат. № 2629282 C. Российская Федерация, МПК A01K 29/00. Способ и устройство проведения промеров сельскохозяйственных животных: № 2016145267: заявл. 18.11.2016: опубл. 28.08.2017 / Ю.А. Цой, В.И. Черноива-нов, В.В. Танифа [и др.]; заявитель Федеральный научный агроинженерный центр ВИМ (ФГБНУ ФНАЦ ВИМ).
11. Non-Contact Body Measurement for Qinchuan Cattle with LiDAR Sensor / L.W. Huang, S.Q. Li, A.Q. Zhu et al. Sensors. 2018; 18(9): 3014. https://doi.org/10.3390/ s18093014.
12. Huang L., Guo H., Rao Q. Body dimension measurements of qinchuan cattle with transfer learning from liDAR sensing. Sensors. 2019; 19(22): 5046. https://doi. org/10.3390/s19225046.
13. Ruchay A.N., Dorofeev K.A., Kolpakov V.I. Fusion of information from multiple kinect sensors for 3d object reconstruction. Computer Optics. 2018, 42(5): 898-903. https://doi.org/10.18287/2412-6179-2018-42-5-898-903.
14. Cow Body Shape and Automation of Condition Scoring. / I. Halachmi, P. Polak, D.J. Roberts et al. Journal of Dairy Science. 2008, 91: 4444-4451. https://doi. org/10.3168/jds.2007-0785.
15. Shi C., Zhang J.L., Teng G.H. Mobile measuring system based on LabVIEW for pig bodycomponents estimation in a large-scale farm. Computers and electronics in
agriculture. 2019, 156:399-405. https://doi.org/10.1016/j. compag.2018.11.042.
16. Popescu C.R, Lungu A. Real-Time 3D Reconstruction Using a Kinect Sensor. Computer Sci. and Information Technology. 2014, 2(2): 95-99. https://doi.org/10.13189/ csit.2014.020206.
17. Ивченко В.В. К анализу модели тонкой оптической линзы // Физическое образование в вузах. 2012. Т. 18. № 1. С. 81 - 86.
18. Определение числовых значений экстерьера с использованием мобильных систем и информационных технологий / И.А. Баранова, С.Д. Батанов, О.С. Старостина и др. // Техника и технологии в животноводстве. 2022. № 3 (47). С. 16 - 20. https://doi.org/10.51794/27132064-2022-3-16.
19. Молочная продуктивность коров разных экстерьерно-конституциональных типов / С.Д. Батанов, И.А. Амерханов, И.А. Баранова и др. // Известия Тимирязевской сельскохозяйственной академии. 2021. № 2. С. 102 - 113. https://doi.org/10.26897/0021-342X-2021-2-102-113.
20. Патент № 2764307 C1. Российская Федерация, МПК A01K 67/00, A01K 67/02. Способ определения комплексного индекса телосложения и экстерьерно-конституционального типа животных: № 2020144096: заявл. 29.12.2020: опубл. 17.01.2022 / С.Д. Батанов, И.А. Баранова, О.С. Старостина; заявитель Ижевская государственная сельскохозяйственная академия.
References
1. Improvement of Bestuzhevsky and black-and-motley cattle in the Southern Urals / A.M. Belousov, V.I. Kosilov, R.S. Yusupov, et al. Textbooks and teaching aids for higher agricultural educational institutions. Orenburg, 2004. 134 р.
2. Senchenko O.V., Mironova I.V., Kosilov V.I. Milk productivity and quality of raw milk of first-time cows of black-and-baked breed when feeding energy Promelact. Izvestia of Orenburg State Agrarian University. 2016; 57(1): 90-93.
3. Kosilov V.I., Kadralieva BT, Babicheva I.A. Technological properties of milk of first-time cows of different genotypes during its separation and oil production. Izvestia of the Orenburg State Agrarian University. 2022; 98(6): 266-271.
4. A study on milk productivity of black-and-white cows considering genotypes of dna markers csn2, lgb, crh, stat1, tfam1, and tfam2 / O.A. Bykova, O.S. Chechenikhina, A.V. Stepanov et al. / International Transaction Journal of Engineering, Management and Applied Sciences and Technologies. 2022; 13(3): 13A3J.
5. The influence of reproductive functions on productivity of cows of various live weight / O.V. Gorelik, A.S. Gorelik, P.S. Galushina et al. // IOP Conference Series: Earth and Environmental Science. Krasnoyarsk Science and Technology City Hall of the Russian Union of Scientific and Engineering. Krasnoyarsk, Russian Federation, 2021. p. 12062.
6. Variability of genetic parameters for linear type traits in russian black-and-white cattlepopulation / A.F. Conte, S.N. Kharitonov, A.A. Sermyagin et al. Journal of Dairy and Beef Cattle Farming. 2017; 8: 3-9.
7. Brade W. Body size of Holstein cows - A critical analysis from the point of view of breeding and animal welfare. Berichteuber Landwirts chaft. 2017; 95.
8. Babailova G.P., Berezina T.I. Milk productivity and lifelong milk yield of Black-and-White cows of different body types. Zootechniya. 2014; 2: 15-17.
9. Arzumanyan E.A. Fundamentals of the exterior of cattle. M.: Selkhozizdat, 1957. 305 p.
10. Patent No. 2629282 C. Russian Federation, IPC A01K 29/00. Method and device for carrying out measurements of farm animals: No. 2016145267: Appl. 11/18/2016: publ. 28.08.2017 / Yu.A. Tsoi, V.I. Chernoivanov, V.V. Tanifa et al.; applicant Federal State Budgetary Scientific Institution Federal Scientific Agroengineering Center VIM (FGBNU FNATS VIM).
11. Non-Contact Body Measurement for Qinchuan Cattle with LiDAR Sensor / L.W. Huang, S.Q. Li, A.Q. Zhu et al. Sensors. 2018; 18(9): 3014. https://doi.org/10.3390/ s18093014.
12. Huang L., Guo H., Rao Q. Body dimension measurements of qinchuan cattle with transfer learning from liDAR sensing. Sensors. 2019; 19(22): 5046. https://doi. org/10.3390/s19225046.
13. Ruchay A.N., Dorofeev K.A., Kolpakov V.I. Fusion of information from multiple kinect sensors for 3d object reconstruction. Computer Optics. 2018, 42(5): 898-903. https://doi.org/10.18287/2412-6179-2018-42-5-898-903.
14. Cow Body Shape and Automation of Condition Scoring / I. Halachmi, P. Polak, D.J. Roberts, M. Klop-cic. Journal of Dairy Science. 2008, 91: 4444-4451. https:// doi.org/10.3168/jds.2007-0785.
15. Shi C., Zhang J.L., Teng G.H. Mobile measuring system based on LabVIEW for pig body components esti-
mation in a large-scale farm. Computers and electronics in agriculture. 2019; 156: 399-405. https://doi.Org/10.1016/j. compag.2018.11.042.
16. Popescu C.R, Lungu A. Real-Time 3D Reconstruction Using a Kinect Sensor. Computer Sci. and Information Technology. 2014, 2(2): 95-99. https://doi.org/10.13189/ csit.2014.020206.
17. Ivchenko V.V. On the analysis of a model of a thin optical lens. Physical Education in Higher Educational Institutions. 2012, 18(1): 81 - 86.
18. Determination of the numerical values of the exterior using mobile systems and information technologies / I.A. Baranova, S.D. Batanov, O.S. Starostina et al. Machinery and technologies in livestock. 2022; 3(47): 16 -20. https:// doi.org/10.51794/27132064-2022-3-16.
19. Milk productivity of cows of different conformation-constitutional types / S.D. Batanov, I.A. Amerkhanov, I.A. Baranova et al. Izvestiya of Timiryazev Agricultural Academy. 2021, 2: 102-113. https://doi.org/10.26897/0021-342X-2021-2-102-113.
20. Patent No. 2764307 C1. Russian Federation, IPC A01K 67/00, A01K 67/02. Method for determining the complex body index and conformation-constitutional type of animals: No. 2020144096: Appl. 12/29/2020: publ. 17.01.2022 / S.D. Batanov, I.A. Baranova, O.S. Starostina; applicant Federal State Budgetary Educational Institution of Higher Education "Izhevsk State Agricultural Academy".
Степан Дмитриевич Батанов, доктор сельскохозяйственных наук, профессор, stepanbatanov@mail.ru, https://orcid.org/0000-0002-6662-2414
Ирина Андреевна Баранова, кандидат физико-математических наук, доцент, zykina_i@mail.ru, https://orcid.org/0000-0001-9730-2889
Ольга Степановна Старостина, кандидат сельскохозяйственных наук, доцент, starostinao.starostinat@yandex.ru
Stepan D. Batanov, Doctor of Agriculture, Professor, stepanbatanov@mail.ru, https://orcid.org/0000-0002-6662-2414
Irina A. Baranova, Candidate of Physical and Mathematical Sciences, Associate Professor, zykina_i@mail.ru, https://orcid.org/0000-0001-9730-2889
Olga S. Starostina, Candidate of Agriculture, Associate Professor, starostinao.starostinat@yandex.ru
Вклад авторов: Все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.
Contribution of the authors: the authors contribution equally to this article. The authors declare no conflict of interests.
Статья поступила в редакцию 19.12.2022; одобрена после рецензирования 10.01.2023; принята к публикации 10.01.2023.
The article was submitted 19.12.2022; approved after reviewing 10.01.2023; accepted for publication 10.01.2023.
-Ф-
