المؤلفون: S. S. Yurochka, D. Yu. Pavkin, A. R. Khakimov, P. S. Berdyugin, S. O. Bazaev, С. С. Юрочка, Д. Ю. Павкин, А. Р. Хакимов, П. С. Бердюгин, С. О. Базаев

المساهمون: The study was supported by the grant of the Russian Science Foundation № 23-76-10041, https://rscf.ru/en/project/23-76-10041/, Исследование выполнено за счет средств гранта Российского научного фонда № 23-76-10041, https://rscf.ru/project/23-76-10041/

المصدر: Agricultural Machinery and Technologies; Том 18, № 4 (2024); 34-40 ; Сельскохозяйственные машины и технологии; Том 18, № 4 (2024); 34-40 ; 2073-7599

مصطلحات موضوعية: стереокамера, exterior, grading, digital monitoring, stereo camera, экстерьер, бонитировка, цифровой мониторинг

وصف الملف: application/pdf

Relation: https://www.vimsmit.com/jour/article/view/624/553; Ценч Ю.С. Научно-технический потенциал как главный фактор развития механизации сельского хозяйства // Сельскохозяйственные машины и технологии. 2022. Т 16. N2. С. 4-13. DOI:10.22314/2073-7599-2022-16-2-4-13.; Лобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства // Сельскохозяйственные машины и технологии. 2021. Т 15. N4. С. 6-10. DOI:10.22314/2073-7599-2021-15-4-6-10.; Кирсанов В.В., Владимиров Ф.Е., Павкин Д.Ю. и др. Сравнительный анализ и подбор систем мониторинга здоровья КРС // Вестник Всероссийского научно-исследовательского института механизации животноводства. 2019. N1(33). 27-31. EDN: ZAIQZN.; Anderson D.M., Estell R.E., Cibils A.F. Spatiotemporal cattle data - a plea for protocol standardization. Positioning. 2013. N4. 115-136. DOI:10.4236/pos.2013.41012.; Дорохов А.С., Кирсанов В.В., Владимиров Ф.Е. и др. Температура и уровень pH рубца КРС как показатели вероятности репродуктивного успеха // Вестник НГИЭИ. 2019. N6(97). С. 117-126. EDN: IURGBX.; Alem H. The role of technical efficiency achieving sustainable development: A dynamic analysis of Norwegian dairy farms. Sustainability. 2021. N13(4). 1841. DOI:10.3390/su13041841.; Батанов С.Д., Баранова И.А., Старостина О.С. Модель прогнозирования молочной продуктивности коров по их экстерьерным особенностям // Вестник Башкирского государственного аграрного университета. 2019. N1 (49). С. 55-62. DOI:10.31563/1684-7628-2019-49-1-55-62.; Харченко А.В., Фейзуллаев Ф.Р., Лепёхина Т.В. Экстерьерные особенности казахской белоголовой породы крупного рогатого скота // Инновационная наука. 2022. N6(1). С. 62-64. EDN: HCHSJB.; Чиндалиев А.Е., Калимолдинова А.С., Алипов А.У., Баймуканов А.Д. Использование линейной оценки экстерьера коров // Главный зоотехник. 2019. N8. С. 32-38. EDN: HYCFXA.; Ситдиков Ф.Ф., Цой Ю.А., Зиганшин Б.Г. Основные направления и проблемы цифровизации агропромышленного комплекса // Вестник Казанского государственного аграрного университета. 2019. Т. 14. N3. С. 112-115. DOI:10.12737/article_5db97473887137.67106533.; Shi Ch., Zhang J., Teng G. Mobile measuring system based on LabVIEW for pigbody components estimation in a large-scale farm. Computers and Electronics in Agriculture. 2019. N156. 399-405. DOI:10.1016/j.compag.2018.11.042.; Королев В.А., Башилов А.М. Видеоцифровое системно-метрическое управление агротехнологическими процессами // Вестник аграрной науки Дона. 2019. N4(48). С. 68-75. EDN: VSYVCN.; Buller H., Blokhuis H., Lokhorst K. et al. Animal welfare management in a digital world. Animals. 2020. N10. 1779. DOI:10.3390/ani10101779.; Xue T., Qiao Y., Kong H. et al. One-shot learning-based animal video segmentation. IEEE Transactions on Industrial Informatics. 2021. Vol. 18. N6. 3799-3807. DOI:10.1109/TII.2021.3117020.; Власенкова Т. А., Козырева Ю.Ю. Цифровизация как основа эффективного ведения сельского хозяйства // Менеджмент в АПК. 2021. N2. С. 11-16. DOI:10.35244/2782-3776-2021-1-2-11-16.; Zhengxia Z., Zhenwei S., Yuhong G., Jieping Y. Object detection in 20 years: a survey. Computer Vision and Pattern Recognition. 2019. 1905.05055v2. DOI:10.48550/arXiv.1905.05055.; Jones J.W., Antle J.M., Basso B. et al. Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science. Agricultural Systems. 2017. N155. 269-288. DOI:10.1016/j.agsy.2016.09.021.; Qiao Y., Kong H., Clark C. et al. Intelligent perception-based cattle lameness detection and behaviour recognition: a review. Animals. 2021. N11. 3033. DOI:10.3390/ani11113033.; https://www.vimsmit.com/jour/article/view/624

الاتاحة: https://www.vimsmit.com/jour/article/view/624
https://doi.org/10.22314/2073-7599-2024-18-4-34-40

المؤلفون: S. S. Yurochka, I. M. Dovlatov, A. R. Khakimov, I. V. Komkov, D. Yu. Pavkin, S. O. Bazaev, С. С. Юрочка, И. М. Довлатов, А. Р. Хакимов, И. В. Комков, Д. Ю. Павкин, С. О. Базаев

المساهمون: Исследование выполнено за счет гранта Российского научного фонда № 23-76-10041, https://rscf.ru/project/23-76-10041/.

المصدر: Agricultural Machinery and Technologies; Том 18, № 1 (2024); 101-107 ; Сельскохозяйственные машины и технологии; Том 18, № 1 (2024); 101-107 ; 2073-7599

مصطلحات موضوعية: полиэтилентерефталат, phenotyping, grading, linear assessment of exterior, binocular stereo pair, artificial intelligence, polyethylene terephthalate, фенотипирование, бонитировка, линейная оценка экстерьера, бинокулярная стереопара, искусственный интеллект

وصف الملف: application/pdf

Relation: https://www.vimsmit.com/jour/article/view/567/516; Ценч Ю.С. Научно-технический потенциал как главный фактор развития механизации сельского хозяйства // Сельскохозяйственные машины и технологии. 2022. Т. 16. N2. С. 4-13. DOI:10.22314/2073-7599-2022-16-2-4-13.; Лобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства // Сельскохозяйственные машины и технологии. 2021. Т. 15. N4. С. 6-10. DOI:10.22314/2073-7599-2021-15-4-6-10.; Королев В.А., Башилов А.М. Видеоцифровое системно-метрическое управление агротехнологическими процессами // Вестник аграрной науки Дона. 2019. N4(48). С. 68-75.; Buller H., Blokhuis H., Lokhorst K. et al. Animal welfare management in a digital world. Animals. 2020. N10. 1779. doi.org/10.3390/ani10101779.; Martins B.M., Mendes A.L.C., Silva L.F. et al. Estimating body weight, body condition score, and type traits in dairy cows using three dimensional cameras and manual body measurements. Livestock Science. 2020. Vol. 236. 104054. doi.org/10.1016/j.livsci.2020.104054.; Zhao Y., Xiao Q., Li J., et al. Review on image-based animals weight weighing. Computers and Electronics in Agriculture. 2023. N215. 108456. doi.org/10.1016/j.compag.2023.108456.; Bi Ye, Campos L.M., Wang J., Yu H. Depth video data-enabled predictions of longitudinal dairy cow body weight using thresholding and Mask R-CNN algorithms. Smart Agricultural Technology. 2023. N6. 100352. doi.org/10.1016/j.atech.2023.100352.; Li J., Ma W., Bai Q. et al. A posture-based measurement adjustment method for improving the accuracy of beef cattle body size measurement based on point cloud data. Biosystems Engineering. 2023. N230. С. 171-190. DOI:10.1016/biosystemseng,2023.04.014.; Zhao K.X., Shelley A.N., Lau D.L. et al. Automatic body condition scoring system for dairy cows based on depth-image analysis. International Journal of Agricultural and Biological Engineering. 2020. N13(4): 45–54. DOI:10.25165/j.ijabe.20201304.5655.; Yurochka S.S., Dovlatov I.M., Pavkin D.Yu. et al. Technology of automatic evaluation of dairy herd fatness. Agriculture. 2023. N13(7). 1363. DOI:10.3390/agriculture13071363.; Tsai D.M., Huang C.Y. A motion and image analysis method for automatic detection of estrus and mating behavior in cattle. Computers and Electronics in Agriculture. 2014. 104. 25-31. DOI:10.1016/j.compag.2014.03.003; Xue T., Qiao Y., Kong H. et al. One-shot learning-based animal video segmentation. IEEE Transactions on Industrial Informatics. 2021. DOI:10.1109/TII.2021.3117020.; Jones J.W., Antle J.M., Basso B. et al. Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science. Agricultural Systems. 2017. 155. 269-288. DOI:10.1016/j.agsy.2016.09.021; Charfeddine N., Pérez-Cabal M.A. Effect of claw disorders on milk production, fertility, and longevity, and their economic impact in Spanish Holstein cows. Journal of Dairy Science. 2017. (1):653-665. doi:10.3168/jds.2016-11434.; Qiao Y., Kong H., Clark C. et al. Intelligent perception-based cattle lameness detection and behaviour recognition: A Review. Animals. 2021. 11. 3033. https://doi.org/10.3390/ani11113033.; Дунин И.М., Павлов М.Б., Белик Н.И., Сердюков И.Г. Использование селекционных индексов в тонкорунном овцеводстве. Зоотехния. 2020. N2. С. 30-32. DOI:10.25708/ZT.2020.33.25.010.; Bahlo C., Dahlhaus P., Thompson H., Trotter M. The role of interoperable data standards in precision livestock farming in extensive livestock systems: A review. Computers and Electronics in Agriculture. 2019. 156. 459-466. DOI:10.1016/j.compag.2018.12.007; https://www.vimsmit.com/jour/article/view/567

الاتاحة: https://www.vimsmit.com/jour/article/view/567
https://doi.org/10.22314/2073-7599-2024-18-1-101-107

المؤلفون: D. Yu. Pavkin, S. S. Yurochka, A. A. Polikanova, I. M. Dovlatov, Д. Ю. Павкин, С. С. Юрочка, А. А. Поликанова, И. М. Довлатов

المصدر: Agricultural Machinery and Technologies; Том 17, № 2 (2023); 28-34 ; Сельскохозяйственные машины и технологии; Том 17, № 2 (2023); 28-34 ; 2073-7599

مصطلحات موضوعية: ранняя диагностика заболеваний, grades of dairy cattle, bonitification, live weight, non-contact assessment of cattle body condition, physiological state of animals, early diagnosis of diseases, бонитировка молочного скота, живая масса, бесконтактная оценка упитанности, физиологическое состояние животных

وصف الملف: application/pdf

Relation: https://www.vimsmit.com/jour/article/view/513/466; Delić B., Belić B., Cincović M.R., Djokovic R., Lakić I. Metabolic adaptation in first week after calving and early prediction of ketosis type I and II in dairy cows. Large Animal Review. 2020. N26. 51-55.; Hubner A., Canisso I.F., Peixoto P.M., et al. Characterization of metabolic profile, health, milk production, and reproductive outcomes of dairy cows diagnosed with concurrent hyperketonemia and hypoglycemia. Journal of Dairy Science. 2022. Vol. 105. N11. 9054-9069; Puppel K., Kuczyńska B. Metabolic profiles of cow’s blood; a review. Journal of the Science of Food and Agriculture. 2016. N96. 4321-4328.; Wang Y., Huo P., Sun Y., Zhang Y. Effects of Body Condition Score Changes During Peripartum on the Postpartum Health and Production Performance of Primiparous Dairy Cows. Animals. 2019. N9. 1159.; Пустовая А.О., Секерин И.Ю., Куцевалов А.А. и др. Кетоз у коров // Вестник научно-технического творчества молодежи Кубанского ГАУ. 2016. Т. 4. N1. С. 198-200.; Эленшлегер А., Требухов А., Казакова О. Особенности кетогенеза у больных субклиническим кетозом коров до и после отела // Ветеринария сельскохозяйственных животных. 2016. N6. С. 27-30.; Deniz A., Aksoy K., Metin M. Transition period and subclinical ketosis in dairy cattle: association with milk production, metabolic and reproductive disorders and economic aspects. Medycyna Weterynaryjna. 2020. N76(09). 495-502.; Faruk M.S., Park B., Ha S., et al. Comparative study on different field tests of ketosis using blood, milk, and urine in dairy cattle. Veterinární medicína. 2020. N65. 199-206.; Frigo E., Dechow C.D., Pedron O., Cassell B.G. The genetic relationship of body weight and early-lactation health disorders in two experimental herds. Journal of Dairy Science. 2010. N93(3). 1184-1192.; Staničkov N., Cincović M., Djoković R., et al. Ketosis in Dairy Cows during Early Lactation – Detection in Pooled Blood Serum Samples. Acta Scientiae Veterinariae. 2022. N50. 1866. 1-8.; Satoła A., Bauer E.A. Predicting Subclinical Ketosis in Dairy Cows Using Machine Learning Techniques. Animals. 2021. N11. 2131.; Najm N.-A., Zimmermann L., Dietrich O., Rieger A., Martin R., Zerbe H. Associations between motion activity, ketosis risk and estrus behavior in dairy cattle. Preventive Veterinary Medicine. 2019. 104857.; Albornoz R.I., Giri K., Hannah M.C., Wales W.J. An Improved Approach to Automated Measurement of Body Condition Score in Dairy Cows Using a Three-Dimensional Camera System. Animals. 2022. N12. 72.; Li S., Wei X., Song J., Zhang C., Zhang Y., Sun Y. Evaluation of Statistical Process Control Techniques in Monitoring Weekly Body Condition Scores as an Early Warning System for Predicting Subclinical Ketosis in Dry Cows. Animals. 2021. N11. 3224.; Павкин Д.Ю., Юрочка С.С., Хакимов А.Р., Довлатов И.М. Разработка интеллектуального алгоритма взвешивания дойных коров // Агротехника и энергообеспечение. 2022. N3(36). С. 44-51.; Павкин Д.Ю., Юрочка С.С., Хакимов А.Р., Довлатов И.М. Разработка интеллектуальной весовой платформы для проведения бонитировочных работ // Агротехника и энергообеспечение. 2022. N3(36). С. 52-58.; Павкин Д.Ю., Юрочка С.С., Шилин Д.В., Рузин С.С. Бесконтактная оценка упитанности молочных коров с использованием ToF-технологии // Агроинженерия. 2021. N2(102). С. 39-44.; Яремчук В.П. Некоторые вопросы сдачи-приемки живого скота // Мясные технологии. 2010. N2(86). С. 34-38.; Романов И.О., Стрельцов А.С. Функционально математическое определение показателей надежности и установление зависимости комплексного показателя от единичных на стадиях изготовления и восстановления деталей, определяющих безотказность машины // Надежность. 2018. Т. 18. N2. 10-16.; https://www.vimsmit.com/jour/article/view/513

الاتاحة: https://www.vimsmit.com/jour/article/view/513
https://doi.org/10.22314/2073-7599-2023-17-2-28-34

المؤلفون: D. Yu. Pavkin, A. R. Khakimov, A. V. Shkirin, S. S. Yurochka, D. N. Ignatenko, Д. Ю. Павкин, А. Р. Хакимов, А. В. Шкирин, С. С. Юрочка, Д. Н. Игнатенко

المصدر: Agricultural Machinery and Technologies; Том 17, № 1 (2023); 70-75 ; Сельскохозяйственные машины и технологии; Том 17, № 1 (2023); 70-75 ; 2073-7599

مصطلحات موضوعية: проточный анализатор, digitalization, simulation modeling, milk quality analysis, a flow-through device, цифровизация, имитационное моделирование, анализ качества молока

وصف الملف: application/pdf

Relation: https://www.vimsmit.com/jour/article/view/508/461; Burmistrov D.E., Pavkin D.Y., Khakimov A.R., Ignatenko D.N., Nikitin E.A., Lednev V.N., Lobachevsky Y.P., Gudkov S.V., Zvyagin A.V. Application of Optical Quality Control Technologies in the Dairy Industry: An Overview. Photonics. 2021. N8. 551.; Mengüç M., Manickavasagam S. Characterization of size and structure of agglomerates and inhomogeneous particles via polarized light. International journal of engineering science. 1998. Vol. 36. N12-14. 1569-1593.; Kolokolova L., Kimura H., Ziegler K., Mann I. Light-scattering properties of random-oriented aggregates: Do they represent the properties of an ensemble of aggregates? Journal of Quantitative Spectroscopy and Radiative Transfer. 2006. Vol. 100. N1-3. 199-206.; Павкин Д.Ю., Хакимов А.Р., Владимиров Ф.Е., Юрочка С.С. Влияние субклинического и клинического мастита на процесс молокоотдачи коров ярославской породы // Сельскохозяйственные машины и технологии. 2022. Т. 16. N3. С. 62-66.; He C., He H., Chang J., Chen B., Ma H., Booth M.J. Polarisation optics for biomedical and clinical applications: a review. Light: Science & Applications. 2021. 10. N1. 1-20.; Ghosh N., Vitkin A. I. Tissue polarimetry: concepts, challenges, applications, and outlook. Journal of biomedical optics. 2011. Vol. 16. N11. 110801.; Li P., Peng M., Yin X., Ma Z., Dong G., Zhang Q., Qiu J. Temperature dependent red luminescence from a distorted Mn4+ site in CaAl4O7: Mn4+. Optics Express. 2013. Vol. 21. N16. 18943-18948.; Ramella-Roman J.C., Saytashev I., Piccini M. A review of polarization-based imaging technologies for clinical and preclinical applications. Journal of Optics. 2020. Vol. 22. N12. 123001.; He H., Liao R., Zeng N., Li P., Chen Z., Liu X., Ma H. Mueller matrix polarimetr – an emerging new tool for characterizing the microstructural feature of complex biological specimen. Journal of Lightwave Technology. 2019. 37. N11. 2534-2548.; Tuchin V. V. Polarized light interaction with tissues. Journal of biomedical optics. 2016. 21. N7. 071114.; Liu T., Sun T., He H., Liu S., Dong Y., Wu J., Ma H. Comparative study of the imaging contrasts of Mueller matrix derived parameters between transmission and backscattering polarimetry. Biomedical Optics Express. 2018. N9. 4413-4428.; Jiao S., Yu W., Stoica G., Wang L. V. Multiple-channel Mueller-matrix optical coherence tomography in biological tissue. IEEE. 2002. 11.; Chue-Sang J., Bai Y., Stoff S., Straton D., Ramaswamy S. D., Ramella-Roman J. C. Use of combined polarization-sensitive optical coherence tomography and Mueller matrix imaging for the polarimetric characterization of excised biological tissue. Journal of Biomedical Optics. 2016. 21. N7. 071109.; Kirsanov V.V., Shkirin A.V., Pavkin D.Y., Ignatenko D.N., Danielyan, G.L., Khakimov A.R., Bunkin, N.F. Laser Fluorescence and Extinction Methods for Measuring the Flow and Composition of Milk in a Milking Machine. Photonics. 2021. N8. 390.; Мамаев В.А. Движение газожидкостных смесей в трубах. М.: Недра. 1978. 240 с.; https://www.vimsmit.com/jour/article/view/508

الاتاحة: https://www.vimsmit.com/jour/article/view/508
https://doi.org/10.22314/2073-7599-2023-17-1-70-75

المؤلفون: D. Yu. Pavkin, S. S. Yurochka, Д. Ю. Павкин, С. С. Юрочка

المساهمون: the work was supported by the Council for Grants of the President of the Russian Federation for the right to receive a grant of the President of the Russian Federation for state support of young Russian scientists – Candidates of Science-MK-2513.2022.4, работа выполнена при поддержке Совета по грантам Президента Российской Федерации на право получения гранта Президента Российской Федерации для государственной поддержки молодых российских ученых – кандидатов наук – МК-2513.2022.4

المصدر: Agricultural Science Euro-North-East; Том 24, № 2 (2023); 306-316 ; Аграрная наука Евро-Северо-Востока; Том 24, № 2 (2023); 306-316 ; 2500-1396 ; 2072-9081

مصطلحات موضوعية: оптический модуль, udder assessment, linear parameters, optical module, оценка вымени, линейные параметры

وصف الملف: application/pdf

Relation: https://www.agronauka-sv.ru/jour/article/view/1320/660; Кирсанов В. В., Цой Ю. А. Тенденции развития биотехнических систем в животноводстве. Сельскохозяйственные машины и технологии. 2020;14(3):27-32. DOI: https://doi.org/10.22314/2073-7599-2020-14-3-27-32 EDN: EKAHHX; Харченко А. В., Фейзуллаев Ф. Р., Лепёхина Т. В. Экстерьерные особенности казахской белоголовой породы крупного рогатого скота. Главный зоотехник. 2022;(6-1):62-64. Режим доступа: https://www.elibrary.ru/item.asp?id=48575944 EDN: HCHSJB; Ситдиков Ф. Ф., Цой Ю. А., Зиганшин Б. Г. Основные направления и проблемы цифровизации агропромышленного комплекса. Вестник Казанского государственного аграрного университета. 2019;14(3(54)):112-115. DOI: https://doi.org/10.12737/article_5db97473887137.67106533 EDN: EWHGNE; Чиндалиев А. Е., Калимолдинова А. С., Алипов А. У., Баймуканов А. Д. Использование линейной оценки экстерьера коров. Главный зоотехник. 2019;(8):32-38. Режим доступа: https://www.elibrary.ru/item.asp?id=41098038 EDN: HYCFXA; Горбунова О. С., Бражник М. В. Человеческий капитал сельского хозяйства и проблемы его роста. Аграрное образование и наука. 2018;(1):4. Режим доступа: https://www.elibrary.ru/item.asp?id=36525559 EDN: YPLFDN; Павкин Д. Ю., Юрочка С. С., Хакимов А. Р., Довлатов И. М. Разработка интеллектуальной весовой платформы для проведения бонитировочных работ. Агротехника и энергообеспечение. 2022;12(13):52-58. Режим доступа: https://www.elibrary.ru/item.asp?id=49525733 EDN: FYHNKE; Юрочка С. С., Хакимов А. Р., Довлатов И. М., Владимиров Ф. Е., Павкин Д. Ю., Матвеев В. Ю. Применение метода определения биометрических параметров вымени лактирующих животных с использованием сверточной нейронной сети. Вестник НГИЭИ. 2022;(9(136)):30-40. DOI: https://doi.org/10.24412/2227-9407-2022-9-30-40 EDN: XLPHLO; Захарова А. А., Бондарев А. Е., Коростелёв Д. А., Подвесовский А. Г. Построение трехмерных визуальных карт обобщенного вычислительного эксперимента. Scientific Visualization and Visual Analytics. ГрафиКон 2022: 32-я Международ. конф. по компьютерной графике и машинному зрению, 19-22 сентября 2022 г., Рязанский государственный радиотехнический университет им. В. Ф. Уткина. Рязань, 2022. C. 362-371. Режим доступа: https://www.graphicon.ru/html/2022/papers/paper_035.pdf; Иордан В. И. Методы коррекции последовательной линейной интерполяции для нахождения нулей функций и характеристического полинома матриц специального вида. Известия Алтайского государственного университета. 2018;(1(99)):92-98. DOI: https://doi.org/10.14258/izvasu(2018)1-16 EDN: YRHIYC; Миралиев О. О., Кудратов С. Г. Удаление шумов в трехмерных точечных облаках, построенных из световых полей. Big Data and Advanced Analytics. 2021;(7-1):284-286. Режим доступа: https://www.elibrary.ru/item.asp?id=46482815 EDN: DMEEWD; Suslov S. O., Zhuravko N. S., Filatov R. A.,Uzbekov E. R., Berkimbay O. S., Mukhatzhanov A., Sorokin A. S., Fagereva V. A. Improving the Dynamic Characteristics of a Seismic Image by Applying Modern Methods of Interpretation Support and Processing on the Example of a Field in Eastern Siberia. Geomodel. 2020. European Association of Geoscientists & Engineers. 2020;2020:1-6. DOI: https://doi.org/10.3997/2214-4609.202050097; Шардаков В. М., Запорожко В. В., Парфёнов Д. И., Извозчикова В. В. Разработка адаптивного модуля визуализации окружающего пространства для облачной образовательной среды. Управление развитием крупномасштабных систем (MLSD'2018): мат-лы одиннадцатой Международ. конф. В двух томах. Т. II. М.: Институт проблем управления им. В. А. Трапезникова РАН, 2018. С. 376-378. Режим доступа: https://www.elibrary.ru/item.asp?id=36620714 EDN: YRCNFZ; Кадралиева Б. Т., Косилов В. И. Влияние генотипа коров-первотелок на морфометрические показатели и функциональные свойства вымени. Вестник Кыргызского национального аграрного университета им. К. И. Скрябина. 2021;(2(56)):132-136. Режим доступа: https://www.elibrary.ru/item.asp?id=46179806 EDN: LBGMOU; Кибкало Л. И., Сидорова Н. В. Влияние линейной принадлежности коров на их морфологические и функциональные свойства вымени. Актуальные вопросы сельскохозяйственной биологии. 2021;(3(21)):52-56. Режим доступа: https://bsaa.edu.ru/upload/2021/3%202021.pdf; https://www.agronauka-sv.ru/jour/article/view/1320

الاتاحة: https://www.agronauka-sv.ru/jour/article/view/1320
https://doi.org/10.30766/2072-9081.2023.24.2.306-316

المؤلفون: D. Yu. Pavkin, S. S. Yurochka, A. R. Khakimov, I. M. Dovlatov, Д. Ю. Павкин, С. С. Юрочка, А. Р. Хакимов, И. М. Довлатов

المساهمون: Работа выполнена при поддержке Совета по грантам Президента Российской Федерации на право получения гранта Президента Российской Федерации для государственной поддержки молодых российских ученых –кандидатов наук – МК-2513.2022.4.

المصدر: Agricultural Machinery and Technologies; Том 16, № 4 (2022); 54-59 ; Сельскохозяйственные машины и технологии; Том 16, № 4 (2022); 54-59 ; 2073-7599

مصطلحات موضوعية: модульная система цифровизации бонитировочных работ, digitalization, automation, appraisal work, modular system for digitalization of appraisal work, цифровизация, автоматизация, бонитировочные работы

وصف الملف: application/pdf

Relation: https://www.vimsmit.com/jour/article/view/494/448; Büscher W. Digitization of the barn – current status and perspectives. Züchtungskunde. 2019. Vol. 91. N1. 35-44.; Burmistrov D.E., Pavkin D.Y., Khakimov A.R., Ignatenko D.N., Nikitin E.A., Lednev V.N., Lobachevsky Y.P., Gudkov S.V., Zvyagin A.V. Application of Optical Quality Control Technologies in the Dairy Industry: An Overview. Photonics. 2021. N8. 551.; Khakimov A.R., Pavkin D.Y., Yurochka S.S., Astashev M.E., Dovlatov I.M. Development of an Algorithm for Rapid Herd Evaluation and Predicting Milk Yield of Mastitis Cows Based on Infrared Thermography. Applied Sciences. 2022. N12. 6621.; Лачуга Ю.Ф., Измайлов А.Ю., Лобачевский Я.П., Шогенов Ю.Х. Результаты научных исследований агроинженерных научных организаций по развитию цифровых систем в сельском хозяйстве // Техника и оборудование для села. 2022. N3(297). С. 2-6.; Feng L.Q., Wei L.J., Hong M.W. Yu D.L., Yang Y.Q. Research progress of intelligent sensing technology for diagnosis of livestock and poultry diseases. Scientia Agricultura Sinica. 2021. N54(11). 2445-2463.; Daros R.R., Weary D.M., von Keyserlingk M.A.G. Invited review: Risk factors for transition period disease in intensive grazing and housed dairy cattle. Journal of Dairy Science. 2022. N105(6). 4734-4748.; Wurtz K., Camerlink I., D’Eath R.B., Fernández A.P., Norton T., Steibel J., Siegford J. Recording behaviour of indoor-housed farm animals automatically using machine vision technology: A systematic revie. PLoS ONE. 2019. N14(12).; Сатдыкова Ю.С., Горелик О.В., Неверова О.П. Эффективность производства молока в зависимости от живой массы коров-первотелок // Молодежь и наука. 2020. N11.; Косилов В.И., Никонова Е.А., Джалов А.Г. Потребление и использование кормов и энергии рациона телками черно-пестрой породы и ее помесями // Известия Оренбургского государственного аграрного университета. 2016. N4(60). С. 124-127.; Вильвер Д.С., Фомина А.А. Влияние энергетической кормовой добавки на изменчивость показателей молочной продуктивности коров черно-пестрой породы // Известия Оренбургского государственного аграрного университета. 2017. N1(63). С. 140-142.; Morales-Piñeyrúa J.T., Damián J.P., Banchero G., Blache D., Sant'Anna A.C. Metabolic profile and productivity of dairy Holstein cows milked by a pasture-based automatic milking system during early lactation: Effects of cow temperament and parity. Research in Veterinary Science. 2022. 147. 50-59.; Кирсанов В.В., Павкин Д.Ю., Довлатов И.М., Жмылев В.А. Модуль базовой станции приема-передачи данных физиологического состояния КРС // Агроинженерия. 2022. Т. 24. N1. С. 28-34.; Довлатов И.М., Юрочка С.С. Разработка энергоэффективной системы микроклимата для беспривязного содержания дойного стада // Сельскохозяйственные машины и технологии. 2021. Т. 15. N3. С. 73-80.; Краусп В.Р., Харатян Г.А. Контроль живой массы и диагностика состояния здоровья крупного рогатого скота // Инновации в сельском хозяйстве. 2016. N6(21). С. 46-51.; Харатян Г.А., Дубровин А.В., Суюнчалиев Р.С. Новая технологическая линия автоматизированного контроля живой массы и численности поголовья овец в пастбищных условиях их содержания // Механизация и электрификация сельского хозяйства. 2015. N8. 19-22.; Manshin Yu.P., Manshina E.Yu., Geue M. About the dynamic error of strain gauge torque measuring devices. Journal of Physics: Conference Series. 2021. 2131(5).; Павкин Д.Ю., Юрочка С.С., Шилин Д.В., Рузин С.С. Бесконтактная оценка упитанности молочных коров с использованием ToF-технологии // Агроинженерия. 2021. N2(102). С. 39-44.; Лобачевский Я.П., Бейлис В.М., Ценч Ю.С. Аспекты цифровизации системы технологий и машин // Электротехнологии и электрооборудование в АПК. 2019. N3(36). С. 40-45.; https://www.vimsmit.com/jour/article/view/494

الاتاحة: https://www.vimsmit.com/jour/article/view/494
https://doi.org/10.22314/2073-7599-2022-16-4-54-59