Научный журнал ФГБУН ВолНЦ РАН
(сетевое издание)
RuEn

рубрика "Кормопроизводство, кормление сельскохозяйственных животных и технология кормов"

Биометрический мониторинг рубцовой среды у молодняка мясного скота с применением внутрижелудочных болюсов: разработка онтологической модели для прогнозирования здоровья и продуктивности

Юрочка С.С., Владимиров Ф.Е., Хакимов А.Р.

Том 9, №4, 2026

Юрочка С.С., Владимиров Ф.Е., Хакимов А.Р. (2026). Биометрический мониторинг рубцовой среды у молодняка мясного скота с применением внутрижелудочных болюсов: разработка онтологической модели для прогнозирования здоровья и продуктивности // АгроЗооТехника. Т. 9. № 4. DOI: 10.15838/alt.2026.9.4.5 URL: http://azt-journal.ru/article/30752

DOI: 10.15838/alt.2026.9.4.5

Аннотация   |   Авторы   |   Список литературы
  1. Астахова Д.П., Рядчиков В.Г., Душкин Е.В. (2015). Основные причины, формы контроля и проявления ацидоза // Эффективное животноводство. № 9 (118). С. 9–11.
  2. Владимиров Ф.Е., Кирсанов В.В., Павкин Д.Ю. (2019). Исследование pH и температуры рубца для диагностики ацидоза у дойных коров после отела // Вестник Всероссийского научно-исследовательского института механизации животноводства. № 4 (36). С. 196–199.
  3. Йылдырым Е.А., Лаптев Г.Ю., Ильина Л.А. [и др.]. (2020). Таксономическая и функциональная характеристика микробиоты рубца лактирующих коров под влиянием пробиотика Целлобактерина+ // Сельскохозяйственная биология. Т. 55. № 6. С. 1204–1219. DOI: 10.15389/agrobiology.2020.6.1204rus
  4. Лобачевский Я.П., Дорохов А.С. (2021). Цифровые технологии и роботизированные технические средства для сельского хозяйства // Сельскохозяйственные машины и технологии. Т. 15. № 4. С. 6–10. DOI: 10.22314/2073-7599-2021-15-4-6-10
  5. Шейда Е.В. (2022). Изучение влияния различных добавок на ферментативные процессы в рубце и таксономический состав микробиома // Аграрный вестник Урала. № 3 (218). С. 72–82. DOI: 10.32417/1997-4868-2022-218-03-72-82
  6. Alzahal O. et al. (2009). Telemetric monitoring of ruminal temperature as core body temperature indicator. Journal of Dairy Science, 92, 5500–5505. DOI: 10.3168/jds.2009-2220
  7. Džermeikaitė K., Bačėninaitė D., Antanaitis R. (2023). Innovations in cattle farming: Application of innovative technologies and sensors in the diagnosis of diseases. Animals, 13(5), 780. DOI: 10.3390/ani13050780
  8. Enemark J.M.D. (2008). The monitoring, prevention and treatment of SARA: A review. Veterinary Journal, 176, 32–43. DOI: 10.1016/j.tvjl.2007.12.021
  9. Hajnal É., Kovács L., Vakulya G. (2022). dairy cattle rumen bolus developments with special regard to the applicable artificial intelligence (AI) methods. Sensors, 22(18), 6812. DOI: 10.3390/s22186812
  10. Liang D. et al. (2017). Estimating US dairy clinical disease costs with stochastic simulation. Journal of Dairy Science, 100, 1472–1486. DOI: 10.3168/jds.2016-11565
  11. Pereira G.M., Sharpe K.T., Heins B.J. (2021). Evaluation of the RumiWatch system as a benchmark to monitor feeding and locomotion behaviors of grazing dairy cows. Journal of Dairy Science, 104(3), 3736–3750. DOI: 10.3168/jds.2020-18952
  12. Petrovski K.R., Cusack P., Malmo J., Cockcroft P. (2022). The value of “cow signs” in the assessment of the quality of nutrition on dairy farms. Animals, 12(11), 1352. DOI: 10.3390/ani12111352. EDN: ETRBTU
  13. Plaizier J.C., Krause D.O., Gozho G.N., McBride B.W. (2008). Subacute ruminal acidosis in dairy cows. Veterinary Journal, 176, 21–31. DOI: 10.1016/j.tvjl.2007.12.016
  14. Zebeli Q., Metzler-Zebeli B.U. (2012). Interplay between rumen digestive disorders and diet-induced inflammation. Research in Veterinary Science, 93, 1099–1108. DOI: 10.1016/j.rvsc.2012.02.004
  15. Zhang F. [et al.]. (2024). Research Advances and Prospect of Intelligent Monitoring Systems for the Physiological Indicators of Beef Cattle. Smart Agriculture, 6(4), 1–17 (in Chinese). DOI: 10.12133/j.smartag.SA202312001.

Благодарности

Выполнено в рамках государственного задания FGUN-2025-0006.

Полная версия статьи

Яндекс.Метрика