ОПЫТ ЦИФРОВИЗАЦИИ ПРИ ОЦЕНКЕ КАЧЕСТВА ШЕРСТИ ОВЕЦ Текст научной статьи по специальности «Сельскохозяйственные науки»

УДК 636.034

ОПЫТ ЦИФРОВИЗАЦИИ ПРИ ОЦЕНКЕ КАЧЕСТВА ШЕРСТИ ОВЕЦ

Л.Д. Самусенко, кандидат биологических наук, доцент, доцент А.В. Мамаев, доктор биологических наук, профессор, профессор E-mail: [email protected] Орловский государственный аграрный университет им. Н.В. Парахина

Аннотация: внедрение цифровизации в сельскохозяйственное производство перспективно и позволяет получить преимущество на рынке животного сырья за счёт оптимизации производства и повышения производительности труда. Автоматизация производственных процессов и использование точных данных повышает уровень планирования, обоснованность принимаемых решений и как следствие повышает производительность сельскохозяйственных операций, качество и безопасность продукции. Точный и своевременный анализ данных повышает эффективность селекционного процесса в овцеводстве, позволяет лучше использовать ресурсы животного организма. Для определения класса шерсти у опытных овцематок измеряли УБП в пяти ПЛБАЦ №13, №26, №60, №65, с последующей статистической обработкой и сопоставлением с классом шерсти. (табл. 1). При среднем значении УБП ПЛБАЦ -51,1 мкА и менее устанавливали 48 класс полутонкорунной шерсти, при значении- 51,2 - 60,3 мкА устанавливали 50 класс полутонкорунной шерсти, а при среднем значении -60,4 мкА и выше - 56 класс полутонкорунной шерсти.

Таким образом, в настоящем исследовании предложена эффективная методика цифровизации на примере оценки качества шерсти овец, как одного из инструментов мониторинга развития в условиях перехода к цифровому сельскому хозяйству, определения стратегических целей деятельности организации. Предложенный подход носит комплексный характер, дополняет существующие методы оценки получаемого сырья, обеспечивая универсальность и гибкость методики.

Ключевые слова: цифровизация, овцеводство, качество сырья.

DIGITALIZATION EXPERIENCE IN ASSESSING THE QUALITY OF SHEEP WOOL

L.D. Samusenko, Candidate of biological science, department of private animal husbandry and breeding A.V. Mamaev, Doctor of Biological Sciences, Professor, Head of the Department Orel State Agrarian University named after N. V. Parahina

Annotation: The introduction of digitalization in agricultural production is promising and allows you to gain an advantage in the market of animal raw materials by optimizing production and increasing labor productivity. Automation of production processes and the use of accurate data increases the level of planning, the validity of decisions made and, as a result, increases the productivity of agricultural operations, product quality and safety. Accurate and timely data analysis increases the efficiency of the breeding process in sheep breeding, makes it possible to better use the resources of the animal body. To determine the wool class in experienced ewes, the UBP was measured in five swimmers №13, №26, №60, №65, with subsequent statistical processing and comparison with the wool class. (Table 1). With an average value of UBP of the PBAC of -51.1 mkA and less, 48 class of semi-fine wool was established, with a value of - 51.2 - 60.3 mkA, 50 class of semi-fine wool was established, and with an average value of -60.4 mkA and above, 56 class of semi-fine wool.

Thus, in this study, an effective method of digitalization is proposed using the example of assessing the quality of sheep wool as one of the tools for monitoring development in the context of the transition to digital agriculture, determining the strategic goals of the organization's activities. The proposed approach is comprehensive, complements the existing methods of evaluating the obtained raw materials, providing versatility and flexibility of the methodology.

Keywords: digitalization of sheep farming, quality of raw materials

На современном уровне развития экономики и обеспечения продовольственной безопасности страны, значимая роль отводиться аграрному сектору. Отрасли сельского хозяйства являются главным источником доходов для всех категорий хозяйств, специализирующихся на производстве сельскохозяйственной продукции и создают рабочие места для множества людей, способствует развитию сельских территорий, повышает качество жизни сельского населения. В целях обеспечения продовольственной безопасности и повышения качества жизни населения страны одними из наиболее актуальных вопросов является совершенствование механизмов управления инновационной деятельностью агропромышленного комплекса и превращение его в высокотехнологичную отрасль. В свете инновационного развития современное сельское хозяйство становиться сложной и многогранной отраслью, которая сталкивается с вызовами в области увеличения продуктивности и эффективности ее видения. Цифровые технологии, такие как сенсоры, робототехника, искусственный интеллект и др., предлагают новые возможности для улучшения процессов

производства и управления. В частности в животноводстве цифровые решения позволяют отслеживать здоровье и поведение животных, контролировать их питание и условия содержания. Технологии ЯРГО (радиочастотная идентификация) и маркировка животных позволяют вести точный учет их движений и мониторить показатели производительности. Это помогает предотвращать заболевания, улучшать генетику и повышать эффективность животноводства [5,8].

Развитие цифровых технологий и переход к цифровой экономике является стратегическим направлением государственной политики Российской Федерации, способствующим осуществлению прорывного технологического и социально-экономического развития страны.

Внедрение цифровизации в сельское хозяйство имеет большие перспективы и может привести к множеству преимуществ: - повышение эффективности и производительности: Автоматизация процессов и использование точных данных позволяют улучшить планирование, принимать обоснованные решения и повышать производительность сельскохозяйственных операций.; - улучшение качества и безопасности продукции;- прогнозировать на основе анализа данных эффективность селекционного процесса; - позволяют оптимизировать использование ресурсов животного организма.

Вместе с тем в настоящее время прорывному развитию организаций сельского хозяйства и перерабатывающей промышленности препятствует высокий износ технологической базы, низкая инвестиционная активность, обусловленная низкой платежеспособностью предприятий при недостаточных объемах государственного финансирования. В сложившейся ситуации, внедрение в производственные процессы инновационных цифровых решений, позволяющих рационально использовать экономические ресурсы при максимизации получаемого эффекта, вероятнее всего позволит поднять отрасль овцеводства на новый современный уровень [1,2].

В связи с вышесказанным, одним из перспективных направлений развития цифровизации овцеводства является использование биоэнергетических систем животного организма путем параметрирования биологически активных центров и формирования высоко вероятных прогнозов продуктивности и функционального состояния организма животных. В качестве легко доступных сенсорных датчиков отражающих состояние организма животных, предлагается использовать расположенные на поверхности тела животных ПЛБАЦ, которые по своей сути, осуществляют связь внутренней среды организма с окружающим пространством. Самусенко Л.Д., Мамаевым А.В., 2015 на поверхности тела овец были идентифицированы поверхностно локализованные биологически активные центры (ПЛБАЦ), обладающие определенной биоэлектрической активностью измеряемой в виде потенциалов. Свойства ПЛБАЦ свидетельствуют о наличии в животном организме энергоинформационной системы, в определенном смысле приближенной к современным понятиям энергообмена и сигналинга в биологии. В этом случае ПЛБАЦ можно рассматривать как участок тела характеризуемые как «вход - выход энергии» [3,4,6,7,9].

Цель исследования - разработка эффективной методики цифровизации при оценке качества шерсти овец на специализированных предприятиях.

Результаты. В условиях глобальных тенденций цифровой трансформации и активного внедрения цифровых технологий в реальный сектор экономики, в том числе в агропромышленный комплекс, моделирование текущих бизнес-процессов предприятия и оценка реализуемых инновационных проектов позволяет определить оптимальную стратегию развития предприятия, обеспечить ее корректировку и своевременное принятие необходимых решений. На рисунке 1 представлены основные этапы методики оценки внедрения цифровых технологий на овцеводческих предприятиях. Рассмотрим сущность каждого из этапов более подробно.

На первом (предварительном) этапе методики осуществляется подготовка исходных параметров для дальнейшего анализа внутригрупповых интегральных показателей оценки. Первый шаг заключается в выборе ПЛБАЦ для оценки интересующего показателя продуктивности, шаг второй - поиск места локализации на поверхности тела животных.

На втором ( аналитическом ) этапе, проводится биоэнергетическое параметрирвование ПЛБАЦ, трехкратно, в течение трех смежных дней, с последующей статистической обработкой полученных данных в интегральные индикаторы уровня цифровизации.

На третьем (результативном) этапе разрабатываемого методического подхода проводится основаное обобщении полученных данных и их соотнесение с качеством производимого продукта, последующая интерпретации результатов в соответствии с матрицей оценки. Это позволяет оценить экономическую эффективность деятельности производящей организации.

Подготовительныйэтап

•Подбор ПЛБАЦ в соотвествии с целью получения конечного продукта

•Поиск ПЛБАЦ на поверхности тела овец

•Параметрирование ПЛБАЦ

•Вычисление показателей параметров ПЛБАЦ

Аналитический этап

• Получение результата оценки производимого продукта •Интерпритация полученных результатов в соответствии с матрицей оценки

Рисунок 1 - Этапы методики оценки эффективности цифровизации на овцеводческом предприятиях

В качестве примера можно рассмотреть модель оценки тонины шерсти - основного признака ценообразования при продаже шерсти овец предприятием. Тонина шерсти, по своему значению при техническом использовании, является наиболее важным качественным показателем. Этот признак, в определенной степени, обусловливает и величину шерстной продуктивности, взаимосвязан с такими признаками, как густота и длина шерсти, площадь руна, а также характеризует конституциональные особенности овец. Определение тонины шерсти необходимо овцеводу-селекционеру для надлежащего подбора животных для воспроизводства. Поэтому, при оценке овец для воспроизведения, тонина шерсти является важнейшим признаком. Немаловажно, что диаметр шерсти, её класс, играет решающую роль в ценообразовании, а следовательно, напрямую влияет на рентабельность отрасли овцеводства в целом.

Для определения класса шерсти у всех опытных овцематок был измерен УБП в пяти ПЛБАЦ №13, №26, №60, №65, проведена статистическая обработка и сопоставление с классом шерсти. (табл. 1). При среднем значении УБП ПЛБАЦ -51,1 мкА и менее устанавливали 48 класс полутонкорунной шерсти, при значении- 51,2 - 60,3 мкА устанавливали 50 класс полутонкорунной шерсти, а при среднем значении -60,4 мкА и выше - 56 класс полутонкорунной шерсти.

Таблица -2 Матрица определения класса шерсти овцематок по параметрам уровней биоэнергетических потенциалов ПЛБАЦ

Показатель

УБП ПЛБАЦ, мкА 51,1±0,35 60,3±0,40** 62,8±0,48***

Тонина, в мкм 32,4±0,40 *** 30,27±0,24* 28,3±0,26**

Класс шерсти 48 50 56

Извитость, шт/ см 9,9±0,31 12,5±0,25** 15,9±0,27***

Крепость, сН/текс 7,9±0,27 8,5±0,21 6,6±0,16

Примечание: разница статистически достоверна по сравнению с контролем: *Р<0,05;**Р<0,01; ***Р<0,001.

Таким образом, в настоящем исследовании предложена эффективная методика цифровизации на примере оценки качества шерсти овец, как одного из инструментов мониторинга развития в условиях перехода к цифровому сельскому хозяйству, определения стратегических целей деятельности организации. Предложенный подход носит комплексный характер, дополняет существующие методы оценки получаемого сырья, обеспечивая универсальность и гибкость методики.

Литература:

1. Банников С.А. Цифровая зрелость сельского хозяйства: результаты исследований и методика оценки/ Банников С.А., Гарбузова Т Г , Лосев А Н Вестник НГИЭИ. 2023. № 10 (149

2. Лещева М.Г. Проблемы активизации инновационной деятельности в современном овцеводстве/ М.Г. Лещева, Ю.А. Юлдашбаев// Вестник АПК Ставрополья.- 2011.-№3 (3).- с. 100-103.

3. Патент № 2570325 С2 Российской Федерации А01К 67/00 (2006.01) «Способ идентификации поверхностно локализованных биологически активных центров тела овец»; заявка Заявка: 2014116353/13, 22.04.2014: Опубл: 10.12.2015 Бюл. № 34 / Мамаев А.В., Самусенко Л.Д., Родин О.Ю.; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования "Орловский государственный аграрный университет имени Н.В. Парахина".

4. Патент№2720417 Российской Федерации A01K 67/00 (2006.01) A01K 67/00 (2019.08) Способ определения класса шерсти овец; Заявка: 2019114623, 13.05.2019: Опубл: 29.04.2020 Бюл. № 13/ Самусенко Л.Д., Мамаев А.В.; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования "Орловский государственный аграрный университет имени Н.В. Парахина".

5. Рыбин, Г. И. Информационное обеспечение отрасли - приоритетная задача /Г. И. Рыбин, М. Г. Лещева // Овцы, козы шерстяное дело. - 2005. - № 4. - С. 2-8.

6. Самусенко Л.Д. Биоинформационная цифровизация в молочном скотоводстве/ Л.Д. Самусенко, А.В. Мамаев.- 2024.- №1.- С. посмотри страницы

7. Самусенко Л.Д. Биоэнергетический метод оценки качества шерстной продуктивности овец/ Л.Д. Самусенко, А.В. Мамаев // Вестник Ульяновской государственной сельскохозяйственной академии.-2023.- №3 (63).- с.174-178. (К1)

8. Трухачев, А. В. Интеграционные процессы в инновационном развитии АПК / А. В. Трухачев, М. Г. Лещева // Достижения науки и техники АПК. - 2010. - № 9. - С. 5-8.

9. Samusenko L.D., Аpplication of environmentally safe bioelectrical parameterization for the assessment of potential multiple pregnancy of sheep and offspring growing capacitY/ L D Samusenko, A V Mamaev // В сборнике: IOP Conference Series: Earth and Environmental Science. Сер. "International Science and Technology Conference "Earth Science", ISTC EarthScience 2022 - Chapter 1." 2022. С. 022019. Environmental Science 720 (2021) 012007