МОДЕЛИРОВАНИЯ ЗАДАЧИ РАННЕГО ВЫЯВЛЕНИЯ ХРОМОТЫ У КРУПНОГО РОГАТОГО СКОТА НА ОСНОВЕ ДАННЫХ ШАГОМЕРОВ

Avtorlar

  • Самандаров Б.С.

    Tashkent University of Information Technology image/svg+xml

  • Гелдибаев Б.Е.

    Tashkent University of Information Technology image/svg+xml

Gilt sózler: моделирования, животноводство, выявления хромоты, обработка данных, данные шагомеров

Annotaciya

Статья представляет собой исследование, посвященное разработке алгоритма раннего обнаружения хромоты у крупного рогатого скота с использованием данных, полученных от шагомеров. Авторы предлагают модель, основанную на анализе показателей активности и движения животных, с целью выявления аномалий в шагах, которые могут свидетельствовать о начальных стадиях хромоты. Предлагаемая модель и процесс обработки данных для определения хромоты у крупного рогатого скота позволяют эффективно диагностировать данное заболевание на ранних этапах, что способствует более эффективному лечению и снижению потерь в животноводстве.

Paydalanılǵan ádebiyatlar

1. Heesterbeek H., Anderson R.M., Andreasen V., Bansal S., DeAngelis D., Dye C., Eames K.T.D, Edmunds W.J., Frost S.D.W., Funk S., Hollingsworth T.D., T. House, V. Isham, P. Klepac, J. Lessler, J.O. Lloyd-Smith, C.J.E. Metcalf, D. Mollison, L. Pellis, J.R.C. Pulliam, M.G. Roberts, C. Viboud, N. Arinaminpathy, F. Ball, T. Bogich, J. Gog, B. Grenfell, A.L. Lloyd, A. Mclean, P. O’Neill, C. Pearson, S. Riley, G.S. Tomba, P. Trapman, J. Wood. Modeling infectious disease dynamics in the complex landscape of global health // Science, 347 (2015).

2. Charles-Smith L.E., Reynolds T.L., Cameron M.A., Conway M., E.H.Y. Lau, Olsen J.M., Pavlin J.A., Shigematsu M., Streichert L.C., Suda K.J., Corley C.D. Using social media for actionable disease surveillance and outbreak management: a systematic literature review // PLoS One, 10 (2015), Article e0139701, doi: 10.1371/JOURNAL.PONE.0139701.

3. Keshavamurthy R., Thumbi S.M., Charles L.E. Digital biosurveillance for zoonotic disease detection in Kenya // Pathogens, 10 (2021), p. 783, doi: 10.3390/PATHOGENS10070783.

4. Самандаров Б.С. Анализ и прогнозирование инфекционных заболеваний в животноводстве с помощью математической модели // Информационные технологии моделирования и управления, 2023, №4(134), – С. 252-259.

5. Babadjanov E.S., Samandarov B.S. Intersensory relationships with cattle disease symptoms // Journal of Advances in Engineering Technology Vol.3(7), April – June, 2022. 64-67 b. DOI 10.244122181-1431-2022-3-64-67.

6. Nishanov A.Kh., Babadjanov E.S., Samandarov B.S., Gulmirzaeva G.A. An Analysis of Cattle Disease and Disease Monitoring Systems using Sensor Technologies // Science and Education in Karakalpakstan. №1-1. Nukus-2023. –P. 110-116.

7. Babadjanov E. “Aproblems and solutions of organizing smart livestock farms,” Cent. ASIAN J. Educ. Comput. Sci., vol. 1, no. 4, pp. 6–19, 2022.

8. Green L.E., Hedges V.J., Blowey R.W., Packington A.J., and S.YH, “The impact of clinical lameness on the milk yield of dairy cows Proc,” in 12th Int Symposium on Disorders of the Ruminant Digit, Florida, 2002. doi: https://doi.org/10.3168/jds.S0022-0302(02)74304-X.

9. Hernandez J., Shearer J.K., and Webb D.W., “Effect of lameness on milk yield in dairy cows,” J. Am. Vet. Med. Assoc., vol. 220, no. 5, -Р. 640–644, Mar. 2002, doi: 10.2460/JAVMA.2002.220.640.

10. J. S. Afonso et al., “Profiling Detection and Classification of Lameness Methods in British Dairy Cattle Research: A Systematic Review and Meta-Analysis.,” Frontiers in veterinary science, vol. 7. Switzerland, p. 542, 2020. doi: 10.3389/fvets.2020.00542.

11. Watters M. E. A. et al. Associations of herd-and cow-level factors, cow lying behavior, and risk of elevated somatic cell count in free-stall housed lactating dairy cows //Preventive Veterinary Medicine. 2013. 111(3-4). – P. 245-255.

12. Shearer, Jan K., et al. Assessment and management of pain associated with lameness in cattle // Veterinary Clinics: Food Animal Practice 29.1. 2013. pp. 135-156. doi: 10.1016/j.cvfa.2012.11.012.