آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,416 |
| تعداد مقالات | 17,490 |
| تعداد مشاهده مقاله | 56,490,966 |
| تعداد دریافت فایل اصل مقاله | 18,743,802 |
توسعه سامانه الکترونیکی برای سنجش نشخوار گاو | ||
| نشریه مکانیزاسیون کشاورزی | ||
| مقاله 2، دوره 9، شماره 4، 1403، صفحه 15-28 اصل مقاله (937.64 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/jam.2024.58598.1257 | ||
| نویسندگان | ||
| مهسا جوانی هلان1؛ حسین نوید* 1؛ هادی کریمی2؛ علی حسینخانی3؛ الناز واحدی تکمه داش1 | ||
| 1گروه مهندسی بیوسیستم - دانشکده کشاورزی- دانشگاه تبریز- تبریز- ایران | ||
| 2بخش تحقیقات فنی و مهندسی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمان- سازمان تحقیقات، آموزش و ترویج کشاورزی - کرمان– ایران | ||
| 3گروه علوم دامی- دانشکده کشاورزی- دانشگاه تبریز- تبریز- ایران | ||
| چکیده | ||
| کشاورزی یکی از مهم‌ترین بخش‌های ایران محسوب می‌شود و در این میان، صنعت دامداری جایگاه ویژه‌ای را در این بخش به خود اختصاص داده است. نشخوار از فعالیت‌های مهم دام بوده و وضعیت آن می‌تواند نمایان‌گر سلامتی یا بیماری دام باشد. هر‌گونه شرایط غیر‌عادی در نشخوار حاکی از وجود مشکلاتی است که می‌تواند به کاهش بهره‌وری دام منجر شود، لذا نظارت بر نشخوار دام امری ضروری است. از آن‌‌جایی‌که مشاهده و پایش بصری نشخوار هزینه بالا و دقت پایینی دارد، یک سامانه الکترونیکی با هدف پایش نشخوار گاو طراحی و ساخته شد. اجزاء سخت افزاری سامانه شامل آردوینو، شتاب‌سنج، رگلاتور ولتاژ، ماژول وای‌فای، باتری لیتیومی و جا باتری دوتایی می‌باشد. این سامانه در دو حالت گردن‌بندی و پوزه‌ای روی دام ارزیابی گردید. در حالت پوزه‌ای بهترین نتایج با حساسیت 88 درصد، صحت 94 درصد و F-score 94 درصد حاصل شد. در کاربرد عملی، آسایش و راحتی دام در برخورد با سامانه پایش بسیار مهم است. از این‌رو، بیشترین تلاش برای سبک‌تر و کوچک‌تر ساختن سامانه با طراحی و چاپ برد‌های الکترونیکی به‌صورت SMD صورت گرفت. در ارزیابی نهایی سامانه حساسیت، صحت و F-score آن به‌ترتیب 91 ، 82 و 86 درصد به‌دست آمد. | ||
| کلیدواژه‌ها | ||
| سامانه الکترونیکی؛ سلامت دام؛ حساسیت؛ صحت؛ نشخوار؛ F-score | ||
| مراجع | ||
|
Abeni, F. and Galli, A. (2017). Monitoring cow activity and rumination time for an early detection of heat stress in dairy cow. International journal of biometeorology, 61(3), 417-425. https://doi.org/10.1007/s00484-016-1222-z.
Anonymous. (2022). Meat Consumption. United Nations: statistical database-agriculture, food and agricultural organization. (FAO).
Antanaitis, R. Juozaitienė, V. Malašauskienė, D. Televičius, M. Urbutis, M. Rutkaukas, A. and Baumgartner, W. (2022). Identification of changes in rumination behavior registered with an online sensor system in cows with subclinical mastitis. Veterinary Sciences, 9(9), 454. https://doi.org/10.3390/vetsci9090454.
Antanaitis, R. Anskienė, L. Palubinskas, G. Džermeikaitė, K. Bačėninaitė, D. Viora, L. & Rutkauskas, A. (2023). Ruminating, Eating, and Locomotion Behavior Registered by Innovative Technologies around Calving in Dairy Cows. Animals, 13(7), 1257. https://doi.org/10.3390/ani13071257.
Benaissa, S., Tuyttens, F., Plets, D., De Pessemier, T., Trogh, J., Tanghe, E. and Sonck, B. (2017). Behaviours recognition using neck-mounted accelerometers in dairy barns. In 8th European Conference on Precision Livestock Farming (EC-PLF 2017) (pp. 69-76).
Braun, U., Trosch, L., Nydegger, F. and Hassing, M. (2013). Evaluation of eating and rumination behavior in cows using a noseband pressure sensor. BMC veterinary research, 9 (1), 164. https://doi.org/10.1186/1746-6148-9-164.
Burfeind, O., Schirmann, K., Von Keyserlingk, M. A. G., Veira, D. M., Weary, D. M. and Heuwieser, W. (2011). Evaluation of a system for monitoring rumination in heifers and calves. Journal of dairy science, 94(1), 426-430. https://doi.org/10.3168/jds.2010-3239.
Chambers, A. R. M., Hodgson, J. and Milne, J. A. )1981(. The development and use of equipment for the automatic recording of ingestive behaviour in sheep and cattle. Grass and Forage Science, 36(2), 97-105. https://doi.org/10.1111/j.1365-2494.1981.tb01545.x.
Derrick, R. W., Moseley, G. and Wilman, D. )1993(. Intake, by sheep, and digestibility of chickweed, dandelion, dock, ribwort and spurrey, compared with perennial ryegrass. The Journal of Agricultural Science, 120(1), 51-61. https://doi.org/10.1017/S0021859600073585.
Eldesouky, A., Mesias, F. J., Elghannam, A. and Escribano, M. )2018(. Can extensification compensate livestock greenhouse gas emissions? A study of the carbon footprint in Spanish agroforestry systems. Journal of Cleaner Production, 200, 28-38. https://doi.org/10.1016/j.jclepro.2018.07.279.
Fournel, S., Rousseau, A. N. and Laberge, B. )2017(. Rethinking environment control strategy of confined animal housing systems through precision livestock farming. Biosystems Engineering, 155, 96-123. https://doi.org/10.1016/j.biosystemseng.2016.12.005.
Goldhawk, C., Schwartzkopf-Genswein, K. and Beauchemin, K. A. (2013). Validation of rumination collars for beef cattle. Journal of animal science, 91(6), 2858-2862. https://doi.org/10.2527/jas.2012-5908.
Huzzey, J. M., Veira, D. M., Weary, D. M. and Von Keyserlingk, M. A. G. (2007). Prepartum behavior and dry matter intake identify dairy cows at risk for metritis. Journal of dairy science, 90(7), 3220-3233. https://doi.org/10.3168/jds.2006-807.
Karimi, A. Metabolic and nutritional abnormalities in ruminants. Nameless. 48 pages. (In Persian)
Kooij, E. and Noldus, L. P. (2015). Sound analysis in dairy cattle vocalisation as a potential welfare monitor. Computers and Electronics in Agriculture, 118, 111-115. https://doi.org/10.1016/j.compag.2015.08.028.
Kumar, A. and Hancke, G. P. (2014). A zigbee-based animal health monitoring system. IEEE sensors Journal, 15(1), 610-617. https://doi.org/10.1109/JSEN.2014.2349073.
Lindgren, E. (2009). Validation of rumination measurement equipment and the role of rumination in dairy cow time budgets. [master’s thesis]. Uppsala, Sweden: Swedish University of Agricultural Sciences.
Lopreiato, V., Minuti, A., Cappelli, F. P., Vailati-Riboni, M., Britti, D., Trevisi, E. and Morittu, V. M. (2018). Daily rumination pattern recorded by an automatic rumination-monitoring system in pre-weaned calves fed whole bulk milk and ad libitum calf starter. Livestock Science, 212, 127-130. https://doi.org/10.1016/j.livsci.2018.04.010.
Meen, G. H., Schellekens, M. A., Slegers, M. H. M., Leenders, N. L. G., van Erp-van der Kooij, E. and Noldus, L. P. (2015). Sound analysis in dairy cattle vocalisation as a potential welfare monitor. Computers and Electronics in Agriculture, 118, 111-115. https://doi.org/10.1016/j.compag.2015.08.028.
Müller, R. and Schrader, L. (2003). A new method to measure behavioural activity levels in dairy cows. Applied Animal Behaviour Science, 83(4), 247-258. https://doi.org/10.1016/S0168-1591(03)00141-2.
Reith, S., Brandt, H. and Hoy, S. (2014). Simultaneous analysis of activity and rumination time, based on collar-mounted sensor technology, of dairy cows over the peri-estrus period. Livestock Science, 170, 219-227. https://doi.org/10.1016/j.livsci.2014.10.013.
Schirmann, K., von Keyserlingk, M. A., Weary, D. M., Veira, D. M. and Heuwieser, W. (2009). Validation of a system for monitoring rumination in dairy cows. Journal of Dairy Science, 92(12), 6052-6055. https://doi.org/10.3168/jds.2009-2361.
Stangaferro, M. L., Wijma, R., Caixeta, L. S., Al-Abri, M. A. and Giordano, J. O. (2016). Use of rumination and activity monitoring for the identification of dairy cows with health disorders: Part I. Metabolic and digestive disorders. Journal of Dairy Science, 99(9), 7395-7410. https://doi.org/10.3168/jds.2016-10907.
Stobbs, T. H. and Cowper, L. J. (1972). Automatic measurement of the jaw movements of dairy cows during grazing and rumination. Tropical Grasslands, 6(2), 107-112.
Topp-Becker, J. and Ellis, J. D. (2017). The role of sustainability reporting in the agri-food supply chain. Journal of Agriculture and Environmental Sciences, 6(1), 17-29. https://doi.org/10.15640/jaes.v6n1a2. | ||
|
آمار تعداد مشاهده مقاله: 504 تعداد دریافت فایل اصل مقاله: 405 |
||