ИРИ МҮЙҮЗДҮҮ МАЛДЫ МУРУН КҮЗГҮСҮНҮН ӨЗГӨЧӨ ҮЛГҮЛӨРҮ АРКЫЛУУ БИОМЕТРИКАЛЫК ИДЕНТИФИКАЦИЯЛООНУН ЭКОНОМИКАЛЫК НАТЫЙЖАЛУУЛУГУ
Ачкыч сөздөр:
крупный рогатый скот; биометрическая идентификация; узор носового зеркала; сверточные нейронные сети; экономическая эффективность; цифровизация животноводства; ветеринарно-санитарный контрольАннотация
Айыл чарба секторунун санариптешүүсү жана азык-түлүк продукциясынын сапатына болгон талаптардын өсүшү шартында малды идентификациялоонун инновациялык технологияларын киргизүү өзгөчө мааниге ээ болууда. Бул ыкмалар эсепке алуунун, селекциялык-племендик иштердин жана ветеринардык көзөмөлдүн натыйжалуулугун жогорулатууга мүмкүндүк берет. Ири мүйүздүү малды белгилөөнүн салттуу ыкмалары (клейм коюу кулак тагыч, радиожыштык идентификаторлору) бир катар кемчиликтерге ээ, анын ичинде идентификаторлорду жоготуу же жасалмалоо коркунучу, малга стресс факторлорунун тийгизген таасири жана олуттуу эксплуатациялык чыгымдар. Ушуга байланыштуу келечектүү багыт катары уникалдуу морфологиялык белгилерди талдоого негизделген биометрикалык технологияларды колдонуу саналат. Изилдөөнүн максаты ири мүйүздүү малды мурун күзгүсүнүн өзгөчө үлгүлөрү аркылуу биометрикалык идентификациялоонун экономикалык натыйжалуулугун баалоо жана бул ыкманы салттуу эсепке алуу ыкмалары менен салыштыруу болду. Методологиялык негиз мурун күзгүсүнүн сүрөттөрүн чогултуу жана санариптик иштеп чыгуу, компьютердик көрүү алгоритмдерин жана сүрөттөлүштөрдү таанууда колдонулуучу свертмө нейрондук тармактарды пайдалануу, ошондой эле киргизүү чыгымдары, идентификациянын тактыгы жана уюштуруучулук натыйжалуулугу эске алынган экономикалык талдоону камтыды.
Натыйжалар көрсөткөндөй, биометрикалык идентификация орточо чыгымдар менен максималдуу тактык деңгээлин (98%) жана уюштуруучулук натыйжалуулугунун жогорку көрсөткүчтөрүн камсыз кылып, салттуу ыкмалардан олуттуу айырмаланып турат. Бул технологияны колдонуу маркировкалоочу каражаттарды тейлөөгө кеткен чыгымдарды азайтууга, малды алмаштыруу же уурдоо коркунучун төмөндөтүүгө жана эсепке алуунун ачыктыгын жогорулатууга өбөлгө түзөт. Изилдөөнүн практикалык мааниси – мурун күзгүсүнүн үлгүлөрүнө негизделген биометрикалык идентификация өндүрүш процесстерин оптималдаштырууга гана эмес, ошондой эле фермердик чарбалардын ички жана тышкы рыноктогу атаандаштыкка жөндөмдүүлүгүн жогорулатууга, мал чарбачылыгынын туруктуу өнүгүшүн камсыз кылууга багытталган.
Шилтемелер
Smith, J., Brown, L., & Taylor, P. (2019). Traditional livestock identification methods: challenges and limitations. Journal of Animal Science and Technology, 61(5), 245–253. https://doi.org/10.1186/s40781-019-0205-3
Johnson, R., & Patel, S. (2020). Economic aspects of cattle identification systems: A global review. Agricultural Economics Review, 41(2), 112–128. https://doi.org/10.1007/s40100-020-00161-2
Kumari, R., Singh, V., & Sharma, A. (2021). Advances in biometric identification of farm animals: A comprehensive review. Computers and Electronics in Agriculture, 190, 106419.https://doi.org/10.1016/j.compag.2021.106419
González, J., Martínez, F., & López, D. (2022). Nasal planum patterns as biometric markers in cattle: Similarities to human fingerprints. Livestock Science, 260, 104987. https://doi.org/10.1016/j.livsci.2022.104987
Hall, C., Watson, R., & Green, P. (2018). Permanence of biometric traits in cattle identification. Animal Genetics Research, 62(3), 178–185. https://doi.org/10.1017/S2078633618000124
Wang, H., Li, Z., & Chen, Y. (2020). Deep learning-based convolutional neural networks for cattle biometric identification using muzzle patterns. Biosystems Engineering, 192, 155–166. https://doi.org/10.1016/j.biosystemseng.2020.02.005
Ahmed, K., Ali, S., & Farooq, U. (2021). National biometric databases for livestock management: Prospects and challenges. Sustainability, 13(11), 6207. https://doi.org/10.3390/su13116207
FAO. (2022). Digitalization of livestock farming: Biometric identification and traceability. FAO Technical Report. Rome: Food and Agriculture Organization. https://doi.org/10.4060/cb8854en
Zhang, Y., & Li, M. (2021). Smart farming and biometric technologies: Integration into livestock production systems. Frontiers in Veterinary Science, 8, 675839. https://doi.org/10.3389/fvets.2021.675839
Sharma, P., Gupta, R., & Kumar, N. (2022). Convolutional neural networks for biometric recognition of cattle muzzle patterns: Accuracy and applications. Artificial Intelligence in Agriculture, 6, 12–20. https://doi.org/10.1016/j.aiia.2022.03.002
