Разработка алгоритма идентификации скрытого мастита коров на основе комплексирования данных с датчиков на животноводческом предприятии - Статья

Разработка алгоритма идентификации скрытого мастита коров на основе комплексирования данных с датчиков на животноводческом предприятии Рассмотрена проблема выявления скрытого мастита на животноводческих предприятиях. Проанализированы биологические методы определения болезни и определены признаки, косвенно влияющие на возникновение мастита у коров.Одной из самых распространенных незаразных болезней животных, встречающихся на молочных предприятиях, является мастит. Опасность мастита заключается в том, что животные могут заболеть в любое время года, в любой стадии производственного цикла, будь то в первые дни послеродового периода, в период максимальной лактации и даже в сухостойный период, что заключает в себе дополнительную опасность: в это время животное перестает давать молоко и, следовательно, состоянию вымени животного может не уделяться достаточного внимания [2]. Для дойного стада, где поголовье достигает нескольких тысяч животных, обнаружение скрытого мастита - задача очень трудоемкая. На основе проведенного анализа биологических методов определения мастита можно сделать вывод о том, что для точной идентификации болезни необходим непосредственный ветеринарный осмотр и химический анализ молока, по возможности из разных долей вымени животного. В этом случае невозможно описать связь между выходными данными сенсоров и экзогенными факторами, включающими общие сведения об обстановке на предприятии, индивидуальные особенности каждого животного и особенности производственного процесса конкретного предприятия [24-31].В большинстве случаев животное является подозрительным на наличие заболевания, если порог электропроводности превышает значение 6 МСМ/см. Будем сравнивать работу алгоритма, основанного на комплексном признаке, с алгоритмом идентификации мастита у животных по порогу 6 МСМ/см электропроводности молока. Процент найденных алгоритмом здоровых животных среди особей, отнесенных экспертом к больным, в данном случае является ошибкой первого рода, так как этот показатель важнее ошибки второго рода, и, если пропустить больное животное, то в итоге заболевание приобретет клинических характер, и животное будет выведено из производства. Как видно из таблиц 3 и 4, разработанный алгоритм, основанный на комплексном признаке, дает лучшие результаты работы по сравнению с алгоритмом с фиксированным порогом электропроводности. Процент найденных алгоритмом животных Среди животных, отнесенных экспертом: к больным, % к здоровым, % больных 89,5 9 здоровых 10,5 91В настоящей работе показана актуальность задачи своевременной идентификации субклинического мастита. В разделе постановки задачи сделаны выводы, что процесс точного выявления мастита животных, с одной стороны, дорог, с другой, - требует ручного осмотра большого количества животных в условиях ограниченных рабочих кадров животноводческого предприятия. Проведен обзор и анализ работ, предлагающих использование различных методов комплексирования данных, и принято решение об использовании модели линейной регрессии для формирования математической модели алгоритма идентификации мастита у животных.