В этой главе мы представили обзор методов точного животноводства, которые можно использовать для мониторинга благополучия животных. Мы показали, что с помощью доступных в настоящее время методов можно контролировать благополучие животных. Тем не менее, научная литература по этой теме сильно фрагментирована, связь между отдельными аспектами благополучия животных и данными, собранными сенсорными системами, часто с точки зрения борьбы с болезнями животных (выявление болезней) или измерения эффективности производства (анализ кормов). потребление и пищевое поведение). Более того, исследования проводятся либо с более технологической точки зрения (например, направленные на усовершенствование сенсорных технологий или алгоритмов), либо с точки зрения благополучия животных. Первым шагом для будущих исследований будет разработка краткой системы мониторинга благополучия животных с точки зрения технологии точного животноводства. Такая структура должна быть разработана междисциплинарной группой исследователей, представляющих ряд исследовательских и прикладных дисциплин. В таких рамках исследователи и в рамках своей дисциплины могут разрабатывать элементы. Информация, собранная в этой главе, может быть использована в качестве отправной точки.

Адрианс, И., Хайбрехтс, Т., Эрноутс, Б., Геринкс, К., Пиперс, С., Де Кетелар, Б. и Сайс, В. 2018. Метод краткосрочного прогнозирования надоев на квартальном уровне улучшить мониторинг здоровья вымени. Journal of Dairy Science 101(11), 10327-10336.

Андриамандросо, А.Л.Х., Лебо, Ф., Беккерс, Ю., Фроймон, Э., Дюфран, И., Хайнеш, Б., Дюмортье, Р., Бланши, Г., Блейз, Ю. и Биндель, Дж. 2017. Разработка алгоритм с открытым исходным кодом, основанный на инерциальных измерительных блоках (IMU) смартфона для обнаружения потребления травы крупного рогатого скота и поведения, связанного с пережевыванием пищи. Компьютеры и электроника в сельском хозяйстве 139, 126-137.

Arcidiacono, C., Porto, S.M. C„ Mancino, M. and Cascone, G. 2017. Разработка порогового классификатора для распознавания кормления коров и поведения в положении стоя на основе данных акселерометра в режиме реального времени. Компьютеры и электроника в сельском хозяйстве 134,124-134.

Бар, Д., Каим, М., Фламенбаум, И., Ханочи, Б. и Тоафф-Розенштайн, Р. Л. 2019. Техническое примечание: регистрация тяжелого дыхания на основе акселерометра у лактирующих и сухостойных коров в качестве автоматизированного измерения тепловой нагрузки . Journal of Dairy Science 102(4), 3480-3486.

Баркема, Х. В., Фон Кейзерлингк, М. А. Г., Кастелич, Дж. Р., Лам, Т. Дж., Луби, К., Рой, Дж. Р., Леблан, С. Дж., Киф, Г. П. и Келтон, Д. Ф. 2015. Приглашенный обзор: изменения в молочной промышленности, влияющих на здоровье и благополучие молочного скота. Journal of Dairy Science 98(11), 7426-7445.

Баркер, З. Э., Диосдадо, Дж. А. В., Кодлинг, Э. А., Белл, Нью-Джерси, Ходжес, Х. Р., Крофт, Д. П. и Амори, Дж. Р. 2018. Использование новых датчиков, сочетающих локальное позиционирование и ускорение, для измерения различий в поведении при кормлении, связанных с хромотой у молочного скота. Journal of Dairy Science 101(7), 6310-6321.

Бер, Г., Альсаод, М., Старке, А., Шупбах-Регула, Г., Мюллер, Х. Колер, П. и Штайнер, А. 2016. Использование расширенных характеристик передвижения и пищевого поведения для автоматической идентификации хромых молочных коров. PLoS ONE 11(5), e0155796.

Бенаисса, С., Тайттенс, Ф.А.М., Питтс, Д., Каттрисс, Х., Мартенс, Л., Вандале, Л., Джозеф, В. и Сонк, Б. 2019. Классификация поведения коров, связанного с приемом пищи, с использованием недоуздка RumiWatch и шейные акселерометры. Прикладная наука о поведении животных 211,9-16.

Беркманс, Д. 2014. Технологии точного животноводства для управления благосостоянием в интенсивных системах животноводства. Revue Scientifique et Technique 33(1), 189-196.

Беркович А., Эдан Ю., Алханатис В., Моаллем У., Пермет И. Хониг Х., Мальц Э. Антлер А. и Халахми И. 2013. Разработка автоматической коровы оценка состояния тела с использованием сигнатуры формы тела и дескрипторов Фурье. Journal of Dairy Science 96(12), 8047-8059.

Bergstra, T., Hogeveen, H., Kuiper, W.E., Oude Lansink, A.G.J.M. и Stassen, E.N. 2017. Отношение граждан Нидерландов к свиноводству в отношении животных, людей и окружающей среды. Anthrozods 30(2), 195-211.

Борчерс, М. Р. и Бьюли, Дж. М. 2015. Оценка использования производителями технологии точного молочного животноводства, соображений перед покупкой и полезности. Журнал молочных наук 98(6), 4198-4205.

Borchers, M.R., Chang, Y.M., Tsai, I.C., Wadsworth, B.A. и Bewley, J.M. 2016. Валидация технологий мониторинга поведения молочных коров при кормлении, пережевывании пищи и лежании. Journal of Dairy Science 99(9), 7458-7466.

Бос, Дж. М., Бовенкерк, Б., Файндт, П. Х. и Ван Дам, Ю. К. 2018. Количественное определение животных: точное животноводство и этические последствия объективации. Пищевая этика 2(1), 77-92.

Ботро, Р., Бонд, М., Баттерворт, А., Ферни, П. , Бракке, М.Б.М., Капдевиль, Дж. и Вейсье, И. 2007. Совокупность мер по проведению общей оценки благополучия животных. Часть 1: обзор существующих методов. Животное: Международный журнал биологии животных 1 (8), 1179-1187.

Бруйнис, М. Р. Н., Беерда, Б., Хогевен, Х. и Стассен, Е. Н. 2012. Оценка воздействия болезней стопы на здоровье молочного скота с помощью моделирования. Животное: Международный журнал зообиологии 6(6), 962-970.

Брюйнис, М.Р.Н., Хогевен, Х. и Стассен, Е.Н. 2010. Оценка экономических последствий болезней стоп у молочного скота с использованием динамической стохастической имитацион- ной модели. Journal of Dairy Science 93(6), 2419-2432.

Бысков, М. В., Надо, Э., Йоханссон, Б. Э. О. и Норгаард, П. 2015. Различия в автоматически регистрируемом времени жвачки, объясняемые различиями в потреблении пищевых фракций и молочной продуктивности, а также различиями между коровами. Journal of Dairy Science 98(6), 3926-3937.

Кабрера, В. Э., Баррьентос-Бланко, Дж. А., Дельгадо, Х. и Фадул-Пачеко, Л. 2020. Обзор симпозиума: непрерывное принятие решений в режиме реального времени с использованием больших данных на молочных фермах. Journal of Dairy Science 103(4), 3856-3866.

Cantor, M.C., Pertuisel, C.H. и Costa, JHC, 2020. Техническое примечание: оценка живой массы молочных телят с помощью весов частичного веса, прикрепленных к автоматическому доильному устройству. Журнал молочных наук 103(2), 1914-1919 гг.

Карпентьер Л., Беркманс Д., Юссеф А., Беркманс Д., Ван Уотершот Т., Джонстон Д., Фергюсон Н., Эрли Б., Фонтана И., Талло Э., Гуарино М., Вранкен Э. и Нортон Т. 2018. Автоматическое определение кашля при респираторных заболеваниях крупного рогатого скота в телятнике. Биосистемная инженерия 173,45-56.

Карпинелли, Н. А., Роза, Ф., Грациотин, Р. С. Б. и Осорио, Дж. С. 2019. Техническое примечание: новый подход к оценке потребления сухого вещества лактирующими молочными коровами с помощью нескольких акселерометров на корове. Journal of Dairy Science 102(12), 11483-11490.

Корну, К., Лундбай-Кристенсен С. и Кристенсен, А. Р. 2011. Моделирование и мониторинг типов активности свиноматок в опоросе с использованием данных ускорения. Компьютеры и электроника в сельском хозяйстве 76(2), 316-324.

Корноу, К. Остергаард, С. Анкер, М. Л., Нильсен, Дж. и Кристенсен, А. Р. 2014. Динамический мониторинг записей воспроизводства молочного скота. Компьютеры и электроника в сельском хозяйстве 109,191-194.

Дален Г., Рахах А., Нарстеба Х., Шуккен Ю. Х. и Рексен, 0.2019. Выявление внутригрудных инфекций с помощью онлайн-подсчета соматических клеток. Journal of Dairy Science 102(6), 5419-5429.

Дэн, З. Дж., Хогевен, Х. Лам, Т. Дж. Г. М., Ван ДерТол, Р. и Куп, Г. 2020. Эффективность онлайн-оценки количества соматических клеток в автоматических доильных системах. Границы ветеринарии 7,221.

Девир, С., Хогевен, Х., Хогеверф, П.Х., Ипема, А. Х., Кетелаарделаувере, С.К.К., Россинг, В., Смитс, А.С. и Стефановска, Дж. 1996. Проектирование и внедрение системы автоматического доения и кормления. Канадская сельскохозяйственная техника 38, 107-113.

Эккелькамп, Э. А. и Бьюли, Дж. М. 2020. Использование на ферме предупреждений о заболеваниях, генерируемых технологией точного молочного производства. Journal of Dairy Science 103(2), 1566-1582.

Эсламизад, М., Туммлер, Л. М., Дерно, М., Хох, М. и Кухла, Б. 2018. Техническое примечание: разработка системы на основе датчика давления для измерения времени жвачки у молочных телят перед отъемом. Journal of Animal Science 96(11), 4483-4489.

Fall, N., Ohlson, A., Emanuelson, U. and Dohoo, I. 2018. Изучение данных о поставках молока на предмет их потенциала для мониторинга заболеваний и оценки устойчивости молочных ферм. Профилактическая ветеринария 154, 23-28.

Феррари С., Пиччинини Р., Сильва М., Эксадактилос В., Беркманс Д. и Гуарино М. 2010. Описание звуков кашля в связи с респираторными заболеваниями у молочных телят. Профилактическая ветеринария 96(3-4), 276-280.

Фогарти, Э. С., Суэйн, Д. Л., Кронин, Г. М. и Троттер, М. 2019. Систематический обзор потенциального использования датчиков на животных для мониторинга благополучия овец, оцененный с использованием модели пяти доменов в качестве основы. Защита животных 28(4), 407-420.

Фрейзер, К., Абелер-Дёрнер, Л., Ферретти, Л., Паркер, М., Кендалл, М. и Бонсолл, Д. 2020. Цифровое отслеживание контактов: сравнение возможностей централизованных и децентрализованных архитектур данных для эффективного подавления COVID-19Эпидемия при максимальной свободе передвижения и сохранении конфиденциальности, Nature Publishing, препринт https://github.com/BDI-pathogens/covid-19_instant_tracing/blob/master/Centralized%20 and%20decentralised%20systems%20for%20contact%20tracing. пдф.

Джаретта, Э., Морденти, А.Л., Канестрари, Г. , Палмонари, А. и Формигони, А. 2019. Автоматический мониторинг влияния рациона на жвачку и активность откормочных телок. Anima/ Производственная наука 59(10), 1931-1940.

Гонсалес, Л. А., Бишоп-Херли, Г. Дж., Хэндкок, Р. Н. и Кроссман, К. 2015. Поведенческая классификация данных от ошейников, содержащих датчики движения, у пасущегося крупного рогатого скота. Компьютеры и электроника в сельском хозяйстве 110, 91 -102.

Гонсалес, Л. А., Толкамп, Б. Дж., Коффи, М. П., Феррет, А. и Кириазакис, И. 2008. Изменения в кормлении как возможные индикаторы для автоматического мониторинга нарушений здоровья молочных коров. Журнал молочных наук 91(3), 1017-1028.

Grinter, L.N.. Campier, M.R. and Costa, JHC. 2019. Техническое примечание: проверка точности и достоверности ошейника для мониторинга поведения для измерения времени жвачки, кормления и отдыха лактирующих молочных коров. Journal of Dairy Science 102(4), 3487-3494.

Халахми, И. , Гуарино, М., Бьюли, Дж. и Пастелл, М. 2019. Умное животноводство: применение датчиков в реальном времени для улучшения благополучия животных и продуктивности. Annual Review of Animal Biosciences 7,403-425.

Гамильтон, А. В., Дэвисон, К., Тахтацис, К., Андонович, И., Мичи, К., Фергюсон, Х. Дж., Сомервилль, Л. и Йонссон, Н. Н. 2019. Идентификация жвачки у крупного рогатого скота с использованием машин опорных векторов с болюсные датчики, чувствительные к движению. Датчики 19(5), 1165.

Harshbarger, K.E., Olver, E.F. and Shove, G.C. 1965. Влияние автоматической подачи водного концентрата на производство молока. Журнал молочных наук 48, 794.

Hogeveen, H., Kamphuis, C., Steeneveld, W. and Mollenhorst, H. 2010. Датчики и клинический мастит: поиск идеального предупреждения. Датчики 10(9), 7991-8009.

Hogeveen, H., Klaas, I.C., Dalen, G., Honig, H., Zecconi, A., Kelton, D.F. and Sanchez Mainar, M. 2020. Новые подходы к лечению мастита с помощью сенсорных систем. Представлено для публикации.

Hogeveen, H., Steeneveld, W. and Wolf, C. A. 2019. Производственные заболевания снижают эффективность молочного производства: обзор результатов, методов и подходов

Относительно экономики мастита. Ежегодный обзор экономики ресурсов 11(1), 289-312.

Huybrechts, T, Mertens, K., De Baerdemaeker, J., De Ketelaere, B. and Saeys, W. 2014. Ранние предупреждения от автоматического мониторинга надоев с онлайновым синергетическим контролем. Journal of Dairy Science 97(6), 3371-3381.

Хаззи, Дж. М., Вири, Д. М., Тиау, Б. Я. Ф. и фон Кейзерлингк, М. А. Г. 2014. Короткое сообщение: автоматическое обнаружение социальной конкуренции с использованием электронной системы кормления. Journal of Dairy Science 97(5), 2953-2958.

Jaeger, M., Brugemann, K., Brandt, H. and Konig, S. 2019. Связь между данными точного датчика и показателями продуктивности, здоровья и благополучия местного черно-пестрого крупного рогатого скота двойного назначения в условиях выпаса. Прикладная наука о поведении животных 212, 9-18.

Джемила, Дж. С. и Приядхарсини, С. С. 2018. Сенсорный мониторинг корма для выпаса скота в молочном животноводстве. Международный журнал интеллектуальных датчиков и интеллектуальных систем 11(1), 1-9.

Дженсен, Д. Б., Хогевен, Х. и Де Врис, А. 2016. Байесовское интегрирование сенсорной информации и многомерная динамическая линейная модель для прогнозирования мастита молочных коров. Journal of Dairy Science 99(9), 7344-7361.

Дженсен, Д. Б., Тофт, Н. и Кристенсен, А. Р. 2017. Многомерная динамическая линейная модель для раннего предупреждения о диарее и загрязнении загонов у убойных свиней. Компьютеры и электроника в сельском хозяйстве 135, 51-62.

Йоргенсен, М. В., Адамс-Прогар, А., Де Пассиль, А. М., Рашен, Дж., Годден, С. М., Честер-Джонс, Х. и Эндрес, М. И. 2017. Факторы, связанные со здоровьем молочных телят в автоматизированных системах кормления в Верхний Средний Запад США. Journal of Dairy Science 100(7), 5675-5686.

Кауфман, Э. И., ЛеБлан, С. Дж., Макбрайд, Б. В., Даффилд, Т. Ф. и Деврис, Т. Дж. 2016. Краткое сообщение: связь лежачего поведения и субклинического кетоза у молочных коров в переходный период. Journal of Dairy Science 99(9), 7473-7480.

Кинг, М.Т.М. и ДеВриз, Т.Дж. 2018. Обзор литературы для аспирантов: выявление нарушений здоровья с использованием данных автоматических доильных систем и связанных с ними технологий. Journal of Dairy Science 101(9), 8605-8614.

Кинг, М. Т. М., Даффилд, Т. Ф. и Деврис, Т. Дж. 2019. Краткое сообщение: оценка точности встроенных данных соотношения жира и белка в молоке как индикатора гиперкетонемии у молочных коров в стадах с автоматизированными системами доения. Journal of Dairy Science 102(9), 8417-8422.

Кнауэр, В. А., Годден, С. М., Дитрих, А., Хокинс, Д. М. и Джеймс, Р. Э. 2018. Оценка применения методов статистического контроля процессов к среднесуточному поведению при кормлении для выявления заболеваний у молочных телят, содержащихся в группах с автоматическим вскармливанием до отъема. Journal of Dairy Science 101(9), 8135-8145.

Кок, А., Ван Кнегсель, А. Т. М., Ван Мидделаар, К. Э., Хогевен, Х., Кемп, Б. и Де Бур, И. Дж. М., 2015. Техническое примечание: проверка зарегистрированных датчиком периодов лежания у лактирующих молочных коров с использованием 2 датчиков. подход. Journal of Dairy Science 98(11), 7911-7916.

Kou, H. X., Zhao, Y. Q., Ren, K., Chen, X. L., Lu, Y. Q. and Wang, D. 2017. Автоматическое измерение температуры поверхности крупного рогатого скота и ее корреляция с ректальной температурой. PLoS ONE 12(4), e0175377.

Крогер, И., Хьюмер, Э., Нойбауэр, В., Крафт, Н.. Эртл, П. и Зебели, К. 2016. Валидация сенсорной системы капсюля для мониторинга активности жвачки у коров при различных режимах кормления. Животноводство 193, 118-122.

ЛеБлан, С.Дж., Лесли, К.Е. и Даффилд, Т.Ф. 2005. Метаболические предикторы смещения сычуга у молочного скота. Journal of Dairy Science 88(1), 159-170.

Lomax, S., Colusso, P. and Clark, C.E.F. 2019. Работает ли виртуальное ограждение для выпаса молочного скота? Животные: журнал открытого доступа от MDPI 9(7), 429.

Мартискайнен П., Ярвинен М., Скон Дж. П., Тийрикайнен Дж. Колехмайнен М. и Мононен Дж. 2009 г.. Распознавание моделей поведения коров с помощью трехмерного акселерометра и машин опорных векторов. Прикладная наука о поведении животных 119(1-2), 32-38.

Маттачини Г., Рива Э., Пераццоло Ф., Налди Э. и Проволо Г. 2016 г. Мониторинг поведения молочных коров при кормлении с помощью акселерометров. Журнал сельскохозяйственной техники 47(1), 54-58.

McCulloch, S.P. 2013. Критика пяти свобод FAWC как основы для анализа благополучия животных. Журнал сельскохозяйственной и экологической этики 26(5), 959-975.

Медрано-Галарза, К., ЛеБлан, С. Дж., Деврис, Т. Дж., Джонс-Биттон, А., Рушен, Дж., Де Пассиль, А. М., Эндрес, М. И. и Хейли, Д. Б. 2018. Эффект возраста внедрения автоматизированного кормушка для молока об обучении и производительности телят и требованиях к рабочей силе. Journal of Dairy Science 101(10), 9371-9384.

Меллор, Д. Дж. 2015. Положительные состояния благополучия животных и справочные стандарты для оценки благополучия. Новозеландский ветеринарный журнал 63(1), 17-23.

Меллор, Д. Дж. 2017. Операционные детали модели пяти доменов и ее ключевые приложения для оценки и управления благополучием животных. Животные: журнал открытого доступа от MDPI 7(8), 60.

Менч, Дж. А. 2003. Оценка благополучия животных на уровне фермы и группы: точка зрения США. Защита животных 12, 493-503.

Молфино, Дж., Кларк, К.Э. Ф., Керриск, К.Л. и Гарсия, С.К. 2017. Оценка активности и монитора жвачки у молочного скота, выпасающего два типа кормов. Наука о животноводстве 57(7), 1557-1562.

Морота, Г., Вентура, Р. В., Сильва, Ф. Ф., Кояма, М. и Фернандо, С. К. 2018. Симпозиум по анализу больших данных и точному животноводству: машинное обучение и интеллектуальный анализ данных продвигают прогностический анализ больших данных в точном животноводстве. Journal of Animal Science 96(4), 1540-1550.

Mottram, T. 1997. Автоматический мониторинг здоровья и метаболического статуса молочных коров. Наука о животноводстве 48(3), 209-217.

Mottram, T.T., Dobbelaar, R, Schukken, Y.H., Hobbs, P.J. and Bartlett, P.N. 1999. Эксперимент по определению возможности автоматического обнаружения гиперкетонемии у молочных коров. Животноводческая наука 61 (1), 7-11.

Маллинз, И. Л., Труман, К. М., Кампьер, М. Р., Бьюли, Дж. М. и Коста, Дж. Х. К. 2019. Валидация коммерческой автоматизированной системы оценки упитанности на коммерческой молочной ферме. Животные: журнал открытого доступа от MDPI 9(6), 287.

Надими, Э. С. Йоргенсен, Р. Н., Бланес-Видаль, В. и Кристенсен, С. 2012. Мониторинг и классификация поведения животных с использованием мобильных специализированных беспроводных сенсорных сетей на основе ZigBee и искусственных нейронных сетей. Компьютеры и электроника в сельском хозяйстве 82, 44-54.

Неханицки, К., Старке, А., Видондо, Б., Мюллер, Х., Рекардт, М., Фридли, К. и Штайнер, А. 2016. Анализ поведенческих изменений молочных коров, связанных с поражением копытцев. Journal of Dairy Science 99(4), 2904-2914.

Нильсен, Н. И., Фриггенс, Н. С., Чагунда, М. Г. Г. и Ингвартсен, К. Л. 2005. Прогнозирование риска кетоза у молочных коров с использованием встроенных измерений бета-гидроксибутирата: биологическая модель. Journal of Dairy Science 88(7), 2441-2453.

О’Коннор, А. Х., Боккерс, Э. А. М., Де Бур, И. Дж. М., Хогевен, Х., Сэйерс, Р., Бирн, Н., Руэль, Э. и Шаллу, Л. 2019. Связь характеристик коров с показателями подвижности на пастбище молочных коров. Journal of Dairy Science 102(9), 8332-8342.

Oudshoorn, F.W., Cornou, C, Hellwing, A.L. F, Hansen, H.H., Munksgaard, L, Lund, P. and Kristensen, T. 2013. Оценка потребления травы на пастбище молочными коровами с использованием плотно и свободно установленных ди- и трехосные акселерометры в сочетании с подсчетом поклевок. Компьютеры и электроника в сельском хозяйстве 99,227-235.

Овертон, Т. Р., Маккарт, Дж. А. А. и Нидам, Д. В. 2017. 100-летний обзор: показатели метаболического здоровья и управление молочным скотом. Journal of Dairy Science 100(12), 10398-10417.

Пастель, М., Фронделиус, Л., Ярвинен, М. и Бэкман, Дж. 2018. Методы фильтрации для повышения точности данных о местоположении молочных коров в помещении. Биосистемная инженерия 169, 22-31.

Пастель, М., Хаутала, М., Пойкалайнен, В., Пракс, Дж., Веермае, И., Куяла, М. и Ахокас, Дж.

2008. Автоматическое наблюдение за здоровьем ног коров с помощью датчиков нагрузки. Компьютеры и электроника в сельском хозяйстве 62(1), 48-53.

М. Пастелл, Дж. Тиусанен, М. Хакоярви и Л. Ханнинен, 2009 г. Система беспроводного акселерометра с вейвлет-анализом для оценки хромоты у крупного рогатого скота. Биосистемная инженерия 104(4), 545-551.

Перейра, Г. М., Хейнс, Б. Дж., О’Брайен, Б., Макдонах, А., Лидауэр, Л. и Кикингер, Ф. 2020. Валидация системы акселерометра на основе ушных бирок для определения пастбищного поведения молочных коров. Journal of Dairy Science 103(4), 3529-3544.

Poulopoulou, I., Lambertz, C. and Gauly, M. 2019. Являются ли автоматические датчики надежным инструментом для оценки поведенческой активности пастбищного мясного скота? Прикладная наука о поведении животных 216, 1–5.

Рейтер, С., Заттлкер, Г., Лидауэр, Л., Кикингер, Ф., Ольшустер, М., Ауэр, В., Швайнцер, В., Клейн-Йобстль, Д., Дриллич, М. и Иверсен, М. 2018. Оценка акселерометра на основе ушной бирки для мониторинга жвачки у молочных коров. Журнал молочных наук 101(4), 3398-3411.

Роберт, Б. Д., Уайт, Б. Дж., Рентер, Д. Г. и Ларсон, Р. Л. 2011. Определение моделей лежачего поведения у здорового мясного скота с помощью беспроводных акселерометров. Американский журнал ветеринарных исследований 72(4), 467-473.

Рашен, Дж., Чапиналь, Н. и Де Пассиль, А. М. 2012. Автоматизированный мониторинг показателей благополучия животных, основанных на поведении. Защита животных 21(3), 339-350.

Rutten, C.J., Velthuis, A.G. J. Steeneveld, W. and Hogeveen, H. 2013. Приглашенный обзор: датчики для поддержки управления здоровьем на молочных фермах. Journal of Dairy Science 96(4), 1928-1952.

Rutter, S.M. 2014. Интеллектуальные технологии для определения состояния благополучия животных и предоставления медицинских препаратов для систем пастбищных угодий. Revue Scientifique et Technique 33(1), 181-187.

Рууска, С., Каджава, С., Могол, М., Зехнер, Н. и Мононен, Дж. 2016. Валидация системы на основе датчика давления для измерения поведения молочного скота при приеме пищи, пережевывании пищи и питье. Прикладная наука о поведении животных 174, 19-23.

Ширманн, К. Фон Кейзерлингк, М.А.Г., Вири, Д.М., Вейра, Д.М. и Хойвизер, В.

2009. Техническое примечание: валидация системы мониторинга жвачки у молочных коров. Journal of Dairy Science 92(12), 6052-6055.

Шаллу, Л. О’Донован, М., Лесо, Л. Вернер, Дж., Руэлль, Э., Геогеган, А., Делаби, Л. и О’Лири, Н. 2018. Обзор: молочные продукты на травяной основе системы, данные и точные технологии. Животное: Международный журнал зообиологии 12(с2), с262-с271.

Стангаферро, М.Л., Вийма, Р., Кайшета, Л.С., Аль-Абри, М.А. и Джордано, Дж.О. 2016. Использование жвачки и мониторинга активности для выявления нарушений здоровья молочных коров: Часть I. Метаболические и пищеварительные расстройства . Journal of Dairy Science 99(9), 7395-7410.

Стеневельд, В. и Хогевен, Х. 2015. Характеристика голландских молочных ферм, использующих сенсорные системы для управления коровами. Журнал молочных наук 98(1), 709-717.

Stone, AE 2020. Обзор симпозиума: наиболее важные факторы, влияющие на внедрение технологий точного мониторинга молочных продуктов. Journal of Dairy Science 103(6), 5740-5745.

Штурм В., Ефросинин Д., Ольшустер М., Гастерер Э., Дриллич М. и Иверсен М. 2020. Сочетание данных датчиков и мониторинга состояния здоровья для раннего выявления субклинического кетоза у молочных коров. Датчики 20(5), 1484.

Свенссон, К. и Дженсен, М. Б. 2007. Краткое сообщение: идентификация больных телят с использованием данных от автоматических доильных аппаратов. Journal of Dairy Science 90(2), 994-997.

Шварц, Т. Х., Финдли, А. Н. и Петерссон-Вулф, К. С. 2017. Краткое сообщение: автоматическое обнаружение поведенческих изменений в результате респираторных заболеваний у телят перед отъемом. Journal of Dairy Science 100(11), 9273-9278.

Тамура, Т., Окубо, Ю., Дегучи, И., Кошикава, С., Такахаши, М., Чида, Ю. и Окада, К. 2019. Классификация поведения молочного скота на основе обучения дерева решений с использованием трехосевой модели шеи. установлены акселерометры. Animal Science Journal = Nihon Chikusan Gakkaiho 90(4), 589-596.

Thorup, V.M., Munksgaard, L, Robert, P.E., Erhard, H.W., Thomsen, P.T. и Friggens, N.C. 2015. Обнаружение хромоты с помощью акселерометров на ногах молочных коров на четырех коммерческих фермах. Животное: Международный журнал зообиологии 9(10), 1704-1712.

Валеева, Н. И., Лам, Т. Дж. Г. М. и Хогевен, Х. 2007. Мотивация молочных фермеров к улучшению борьбы с маститом. Journal of Dairy Science 90(9), 4466-4477.

Ван Ассельдонк, М. А., Хёрн, Р. Б. М., Дийхуйзен А.А., Томашевски М.А. и Харберс А.Г.Ф. 1998. Влияние информационных технологий на молочные фермы в Нидерландах: эмпирический анализ данных о производстве молока. Journal of Dairy Science 81(10), 2752-2759.

Ван де Гухт, Т., Сайс, В., Ван Вейенберг, С., Лауверс, Л., Мертенс, К., Вандале, Л., Вангейте, Дж. и Ван Наффель, А. 2017. Автоматическое определение хромоты коров с помощью прижимной мат: влияние длины компакт-диска мата и разрешения сенсора. Компьютеры и электроника в сельском хозяйстве 134, 172-180.

Vandermeulen, J., Bahr, C. Johnston, D., Earley, B., Tullo, E., Fontana, I., Guarino, M., Exadaktylos, V. and Berckmans, D. 2016. Раннее распознавание крупного рогатого скота. респираторных заболеваний у телят с использованием автоматизированного непрерывного мониторинга звуков кашля. Компьютеры и электроника в сельском хозяйстве 129,15-26.

Вагнер, Н., Антуан, В., Миалон, М.М., Ларди, Р., Зильберберг, М., Коко, Дж. и Вейссье, И. 2020. Машинное обучение для выявления поведенческих аномалий у молочных коров при подостром ацидозе рубца. Компьютеры и электроника в сельском хозяйстве 170, 105233.

Ван Дж., Чжан Х., Цзи Дж., Чжао К. и Лю Г. 2019. Разработка беспроводной системы измерения для классификации поведения коров с использованием данных акселерометра и данных о местоположении. Прикладная инженерия в сельском хозяйстве 35(2), 135-147.

Webster, J. 2008. Защита животных: хромая в сторону Эдема. Вили, Великобритания

Вернер, Дж.