ОПРЕДЕЛЕНИЕ МЕТОДОМ ИНФРАКРАСНОЙ ТЕРМОГРАФИИ ЗАБОЛЕВАНИЙ ВЫМЕНИ КОРОВ МАСТИТОМ И ИХ ВЛИЯНИЯ НА ПРОДУКТИВНОСТЬ

Мастит - одно из наиболее распространенных заболеваний дойных коров, влияющее на состояние здоровья вымени, количество и качество получаемого молока. Раннее обнаружение заболевания позволяет снизить затраты на лечение, сохранить здоровье и молочную продуктивность животных. С целью диагностики субклинических и клинических форм мастита и изучения их влияния на продуктивность проведено исследование температуры поверхности вымени у здоровых и больных животных. В исследованиях задействовано около 200 дойных чистопородный коров ярославской породы, среди которых были подобраны пары-аналоги в соответствии с требованиями ОСТ 70.20.2-80 «Установки доильные для коров, Программа и методы испытаний». Одно животное из пары находилось в опытной группе, а другое - в контрольной. Продуктивность животных в парах не различалась более чем на +5% (в здоровом состоянии). Животные в исследуемых группах находились на третьем-четвертом месяцах лактации. Оценка продуктивности животных осуществлялась один раз в месяц путем проведения контрольных доек. Тепловизионные исследования проводились в условиях действующей молочно-товарной фермы с помощью тепловизора Guide C400M, работающего в ИК-диапазоне с разрешением изображения 384 х 288. В результате исследований проанализированы термограммы температуры поверхности вымени у заболевших животных и их здоровых аналогов и выявлены следующие диапазоны температуры вымени: 32...35°C - у здоровых животных с отрицательным тестом на мастит; 36...37°C - у животных с субклинической формой мастита; 38...39°C - у животных с клинической формой мастита. Для больных животных крайне высокая зависимость между критическим повышением температуры поверхности вымени и удоями подтверждена линейным коэффициентом корреляции Пирсона. Сделан вывод о том, что применение инфракрасной термографии для определения пороговых значений температуры вымени является быстрым и неинвазивным способом получения достоверной информации о состоянии здоровья и продуктивности животного.

молочное животноводство, мастит, инфракрасная термография, доение, контролируемые параметры

1. Dovlatov I.M., Yuferev L.Yu., Mikaeva S.A., Mikaeva A.S., Zheleznikova O.E. Development and testing of combined germicidal recirculator. Light & Engineering, 2021; 29 (3): 43-49.

2. Колотушкин А.Н., Юрочка С.С., Васина М.Ю., Довлатов И.М. Устройство автоматического регулирования качества воздуха в животноводческих помещениях // Агротехника и энергообеспечение. 2021. № 3 (32). С. 17-23. EDN: GWBZKJ

3. Довлатов И.М., Юрочка С.С. Разработка энергоэффективной системы микроклимата для беспривязного содержания дойного стада // Сельскохозяйственные машины и технологии. 2021. Т. 15, № 3. С. 73-80. https://doi.org/10.22314/2073-7599-2021-15-3-73-80

4. Hovinen M., Siivonen J., Taponen S., Hanninen L., Pastell M., Aisla A-М., Pyorala S. Detection of clinical mastitis with the help of a thermal camera. Journal of Dairy Science, 2008; 91: 4592-4598. https://doi.org/10.3168/jds.2008-1218

5. Polat B., Colak A., Cengiz M., Yanmaz L.E., Oral H., Bastan A., Kaya S., Hayirli A. Sensitivity and specificity of infrared thermography in detection of subclinical mastitis in dairy cows. Journal of Dairy Science, 2010; 93 (8): 3525-3532. https://doi.org/10.3168/jds.2009-2807

6. Colak A., Polat B., Okumus Z., Kaya M., Yanmaz L.E., Hayirli A. Short Communication: Early detection of mastitis using infrared thermography in dairy cows. Journal of Dairy Science, 2008; 91 (11): 4244-4248. https://doi.org/10.3168/jds.2008-1258

7. Bortolami A., Fiore E., Gianesella M., Corro M., Catania S., Morgante M. Evaluation of the udder health status in subclinical mastitis affected dairy cows through bacteriological culture, somatic cell count and thermographic imaging. Polish Journal of Veterinary Sciences, 2015; 18 (4): 799-805. https://doi.org/10.1515/pjvs-2015-0104

8. Berry R.J., Kennedy A.D., Scott S.L., Kyle B.L., Schaefer A.L. Daily variation in the udder surface temperature of dairy cows measured by infrared thermography: Potential for mastitis detection. Canadian Journal of Animal Science, 2003; 83 (4): 687-693. https://doi.org/10.4141/A03-012

9. Wollowski L., Beltulat S., Kossatz A., Heuwieser W Short communication: Diagnosis and classification of clinical and subclinical mastitis utilizing a dynamometer and a handheld infrared thermometer. Journal of Dairy Science, 2019; 102 (7): 6532-6539. https://doi.org/10.3168/jds.2018-15509

10. Кирсанов В.В., Игнаткин И.Ю. Энергоэффективная автоматизированная система микроклимата // Вестник ФГОУ ВПО «МГАУ имени В.П. Горячкина». 2016. № 6 (76). С. 48-52. EDN: XBGSTR

11. Pampariene I., Veikutis V, Oberauskas V., Zymantiene J., Zelvyte R., Stankevicius A., Marciulionyte D. Thermography based inflammation monitoring of udder state in dairy cows: sensitivity and diagnostic priorities comparing with routine California mastitis test. Journal of Vibroengineering, 2016; 18 (1): 511-521.

12. Zaninelli M., Redaelli V., Luzi F., Bronzo V., Mitchell M., Dell'Orto V., Bontempo V., Cattaneo D., Savoini G. First evaluation of infrared thermography as a tool for the monitoring of udder health status in farms of dairy cows. Sensors (Basel), 2018; 18 (3): 862. https://doi.org/10.3390/s18030862

13. Hovinen M., Siivonen J., Taponen S., Hanninen L., Pastell M., Aisla A. - M., Pyorala S. Detection of clinical mastitis with the help of a thermal camera. Journal of Dairy Science, 2008; 91 (12): 4592-4598.

14. Zaninelli M., Redaelli V., Luzi F., Bronzo V., Tappella A., Mitchell M., Dell'Orto V., Cattaneo D., Savoini G. Development of a software algorithm working with infrared images and useful for the early detection of mastitis in dairy cows. 14th Quantitative infrared thermography conference, 2018; 17-22. https://doi.org/10.21611/qirt.2018.p5

15. Кирсанов В.В., Филонов Р.Ф., Тареева О.А. Алгоритм управления доильными установками типа «Карусель» // Техника и оборудование для села. 2012. № 10. С. 20-22. EDN: PFKMDT

16. Кирсанов В.В., Павкин Д.Ю., Цымбал А.А. Результаты обработки экспериментальных данных с роботов доения по четвертям вымени // Инновации в сельском хозяйстве. 2015. № 4 (14). С. 122-128. EDN: VJKDKL