Создание интеллектуальной системы диагностирования ацидоза рубца у коров. Часть 1: Формализация задач

Введение. Совершенствование методов диагностирования ацидоза рубца у коров представляет собой весьма актуальную проблему по причине распространенности этого заболевания и падежа скота. Наиболее перспективными методами ранней диагностики этой патологии являются профилактические проекты или индивидуальные обследования животных с использованием онлайн-сервисов на основе технологии ветеринарной телемедицины, однако отсутствие в России достаточно развитых методов оценки патологии на основе математического аппарата, используемого для современных интеллектуальных систем, не позволяет эффективно использовать эту технологию. В своем исследовании мы предприняли попытку создания интеллектуальной системы диагностирования ацидоза рубца у коров. Первый этап работы был посвящен формализации задач на основе концепции нечеткой логики.
Материалы и методы. Исследование проведено в Уральском государственном аграрном университете и Государственном аграрном университете Северного Зауралья в период с 2022 по 2025 гг. Для постановки диагноза «ацидоз рубца» в качестве входных переменных для нечеткой системы был определен минимальный перечень диагностических параметров (на основании анализа данных из специализированных справочников и научных публикаций). Поскольку сложность могут вызывать сочетания нескольких параметров, превышающих референтные значения, для корректного решения задачи с учетом этих условий использовался метод формализации неопределенностей — теория нечетких множеств. В качестве структуры интеллектуальной системы выбрано иерархическое построение, которое делает ее строго логичной и прозрачной для анализа. Для разработки программы использовалось открытое программное обеспечение Scilab и штатный редактор программного кода Scinotes. 
Результаты исследования. Дано обоснование комплекса необходимых диагностических параметров, куда вошли значение pH содержимого рубца, жирность молока, частота пульса, частота дыхательных движений. Выполнена содержательная постановка и формализация задачи нечеткого вывода оценки патологии ацидоза рубца у коров. Разработана структура интеллектуальной системы иерархического типа, формализованы все переменные, включая промежуточные, в нечеткой модели интеллектуальной системы диагностирования.
Обсуждение и заключение. В первой части исследования мы формализовали модели всех переменных (входных, выходной и промежуточных) для решения задачи диагностирования ацидоза рубца у коров. При появлении новых параметров, напрямую связанные с ацидозом, их также можно включить в интеллектуальную систему. Во второй части исследования планируется выполнить компьютерную реализацию интеллектуальной системы оценки патологии ацидоза рубца у коров, взяв за основу полученные здесь формализованные данные. 

1. Сафарова Л.У. Нечетко-логические алгоритмы диагностирования болезней крупного рогатого скота. Монография. Ташкент: Fanziyosi; 2023. 108 с.

2. Луценко Е.В., Коржаков В.Е. Реализация тестов и супертестов для ветеринарной и медицинской диагностики в среде системы искусственного интеллекта «Эйдос-Х++» без программирования. Научный журнал КубГАУ. 2013;89(05):99–140.

3. Лакомкин В. Российское исследование: развитие искусственного интеллекта в ветеринарной медицине. URL: https://www.ferra.ru/review/techlife/veterinar.htm (дата обращения 24.11.2025).

4. Медведева А. Искусственный интеллект подключился к борьбе с ранними симптомами болезней крупного рогатого скота. URL: https://www.agroxxi.ru/zhivotnovodstvo/tehnologi/iskusstvennyi-intellekt-podklyuchilsja-k-borbe-s-mastitom-u-korov.html (дата обращения 24.11.2025).

5. Бакиров Б., Рузикулов Н.Б., Хайитов Б., Абдурасулов А.Х. Групповая профилактика ацидоза рубца у коров. Вестник ОШГУ. Сельское хозяйство: агрономия, ветеринария и зоотехния. 2023;(4(5)):50–56. https://doi.org/10.52754/16948696_2023_4_7

6. Павкин Д.Ю., Владимиров Ф.Е. Диагностика подострого ацидоза рубца у коров в послеотельный период с помощью цифровых технологий. Главный зоотехник. 2020;(12(209)):47–52.

7. Рыжкова Г.Ф., Евглевский А.А., Евглевская Е.П., Миненков Н.А. Перераспределение электролитов между эритроцитами и плазмой крови коров при нарушении кислотно-щелочного равновесия (ацидоз рубца). Вестник Курской государственной сельскохозяйственной академии. 2018;(4):136–139.

8. Воронов Д.В., Бобер Ю. Н. Показатели pH содержимого рубца у коров, больных ацидозом, при различных способах получения пробы. Ученые записки учреждения образования «Витебская ордена "Знак Почета" государственная академия ветеринарной медицины». 2017;53(3):18–21.

9. Эленшлегер А.А., Соловьева В.В. Клинико-морфологические показатели крови при ацидозе рубца у молочных коров. Вестник Алтайского государственного аграрного университета. 2016;(6(140)):112–115.

10. Луговой М.М., Азарнова Т.О., Подольников В.Е., Луговая И.С. Значимость поддержания водородного показателя в организме коров для профилактики метаболических нарушений и повышения молочной продуктивности. Аграрная Россия. 2019;(12):3–7. https://doi.org/10.30906/1999-5636-2019-12-3-7

11. Побединский А.А. Побединский В.В. Способ мониторинга пчелиных ульев и популяций пчёл. Известия Оренбургского государственного аграрного университета. 2023;(6(104)):198–204.

12. Побединский А.А. Дистанционный мониторинг определения продуктивности кур-несушек в частном хозяйстве. Известия Оренбургского государственного аграрного университета. 2022;(1(93)):127–130. https://doi.org/10.37670/2073-0853-2022-93-1-127-130

13. Владимиров В.Е. Кирсанов В.В., Павкин Д.Ю. Исследование pH и температуры рубца для диагностики ацидоза у дойных коров после отела. Вестник ВНИИМЖ. 2019;(4(36)):196–199.

14. Chen L, Liu Sh, Wang H, Wang М, Lihuai Yu. Relative Significances of pH and Substrate Starch Level to Roles of Streptococcus Bovis S1 in Rumen Acidosis. AMB Express. 2016;6(1):80. https://doi.org/10.1186/s13568-016-0248-2

15. Millen DD, De Arrigoni MB, Pacheco RDL (Eds). Rumenology. Cham: Springer; 2016. 314 p. https://doi.org/10.1007/978-3-319-30533-2

16. Asqarov SS, Yunusov XB, Ro‘ziqulov N.B. Qo‘zilar Dispepsiyasining Klinik Belgilari va Ularning Etiopatogenetik Asoslari. Veterinariya meditsinasi. 2023; Р. 18–19.

17. Smith BP, Van Metre DC, Pusterla N (Eds). Large Animal Internal Medicine. 6th Edition. USA: Elsevier; 2020. 1874. https://doi.org/10.1016/C2016-0-01788-6

18. McSweeney CS, Mackie RI (Eds). Improving Rumen Function: Burleigh Dodds Series in Agricultural Science. Cambridge: Burleigh Dodds Science Publishing; 2020. 862 p.

19. AlZahal O, Kebreab E, France J, Froetschel M, McBrideet BW. Ruminal Temperature May Aid in the Detection of Subacute Ruminal Acidosis. Journal of Dairy Science. 2008;91(1):202–207. https://doi.org/10.3168/jds.2007-0535

20. Antanaitis R, Juozaitiene V, Malasauskiene D, Televicius M., Urbutis M. Biomarkers from Automatic Milking System as an Indicator of Subclinical Acidosis and Subclinical Ketosis in Fresh Dairy Cows. Polish Journal of Veterinary Science. 2019;22(4):685–693. https://doi.org/10.24425/pjvs.2019.129981

21. Abarghuei MJ, Rouzbehan Y, Salem AZМ, Zamiri МJ. Nutrient Digestion, Ruminal Fermentation and Performance of Dairy Cows Fed Pomegranate Peel Extract. Livestock Science. 2013;157(2–3):452–461.

22. Chen L., Luo Y., Wang Н., Liu S, Shen Y, Wang M. Effects of Glucose and Starch on Lactate Production by Newly Isolated Streptococcus Bovis S1 from Saanen Goats. Applied and Environmental Microbiology. 2016;82(19):5982–5989.