Стратегія розвитку інноваційних підприємницьких структур у тваринництві
Анотація
Актуальність даного дослідження полягає в необхідності створення стратегії розвитку інноваційних підприємницьких структур у тваринництві, застосування якої може значно підвищити економічну окупність господарств. Мета дослідження – розробити стратегію розвитку прогресивних тваринницьких господарств. Для проведення дослідження було використано такі загальнонаукові методи: аналіз, синтез, дедукція, індукція та узагальнення. Серед розглянутих інновацій було виокремлено: різноманітні генетичні дослідження задля покращення геному тварин (кількість м’яса та молока, ефективність засвоєння корму), а також відбору генетично здорових ембріонів для розведення; використання у тваринництві таких сучасних технологій, як: Радіочастотна ідентифікація, доповнена реальність, нейронні мережі та система глобального позиціонування; технології, спрямовані на автоматизацію процесів годівлі тварин. Окрему увагу було приділено різним системам моніторингу поголів’я, створених з використанням просунутих алгоритмів. Також було представлено стратегію розвитку інноваційних господарств у тваринництві, основними елементами якої стали дрони, камери відеоспостереження, окуляри змішаної реальності та рукавички-сканери. Іншими необхідними елементами були обрані модуль управління дронами та програмне забезпечення. Також було проведено відповідні розрахунки, які доводять доцільність впровадження цієї стратегії та її фінансовий потенціал. За умови задіяння 82 одиниць різного устаткування, загальною вартістю 187,970$, стратегія передбачає прибуток у 1,072,030$, з періодом реалізації 3 роки та окупності менше 6 місяців. Практичне значення отриманої інформації полягає в тому, що вона може розглядатися дослідниками для подальшого вивчення особливостей реалізації інноваційних проєктів у тваринництві, а також і для подальшого розвитку різних стратегій у сфері модернізації сільського господарства в Казахстані
Ключові слова
модернізація господарств; селекційні ознаки; автоматизовані системи годівлі; збалансований раціон; «розумне» сільське господарство
[1] Amandykova, M., Akhatayeva, Zh., Kozhakhmet, A., Kapassuly, T., Orazymbetova, Z., Yergali, K., Khamzin, K., Iskakov, K., & Dossybayev, K. (2023). Distribution of runs of homozygosity and their relationship with candidate genes for productivity in Kazakh meat-wool sheep breed. Genes, 14(11), article number 1988. doi: 10.3390/ genes14111988.
[2] Bader, C., & Bernhardt, H. (2023). Predicting the acceptance of the introduction of energy management system and testing its functionality in automated barn systems – “CowEnergySystem”. 2023 ASABE Annual International Meeting, article number 2300342. doi: 10.13031/aim.202300342.
[3] Bostanova, S., Aitmukhanbetov, D., Bayazitova, K., Zhantleuov, D., & Il, Y. (2022). Indicators of full value feeding rations for dairy cows. Brazilian Journal of Biology, 82, article number e254111. doi: 10.1590/15196984.254111.
[4] Chebel, R.C., Bisinotto, R.S., Giordano, J., Maggiolino, A., & de Palo, P. (2024). Reproduction in the era of genomics and automation. Reproduction, Fertility and Development, 36(2), 51-65. doi: 10.1071/RD23173.
[5] Dambaulova, G.K., Madin, V.A., Utebayeva, Z.A., Baimyrzaeva, M.K., & Shora, L.Z. (2023). Benefits of automated pig feeding system: A simplified cost-benefit analysis in the context of Kazakhstan. Veterinary World, 16(11), 2205-2209. doi: 10.14202/vetworld.2023.2205-2209.
[6] De Coster, T., Zhao, Y., Tšuiko, O., Demyda-Peyrás, S., Van Soom, A., Vermeesch, J.R., & Smits, K. (2024). Genomewide equine preimplantation genetic testing enabled by simultaneous haplotyping and copy number detection. Scientific Reports, 14, article number 2003. doi: 10.1038/s41598-023-48103-7.
[7] Dossanova, A., Gabbassova, Z., Tuleugaliyeva, N., Zhangaliyeva, Y., & Dzhakupova, A. (2022). Problems and prospects of agricultural development in the West Kazakhstan region. AIP Conference Proceedings, 2661(1), article number 020004. doi: 10.1063/5.0107469.
[8] Fu, X., & Niu, H. (2023). Key technologies and applications of agricultural energy Internet for agricultural planting and fisheries industry. Information Processing in Agriculture, 10(3), 416-437. doi: 10.1016/j.inpa.2022.10.004.
[9] Holy cow! CattleEye reduces EC2 cost by over 60% with Spot Scaling. (2022). Retrieved from https://www.doit. com/clients/cattleeye/.
[10] Kopler, I., Marchaim, U., Tikász, I.E., Opaliński, S., Kokin, E., Mallinger, K., Neubauer, T., Gunnarsson, S., Soerensen, C., Phillips, C.J.C., & Banhazi, T. (2023). Farmers’ perspectives of the benefits and risks in precision livestock farming in the EU pig and poultry sectors. Animals, 13(18), article number 2868. doi: 10.3390/ani13182868.
[11] Kurniadi, F.A., Setianingsih, C., & Syaputra, R.E. (2023). Innovation in livestock surveillance: Applying the YOLO algorithm to UAV imagery and videography. In 9th international conference on smart instrumentation, measurement and applications (ICSIMA) (pp. 246-251). Kuala Lumpur: IEEE. doi: 10.1109/ICSIMA59853.2023.10373473.
[12] Ma, Z., Wang, W., Zhang, D., Zhang, Y., Zhao, Y., Li, X., Zhao, L., Cheng, J., Xu, D., Yang, X., Liu, J., He, L., Chen, Z., Gong, P., & Zhang, X. (2024). Polymorphisms of PLIN1 and MOGAT1 genes and their association with feed efficiency in Hu sheep. Gene, 897, article number 148072. doi: 10.1016/j.gene.2023.148072.
[13] Manteuffel, C. (2022). Cooperative livestock farming: A chance for a breakthrough for PLF? In 10th European conference on precision livestock farming (pp. 584-591). Vienna: University of Veterinary Medicine.
[14] Mar, C.C., Zin, T.T., Tin, P., Honkawa, K., Kobayashi, I., & Horii, Y. (2023). Cow detection and tracking system utilizing multi-feature tracking algorithm. Scientific Reports, 13, article number 17423. doi: 10.1038/s41598023-44669-4.
[15] Nasambaev, E., Akhmetalieva, A.B., Nugmanova, A.E., & Doszhanova, A.O. (2022). Breeding young Kazakh whiteheaded cattle in different calving seasons. Annals of Agri-Bio Research, 27(1), 131-137.
[16] Naujokienė, V., Bleizgys, R., Venslauskas, K., & Paulikienė, S. (2022). Climate-smart holistic management system criteria’s effectiveness on milk production in Lithuania. Agriculture, 12(6), article number 804. doi: 10.3390/ agriculture12060804.
[17] Pinna, D., Sara, G., Todde, G., Atzori, A.S., Artizzu, V., Spano, L.D., & Caria, M. (2023). Advancements in combining electronic animal identification and augmented reality technologies in digital livestock farming. Scientific Reports, 13, article number 18282. doi: 10.1038/s41598-023-45772-2.
[18] Price, R. (2023). How a low-cost camera improves lameness detection for dairy farm. Retrieved from https://www.fwi.co.uk/livestock/health-welfare/foot-health/how-a-low-cost-camera-improves-lameness-detection-fordairy-farm.
[19] Radchenko, O., Tkach, L., & Dendebera, O. (2023). Financing innovations in the agricultural industry as a component of the digital development of Ukraine’s economy. Scientific Bulletin of Mukachevo State University. Series “Economics”, 10(4), 54-65. doi: 10.52566/msu-econ4.2023.54.
[20] Widaningsih, N., Hartono, B., Utami, H.D., & Rohaeni, E.S. (2023). Implementation of technology and information systems (IOT) to support sustainable livestock development: Future challenges and perspectives. Caspian Journal of Environmental Sciences, 21(2), 457-465. doi: 10.22124/CJES.2023.6540.
[21] Wu, D., Han, M., Song, H., Song, L., & Duan, Y. (2023). Monitoring the respiratory behavior of multiple cows based on computer vision and deep learning. Journal of Dairy Science, 106(4), 2963-2979. doi: 10.3168/jds.202222501.