Автоматизированное доение и заболеваемость коров маститом

Обложка

Цитировать

Полный текст

Аннотация

Одним из важнейших аспектов получения молока высокого санитарного качества является функционирование доильной техники. Основной объем получаемой молочной продукции приходится на молочные комплексы, оснащенные доильными залами с автоматизированной системой доения. Однако, как показывает практика, в системе автоматической дойки возможны сбои настроек, их некорректное установление, приводящие к негативному воздействию на молочную железу коров. Цель исследования - изучение влияния параметров настроек автоматизированного доильного оборудования (вакуум в подсосковой камере, минимальный поток молока при снятии доильных аппаратов) на функциональное состояние молочной железы высокопродуктивных лактирующих коров. Исследования проведены на двух доильных залах. В доильном зале 1 не проводили техническое обслуживание доильной установки на протяжении трех лет, в доильном зале 2 - осуществляли регулярное техническое обслуживание с тестированием каждого доильного аппарата. Установлено, что при регулярном проведении технического обслуживания (доильный зал 2) «вакуум доения» находится в пределах 37…39 кПа, в магистральной трубе - 40…42 кПа, т. е. разница составляет не более 2…3 кПа. Недостаточный вакуум в подсосковой камере (34…36 кПа) способствует повышению продолжительности доения в 1,6…2,0 раза, увеличению количества коров с раздражением вымени - в 2,5…4,0 раза, заболеваемости субклиническим маститом - в 3,0…4,2 раза, клинически выраженным маститом - в 3,2…11,8 раза, числа соматических клеток в сборном молоке - в 2,0…3,2 раза. Увеличение минимального потока молока при отключении доильного аппарата до 450…500 г/мин обеспечивает снижение количества коров с раздражением вымени в 3,9 раза, больных субклиническим маститом - в 4,1 раза, клинически выраженным маститом - в 21,2 раза и числа соматических клеток в сборном молоке - в 4,2 раза (145,5 тыс./мл, что соответствует молоку высшего сорта).

Об авторах

Виталий Иванович Михалёв

Всероссийский научно-исследовательский ветеринарный институт патологии, фармакологии и терапии

Автор, ответственный за переписку.
Email: mikhalevvit@yandex.ru
ORCID iD: 0000-0001-9684-4045
SPIN-код: 5252-8718

доктор ветеринарных наук, главный научный сотрудник сектора болезней органов воспроизводства крупного рогатого скота отдела экспериментальной терапии

Российская Федерация, 394087, г. Воронеж, ул. Ломоносова, д. 114б

Виталий Иванович Зимников

Всероссийский научно-исследовательский ветеринарный институт патологии, фармакологии и терапии

Email: ivanovich.vitalick@yandex.ru
ORCID iD: 0000-0002-6371-7143
SPIN-код: 3281-7694

кандидат ветеринарных наук, старший научный сотрудник сектора болезней молочной железы крупного рогатого скота отдела экспериментальной терапии

Российская Федерация, 394087, г. Воронеж, ул. Ломоносова, д. 114б

Список литературы

  1. Inzaghi V, Zucali M, Thompson PD, Penry JF, Reinemann DJ. Changes in electrical conductivity, milk production rate and milk flow rate prior to clinical mastitis confirmation. Ital J Anim Sci. 2021;20(1):1554—1561. doi: 10.1080/1828051X.2021.1984852
  2. Simonov GA, Nikiforov VE, Serebrova IS, Ivanova DA, Filippova OB. The influence of robotic milking on the quality of milk. Science in the Central Russia. 2020;(2):117—124. (In Russ.). doi: 10.35887/2305-2538-2020-2-117-124
  3. Filippova OB, Kiyko EI. Economic aspects of violation of the rules of machine milking in industrial milk production. Science in the Central Russia. 2013;(6):72—75. (In Russ.).
  4. Klimov NT, Mikhalev VI, Nezhdanov AG, Pershin SS. Technological parameters of the mechanical milking and the incidence of mastitis in cows. Veterinary Medicine. 2013;(8):37—39. (In Russ.).
  5. Konopeltsev IG, Shulyatiev VN. Vospalenie vymeni u korov [Inflammation of the udder in cows]. Kirov; Saint Petersburg; 2010. (In Russ.).
  6. Ebrahimi M, Mohammadi-­Dehcheshmeh M, Ebrahimie E, Petrovski KR. Comprehensive analysis of machine learning models for prediction of sub-clinical. Comput Biol Med. 2019;114:103456. doi: 10.1016/j.compbiomed.2019.103456
  7. Tyapugin EA, Tyapugin SE, Simonov GA, Uglin VK, Nikiforov VE, Serebrova IS. Comparative evaluation of technological factors, affecting the production and the quality of milk, various technologies of milking. Doklady Rossiiskoi akademii sel’skokhozyaistvennykh nauk. 2015;(3):50—53. (In Russ.).
  8. Grebenkin DA. Mastitis under control. Step 1. Control of the milking equipment. Bio. 2015;(4):47—49. (In Russ.).
  9. Bobbo T, Ruegg PL, Stocco G, Fiore E, Gianesella M, Morgante M, et al. Associations between pathogen-­specific cases of subclinical mastitis and milk yield, quality, protein composition, and cheese-­making traits in dairy cows. J Dairy Sci. 2017;100(6):4868—4883. doi: 10.3168/jds.2016-12353
  10. Serebrova IS, Uglin VK, Nikiforov VE. Production and quality of milk under various milking technologies and maintenance methods. Farm Animals. 2016;(2):10—12. (In Russ.).
  11. Tse C, Barkema HW, DeVries TJ, Rushen J, Pajor EA. Effect of transitioning to automatic milking systems on producers’ perceptions of farm management and cow health in the Canadian dairy industry. Journal of Dairy Science. 2016;100(3):2404—2414. doi: 10.3168/jds.2016—11521
  12. Besier J, Bruckmaier RM. Vacuum levels and milk flow dependent vacuum drops affect machine milking performance and teat condition in dairy cows. Journal of Dairy Science. 2016;99(4):3096—3102. doi: 10.3168/jds.2015-10340
  13. Klimov NT, Zimnikov VI. Veterinary-­technological aspects of protection of mammary gland health in cows and milk quality decrease. Dairy Industry. 2015;(10):69—70. (In Russ.).
  14. Alhussien MN, Dang AK. Milk somatic cells, factors influencing their release, future prospects, and practical utility in dairy animals: An overview. Vet World. 2018;11(5):562—577. doi: 10.14202/vetworld.2018.562-577
  15. Shabunin SV, Klimov NT, Nezhdanov AG. Significance of physiological and technological factors in development of mastitis in lactating cows. Reproduction in Domestic Animals. 2017;52(S3):133. doi: 10.1111/rda.13026

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».