این مقاله تحقیقی بررسی می کند که آیا داده های سنسور شیردوشی اتوماتیک می تواند برای مدل سازی تعداد سلول های سوماتیک گاو استفاده شود (SCC ترکیبی شیر:.(CMSCC CMSCC برای نظارت بر سلامت پستان ارزشمند است و می توان با پیش بینی CMSCC بین نمونه های معمول، نظارت بر سلامت پستان گاو را بهبود بخشید. اطلاعات به طور منظم در شیردوشی اتوماتیک، در یک گله شیری آلمانی ثبت شد و برای انالیز جمع آوری شد. گاوها (هلشتاین، 372 عدد) دو بار در روز دوشیده شدند و هفته ای یک بار در دوشش های بعد از ظهر به مدت 8 هفته برای CMSCC نمونه برداری شدند. از متغیرهای مستقل بالقوه، از جمله رسانایی کوارترها، جریان شیر، خون در شیر، کوارترهای دوشیده نشده یا ناقص دوشیده شده، متغیرهای جدیدی با ترکیب داده های کوارتر ایجاد شد. سوابق دوره گذشته، یعنی تأخیرها تا هفت روز قبل از نمونه برداری CMSCC به مجموعه داده اضافه شد تا بررسی شود آیا در مدل سازی تعداد سلول ها استفاده شده اند. برای غربالگری داده ها برای انتخاب متغیرهای مستقل بالقوه، از مدل های افزودنی تعمیم یافته غیر متغیر (GAM) استفاده شد. علاوه بر این، چندین GAM چند متغیره به منظور مقایسه اهمیت متغیرهای مستقل بالقوه و بررسی چگونگی تأثیر عملکرد مدل با استفاده از داده های تعداد روزهای مختلف قبل از نمونه گیری CMSCC استفاده شد. نتیجه انتخاب مدل نشان داد که بهترین توضیح CMSCC با استفاده از مدل شامل تمام متغیرهای قابل توجه از غربالگری متغیر برای هفت روز قبل، از جمله روز نمونه گیری CMSCC ارائه شد. با این حال، استفاده از داده های فقط سه روز قبل از نمونه گیری CMSCC برای مدل سازی CMSCC پیشنهاد می شود. متغیرهای ترکیبی از داده های سه ماهه هدایت، همراه با رسانایی کوارترها، در توصیف CMSCC مهم هستند. نتیجه می گیریم که CMSCC را می توان با درجه بالایی از توضیح با استفاده از اطلاعاتی که به طور معمول توسط دستگاه شیردوشی ثبت می شود استفاده کرد.
بطور کلی نتایج حاضر نشان می دهد که می توان از GAM برای مدل های پیش بینی CMSCC استفاده کرد، زیرا نتایج مدل سازی CMSCC با استفاده از اطلاعاتی که به طور معمول توسط دستگاه شیردوشی ثبت می شود، درجه نسبتاً بالایی از توضیح را نشان می دهد. استفاده از داده های شیردوشی سه روز (یعنی شش جلسه شیردوشی) قبل از نمونه گیری CMSCC همچنین عملکرد خوبی داشت در مقایسه با بهترین مدل، که از داده های شیردوشی هفت روز (14 جلسه شیردوشی) استفاده می کرد. متغیرهایی که ترکیب رسانایی کوارتر و واریانس بین کوارترها را دارند دارای قوی ترین ارتباط با CMSCC هستند و ترجیحاً باید هنگام پیش بینی CMSCC ترکیب شوند. برای بررسی اینکه آیا مدل های GAM همچنین می توانند با استفاده از داده های سنسور که به طور معمول توسط دستگاه شیردوشی جمع آوری می شود در مزارع دیگر استفاده شوند مطالعات دیگر با گاوهای بیشتر مورد نیاز است.
گروه علمی شرکت اگرین تک
