Drd. Ec. Dalila Gabriela Stoica
Drd. Ec. Andreea Daniela Giucă
Drd. Ec. Cristina Maria Sterie
Institutul de Economie Agrară și Dezvoltare Rurală (ICEADR)
Modelul conceptual actual al unei ferme zootehnice o recunoaște ca o entitate duală, asociind un sistem de activitate umană și un proces de producție. (Gibon, A. et al, 1996).
Un sistem informatic este un sistem care permite introducerea datelor prin intermediul unor procese manuale sau prin introducerea unor date obținute prin culegere automată de către acesta. Pe lângă culegerea de date, în cadrul unui sistem informatic sunt incluse mai multe procese precum: stocarea datelor, prelucrarea acestora și extragerea informațiilor relevante sub forme diferite.
Sistemele informatice (digitalizarea) în cadrul fermelor zootehnice permit optimizarea costurilor de producere, reducerea cheltuielilor cu forța de muncă, creșterea productivității și nu în ultimul rând posibilitatea extinderii/ dezvoltării fermei într-un timp mult mai scurt.
Un sistem informatic are mai multe componente, dintre cele mai cunoscute fiind: calculatoarele, programele, rețelele de calculatoare și utilizatorii.[1]
În timp ce populația umana la nivel mondial are o tendință ascendentă, zootehnia ar trebui să urmărească același trend pentru a se adapta și pentru a oferi produse animaliere cu o eficiență îmbunătățită. Pentru a obține acest lucru este nevoie de implicația unor sisteme informatice și tehnologii privind digitalizarea fermelor zootehnice. În prezent există tehnologii de Precision Livestock Farming (PLF), în special senzori biometrici, big data și tehnologia blockchain.[2]
Tehnologia Big Data le oferă fermierilor posibilitatea de a obține informații și date granulare despre diferitele tipare privind precipitațiile, ciclurile apei, necesitățile și cerințele de îngrășăminte și multe alte informații prin intermediul cărora se iau decizii inteligente cu privire la activitățile din ferme.
Tehnologia blockchain în agricultură permite utilizarea unor tranzacții transparente de la persoana la persoană, fiind excluși intermediarii. Scopul utilizării tehnologiei blockchain este de a oferi un nivel ridicat de transparență și responsabilitate, fiind un element foarte important al agriculturii moderne. Această tehnologie ajută la obținerea unui volum mare de informații fiabile și disponibile cu privire la stocuri dar și referitor la starea generală a fermelor. De asemenea, utilizarea tehnologiilor blockchain ar putea contribui la detectarea și urmărirea aparițiilor bolilor animalelor, boli precum: gripa porcină, febra aftoasă și a vailor nebune în Europa, gripa aviară, precum și detectarea apariției focarelor de salmonella.[3]
Într-o altă ordine de idei, creșterea de precizie a animalelor (PLF) are la bază utilizarea unor cantități mari de date și modelarea acestora pentru gestionarea eficientă a nevoilor nutriționale, a stărilor de reproducere dar și a schimbărilor în productivitate care pot indica probleme ale animalelor. Acest sistem le permite fermierilor, pe baza informațiilor rezultate în urma analizării datelor, să grupeze animalele după categoriile de nevoi, conducând astfel la o utilizare eficientă a resurselor.[4]
În fermele zootehnice din Europa, sunt utilizate sistemele de viziune computerizată (CVS), acestea au potențialul de a fi utilizate în creșterea de precizie a animalelor și în aplicații de fenotipizare cu randament ridicat. Se consideră faptul că măsurarea constantă a trăsăturilor prin sistemele de viziune computerizată (CVS) poate reduce costurile de management și poate optimiza luarea deciziilor în exploatațiile zootehnice, pe lângă deschiderea de noi posibilități în creșterea selectivă. Dezvoltarea CVS automatizată poate permite fenotiparea cu randament ridicat la animale, iar datele generate de astfel de sisteme pot fi apoi utilizate pentru multe aplicații diferite, de la dezvoltarea de instrumente inteligente de management al fermelor până la programele avansate de reproducere. Aplicațiile CSV sunt în prezent un domeniu de cercetare în creștere și există deja produse comerciale disponibile. Cu toate acestea, există încă provocări care necesită cercetare pentru dezvoltarea cu succes a soluțiilor autonome capabile să furnizeze informații critice. (Fernandes, A.F.A. et al, 2020)
În Suedia, Hencolprezintă nivel superior de creștere a animalelor în ferme de precizie, cu sistemele sale BigData și algoritmii AI, care fac posibilă punerea la dispoziția clienților săi a unui sistem optimizat de asistență la decizii. Hencol permite digitalizarea întregului lanț valoric cu beneficii semnificative pentru toți actorii implicați.
Bibliogafie
A. Dyda, P.Y. Nguyen, A. Chughtai, C.R. MacIntyre,2020 – Changing epidemiology of Salmonella outbreaks associated with cucumbers and other fruits and vegetables, Global Biosecurity, in: 1(3), https://doi.org/10.31646/gbio.49.
Fernandes, AFA (Fernandes, Arthur Francisco Araujo); Dorea, JRR (Dorea, Joao Ricardo Reboucas); Rosa, GJD (Rosa, Guilherme Jordao de Magalhaes), 2020, mage Analysis and Computer Vision Applications in Animal Sciences: An Overview, FRONTIERS IN VETERINARY SCIENCE Vol 7
Gibon, A ; Rubino, R ; Sibbald, AR ; Sorensen, JT ; Flamant, JC ; Lhoste, P ; Revilla, R, 1996, A review of current approaches to livestock farming systems in Europe: Towards a common understanding, LIVESTOCK FARMING SYSTEMS: RESEARCH, DEVELOPMENT SOCIO-ECONOMICS AND THE LAND MANAGER, EAAP European Association for Animal Production Publication, 79, Page7-19
Koltes JE, Cole JB, Clemmens R, Dilger RN, Kramer LM, Lunney JK, McCue ME, McKay SD, Mateescu RG, Murdoch BM, Reuter R, Rexroad CE, Rosa GJM, Serão NVL, White SN, Woodward-Greene MJ, Worku M, Zhang H and Reecy JM, 2019 – A vision for development and utilization of high-throughput phenotyping and big data analytics in livestock, Frontiers in Genetics 10.
Lin J., Shen Z., Zhang A., Chai Y., 2018 – Blockchain and IoT based food traceability for smart agriculture, in: Proceedings of the 3rd Int. Con. on Crowd Sci. and Eng, pp. 1–6.
Meat.Milk., 2020, Digitalizarea fermelor de bovine, https://www.meat-milk.ro/digitalizarea-fermelor-de-bovine/
Oliveira, DAB (Oliveira, Dario Augusto Borges) Pereira, LGR (Pereira, Luiz Gustavo Ribeiro) , Bresolin, T (Bresolin, Tiago) Ferreira, REP (Ferreira, Rafael Ehrich Pontes) Dorea, JRR (Dorea, Joao Ricardo Reboucas), 2021, A review of deep learning algorithms for computer vision systems in livestock, LIVESTOCK SCIENCE, Vol. 253
Piñeiro C, Morales J, Rodríguez M, Aparicio M, Manzanilla EG and Kokestsu Y, 2019 – Big (pig) data and the internet of the swine things: a new paradigm in the industry, Animal Frontiers 9.
Suresh N., Bas K., 2021 – Digital Livestock Farming , Sensing and Bio-Sensing Research, Vol 32, https://doi.org/10.1016/j.sbsr.2021.100408
Suresh Neethirajan, Bas Kemp, 2021 – Digital Livestock Farming, Sensing and Bio-Sensing Research, Volume 32, (https://www.sciencedirect.com/science/article/pii/S2214180421000131) World Health Organization, 2020 – Food Safety. https://www.who.int/news-room/fact-sh eets/detail/food-safety
[1] Information Systems”. Principia Cybernetica Web
[2] Suresh Neethirajan, Bas Kemp, 2021 – Digital Livestock Farming
[3] A. Dyda et.al, 2020 – Changing epidemiology of Salmonella outbreaks associated with cucumbers and other fruits and vegetables
[4] Koltes et al., 2019 – A vision for development and utilization of high-throughput phenotyping and big data analytics in livestock