УСКОРЕНИЕ СЕЛЕКЦИОННОЙ РАБОТЫ В КРОЛИКОВОДСТВЕ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА: КОНЦЕПТУАЛЬНЫЕ ПОДХОДЫ И МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ

УДК 636.92:004.8.032.26                                                                                          DOI: 10.52178/00234885_2026_4_П

УСКОРЕНИЕ СЕЛЕКЦИОННОЙ РАБОТЫ В КРОЛИКОВОДСТВЕ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА:

КОНЦЕПТУАЛЬНЫЕ ПОДХОДЫ И МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ

Искусственный интеллект в кролиководстве

Г.Ю. Косовский, Н.Н. Новикова, М.Ю. Борисов*, А.В. Корниенко, Н.И. Тинаев, Е.А. Тинаева, Р.И. Булынин

Федеральное государственное бюджетное научное учреждение «Научно-исследовательский инсти­тут пушного звероводства и кролиководства имени В.А. Афанасьева»

Россия, 140143, Московская обл., м.о. Раменский, пгт Родники, ул. Трудовая, д. 6.

*e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.

В условиях цифровизации агропромышленного комплекса актуальной задачей является повышение точности управления биологическими процессами в животноводстве. Цель исследования заключается в тео­ретическом и методологическом обосновании применения нейросетевых технологий для оптимизации про­цессов в кролиководстве. В качестве методов исследования использовали системный анализ ограничений традиционных математических моделей и сравнительное моделирование архитектур глубокого обучения (MLP, LSTM) при работе с нелинейными биологическими системами. В статье представлен детальный ана­лиз данных архитектур, их роль в прогнозировании продуктивности и ранней диагностике заболеваний, а также рассмотрены этапы подготовки данных. Вывод: внедрение интегрированных нейросетевых систем управления способно существенно повысить экономическую эффективность и технологическую устойчи­вость кролиководческих предприятий.

Ключевые слова: кролиководство, нейронные сети, искусственный интеллект, точное животновод­ство, предиктивная аналитика, глубокое обучение, автоматизация АПК.

Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.

Вклад авторов. Все авторы внесли равно­ценный вклад при создании данной статьи.

Список литературы

1. Бабаева М.С. Использование нейронных сетей для про­гнозирования продуктивности сельскохозяйственных животных // Вестник аграрной науки. - 2021. - № 4. - С. 15-22.

2. Хайкин С. Нейронные сети: полный курс. М.: Вильямс. - 2018 - 2-е изд. - 1104 с.

3. Кузнецов С. П. Основы проектирования нейронных сетей для агропромышленных комплексов. - М.: Агропромиздат. - 2019. - 210 с.

4. Петров Н.Н. Методы ранней диагностики заболеваний кроликов на основе анализа поведенческих факто­ров и машинного обучения // Ветеринария сегодня. - 2021. - № 5. - С. 34-41.

5. Григорьев Д.А., Волков А.И. Сравнительный ана­лиз статистических методов и нейросетевых моделей в задачах прогнозирования прироста живой массы // Инновации в сельском хозяйстве. - 2020. - Т 12. - №2. - С. 45-53.

6. Abdel-Wareth Ahmed A.A, Ahmed A.A., Salahuddin M., Lohakare J. Application of artificial intelligence in rab­bit husbandry: from reproductive monitoring to precision farming// Frontiers in Veterinary Science. - 2025. - Vol. 12. - P. 1679630.

7. Иванова О.В. Искусственный интеллект в системе управ­ления кролиководческими хозяйствами // Кролиководство и звероводство. - 2022. - № 1. - С. 10-18.

8. Калашникова Т.В. Экономическая эффективность внедрения цифровых технологий в малых и средних животноводческих предприятиях // Экономика АПК. - 2023. - № 3. - С. 88-95.

9. Chen Y., & Wang L. Application of Deep Learning in Precision Livestock Farming: A Review // Journal of Agricultural Engineering Research. -2022. - Vol. 45. - No. 3. - pp. 112-128.

Информацияобавторах:

Косовский ГлебЮрьевич - докторбиологиче­скихнаук, член-корреспондентРАН, директорФГБНУНИИПЗК, SPIN-код: 3736-3480, AuthorlD: 353097, 0RCID:0000-0003-3808-3086, ResearcherlD: ABG-7304- 2020, ScopusID: 57196461206.

Новикова Наталья Николаевна - доктор биоло­гических наук, профессор, научный консультант ФГБНУ НИИПЗК, SPIN-код: 6064-8059, AuthorlD: 938110.

Борисов Максим Юрьевич - доктор экономиче­ских наук, доцент, заместитель директора по экономиче­ским вопросам ФГБНУ НИИПЗК, SPIN-код: 4924-6410, AuthorlD: 278643, e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript..

Корниенко Алексей Викторович - доктор сельско­хозяйственных наук, доцент, главный научный сотрудник ФГБНУ НИИПЗК.

Тинаев Николай Иосифович - доктор биологиче­ских наук, научный консультант ФГБНУ НИИПЗК, SPIN- код: 5762-0894, AuthorID: 626636.

Тинаева Елена Александровна - доктор биоло­гических наук, профессор, научный консультант ФГБНУ НИИПЗК, SPIN-код: 4174-4080, AuthorID: 106212.

Булынин Роман Игоревич - аспирант ФГБНУ НИИПЗК.

FORECASTINGINRABBITHUSBANDRYUSINGARTIFICIALINTELLIGENCE: CONCEPTUAL APPROACHES AND METHODOLOGICAL FOUNDATIONS

Artificial intelligence in rabbit husbandry

G.Yu. Kosovsky, N.N. Novikova, M.Yu. Borisov*, A.V. Kornienko, N.I. Tinaev, E.A. Tinaeva, R.I. Bulynin

Federal State Budget Scientific Institute «Scientific Research Institute of Fur-Bearing Animal Breeding and Rabbit Breeding named after VA. Afanas'ev» Russia, 140143, Moscow region, Ramensky district, pgtRodniky, Trudovaya st., 6

* e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.

In the context of the digitalization of the agro-industrial complex, improving the control accuracy of biological processes in animal husbandry has become a highly relevant task. The study aims to provide a theoretical and methodological substantiation for applying neural network technologies to optimize processes in rabbit farming. The research methodologies include a system analysis of limitations inherent in traditional mathematical models, alongside a comparative simulation of deep learning architectures (MLP, LSTM) operating with non­linear biological systems. This paper delivers a detailed analysis of these architectures, underscores their role in productivity forecasting and early disease diagnosis, and examines the stages of data preprocessing. Conclusion: the implementation of integrated neural network management systems can significantly enhance the economic efficiency and technological sustainability of rabbit farming enterprises.

Keywords: rabbit farming, neural networks, artificial intelligence, precision livestock farming, predictive analytics, deep learning, agricultural automation.

Conflict of interest. The authors declare that there is no conflict of interest.

Author contributions. All authors have made an equal contribution to the creation of this article.

References

1. Babaeva M.S. The use of neural networks to predict the productivity of farm animals. - 2021. - № 4. - P. 15-22.

2. Khaikin S. Neural Networks: A Complete Course. M Ivanova O.V Artificial intelligence in the management system of rabbit farms. - 2022. - № 1. - P. 10-18.oscow: Williams. - 2018 - 2nd ed. - 1104 p.

3. Kuznetsov S. P. Fundamentals of Neural Network Design for Agro-Industrial Complexes. Moscow: Agropromizdat. -2019. - 210 p.

4. 4. Petrov N.N. Methods of early diagnosis of rabbit diseases based on the analysis of behavioral factors and machine learning. - 2021. - № 5. - P. 34-41.

5. Grigoriev D.A., Volkov A.I. Comparative Analysis of Statistical Methods and Neural Network Models in the Problems of Forecasting the Growth of Living Mass. - 2020. - T. 12. - № 2. - P. 45-53.

6. Abdel-Wareth Ahmed A.A, Ahmed A.A., Salahuddin M., Lohakare J. Application of artificial intelligence in rabbit husbandry: from reproductive monitoring to precision farming// Frontiers in Veterinary Science. - 2025. - Vol. 12. - P. 1679630.

7. Ivanova O.V Artificial intelligence in the management system of rabbit farms. - 2022. - № 1. - P. 10-18.

8. Kalashnikova T.V Economic efficiency of the introduction of digital technologies in small and medium livestock enterprises. - 2023. - № 3. - P. 88-95.

9. Chen Y., & Wang L. Application of Deep Learning in Precision Livestock Farming: A Review // Journal of Agricultural Engineering Research. -2022. - Vol. 45. - No. 3. - pp. 112-128.

Information about the authors:

Kosovsky Gleb Yurievich - Doctor of Biological Sciences, Corresponding Member of the Russian Academy of Sciences, Director of the Afanas’ev Research Institute of Fur­Bearing Animal Breeding and Rabbit Breeding, SPIN-code: 3736-3480, AuthorID: 353097, 0RCID:0000-0003-3808-3086, ResearcherID: ABG-7304-2020, ScopusID: 57196461206.

Novikova Natalia Nikolaevna - Doctor of Biological Sciences, Professor, Scientific Consultant of the Afanas’ev Research Institute of Fur-Bearing Animal Breeding and Rabbit Breeding, SPIN-code: 6064-8059, AuthorID: 938110.

Borisov Maksim Yurievich - Doctor of Economic Sciences, Associate Professor, Deputy Director for Economic Affairs of the Afanas’ev Research Institute of Fur-Bearing Animal Breeding and Rabbit Breeding, SPIN-code: 4924-6410, AuthorID: 278643, e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript..

Kornienko Aleksey Viktorovich - Doctor of Agricultural Sciences, Associate Professor, Chief Researcher of the Afanas’ev Research Institute of Fur-Bearing Animal Breeding and Rabbit Breeding.

Tinaev Nikolay Iosifovich - Doctor of Biological Sciences, Scientific Consultant of the Afanas’ev Research Institute of Fur - Bearing Animal Breeding and Rabbit Breeding, SPIN-code: 5762-0894, AuthorID: 626636.

Tinaeva Elena Alexandrovna - Doctor of Biological Sciences, Professor, Scientific Consultant of the Afanas’ev Research Institute of Fur - Bearing Animal Breeding and Rabbit Breeding, SPIN-code: 4174-4080, AuthorID: 106212.

Bulynin Roman Igorevich - Postgraduate Student of the Afanas'ev Research Institute of Fur - Bearing Animal Breeding and Rabbit Breeding.