CN101120376A - 动物管理系统 - Google Patents

动物管理系统 Download PDF

Info

Publication number
CN101120376A
CN101120376A CNA2005800408166A CN200580040816A CN101120376A CN 101120376 A CN101120376 A CN 101120376A CN A2005800408166 A CNA2005800408166 A CN A2005800408166A CN 200580040816 A CN200580040816 A CN 200580040816A CN 101120376 A CN101120376 A CN 101120376A
Authority
CN
China
Prior art keywords
animal
weight
estimation
group
estimate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2005800408166A
Other languages
English (en)
Inventor
D·H·特宁克
T·艾伦
L·兰福德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cargill Inc
Original Assignee
Cargill Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Cargill Inc filed Critical Cargill Inc
Publication of CN101120376A publication Critical patent/CN101120376A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A—HUMAN NECESSITIES
    • A22—BUTCHERING; MEAT TREATMENT; PROCESSING POULTRY OR FISH
    • A22B—SLAUGHTERING
    • A22B5/00—Accessories for use during or after slaughtering
    • A22B5/0064—Accessories for use during or after slaughtering for classifying or grading carcasses; for measuring back fat
    • A22B5/007—Non-invasive scanning of carcasses, e.g. using image recognition, tomography, X-rays, ultrasound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/40—Animals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Environmental Sciences (AREA)
  • Animal Husbandry (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Food Science & Technology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Development Economics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Animal Behavior & Ethology (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Agronomy & Crop Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种动物管理方法，它包括接收在出货日移走之前于动物管理场所饲养不确定时间的动物。所述动物分在几个到达组中。对每只动物作出未来重量估计和未来背膘估计。采用该动物的至少一个物理测定和用于对单个动物进行估计的方程来所述各所述估计。基于未来重量估计和未来背膘估计，每只动物分入几个预定分类组中的一个，以在动物管理场所进行单独管理。所述预定分类组不同于所述到达组，且与不同的预定出货日相关。动物管理系统包括测量组件和作出未来重量估计和未来背膘估计的估计组件。

Description

动物管理系统
与相关申请的交叉引用
本申请要求了2004年11月29日提交、名称为“动物管理系统”的美国临时申请60/631,469的优先权，其全部内容以引用的方式全文插入于此。
发明领域
本发明一般涉及动物管理系统。本发明更具体涉及对饲养场牛(cattle)的终端管理系统。
发明背景
已知牛肉加工者需要向牛饲养者支付更多费用以获得能提供所需畜体(carcass)的牛。所需畜体的一种指标是畜体重量。所需畜体的另一种指标是“红肉产率(red meat yield)”，或者从畜体得到可销售牛肉(beef)的比例。红肉产率与畜体脂肪负相关，且与USDA测量方法中的“产率等级(yieldgrade)”极其相关。产率等级分成1-5级，5级表示最肥。当牛越肥时，产率等级越高，而红肉产率越低。在大部分市场条件下，产率等级为4和5的畜体折扣很大。所需畜体的另一种指标是肌肉间脂肪的程度，通常称为“肥瘦相间度(marbling)”。肥瘦相间度与USDA质量等级极其相关。肥瘦相间度的常规目标是达到与USDA Choice相关的水平。较高肥瘦相间度的肉价格较高，而较低的级别通常价格折扣很大。通常，肥瘦相间度随着总体畜体脂肪的上升而上升。
通常，到达饲养场的牛是不均一的(heterogeneous group)。围栏中的牛重量普遍可相差200磅或更大。在饲养过程中，这种重量分布会增加，这是因为围栏中的单个动物的生长率间的差异。获自这些牛的牛脂肪和畜体也会有相似的差异。在牛饲养工业中，已知也是最常规的是同时屠宰(harvest)整个围栏中的牛。但是，这种已知的屠宰方法会导致来自该围栏的牛的所得畜体重量(以及红肉产率、产率等级和肥瘦相间度)产生较大的差异。
也已知可提供系统来计算单个牛中的最优或目标条件，并基于该计算选择单个牛出货(shipment)。该已知系统通常包括使用超声波来确定牛(或畜体)的特性。
现有系统通常使用柯奈尔法(“Cornell Method”)向单个动物分配饲料。所述柯奈尔法可参见Fox等人的1992 Journal of Animal Science 70：3578和P.L.Houghtom和L.M.Turlington等人的“Application of Ultrasound forFeeding and Finishing Animals：A Reviw”(超声波在饲养动物及最终动物中的应用综述，Kanasas State Univeristy，Manhattan 66506)。但是，该已知系统具有如下数缺点：基于单个牛计算最优或目标条件以及基于该计算对该单个牛作出分类(sorting)决定。
发明概述
本发明涉及动物管理。
在第一个总的方面中，所述动物管理方法包括：接收动物，在出货日(shipping date)运走之前，所述动物将在动物管理场所饲养不确定的时间。所述动物分在几个到达组(arrival group)中。该方法包括对每只动物作出未来重量估计和未来背膘估计。根据至少一次动物的身体检查和构造为对单个动物进行估计的方程作出每个相应的估计。所述方法包括：基于未来重量估计和未来背膘估计，将每一个动物分入几个预定分类组(sort group)中的一个组中，以在所述动物管理场所进行单独管理(separate management)。所述预定分类组不同于所述到达组，而与不同的预定出货日有关。
执行方法可包括下述特征的任一个或全部。所述预定分类组可在动物管理场所单独管理。所述单独管理可包括：对于至少一些预定分类组提供不同的处理。所述不同的处理可包括给予的植入物(implant)不同。所述单独管理可包括：根据通过预定运算方法确定的饲料分配给予饲料。所述预定运算方法可考虑估计的空腹脂肪量(empty body fat measure)。对于每只动物而言，所述估计的空腹脂肪量可通过超声波测得。作出未来背膘估计所用的身体检查可包括选自下组的至少一种量：(a)背膘厚度量(measure)；(b)肋眼(ribeye)深度量()；(c)肥瘦相间度评分度；和(d)上述组合。所述方法还可包括：使用估计空腹脂肪量的测量。所述方法还可包括：在估计未来肥瘦相间度的量中采用估计空腹脂肪量。可基于平均动物重量和动物类型确定标准出货日，且未来背膘估计可包括选自下组中的一种：(a)从当前日期起到预定时间的估计背膘量；(b)标准出货日的估计背膘量；(c)标准出货日后预定时间的估计背膘量；和(d)上述的组合。所述未来重量估计可包括在标准出货日的重量，所述标准出货日基于平均动物重量和动物类型确定。所述未来重量估计可至少一部分基于每只动物的估计的日增重-最终量(daily-gain-to-finish measure)，且所述日增重-最终量也可以直接用于分类。所述分类也可基于每只动物的估计天数-临界重量的量(days-to-critical-weight measure)，所述天数-临界重量的量可通过每只动物的至少一个估计的日增重-最终量和预定的动物临界重量进行估计。
在第二个总的方面中，动物管理系统包括对成组到达的动物进行身体测量的测量组件。所述动物在出货日从管理场所移走之前在该场所中饲养不确定的时间。所述系统还包括对每只动物作出未来重量估计和未来背膘估计的估计组件。使用动物身体检查和对单个动物进行估计的方程中的至少一种作出每次相应的估计。所述系统还包括几个预定的分类组，以在动物管理场所进行单独管理。所述预定分类组不同于所述达到组，且与不同预定出货日相关，所述系统基于未来重量估计和未来背膘估计将每只动物分配给所述预定分类组中的一个。
执行可包括下述特征的任一个或全部。所述系统可提供饲料分配，以给予饲料，所述饲料分配使用预定运算方法确定，所述运算方法考虑到使用超声波测量得到的空腹脂肪量。所述系统可独立管理几个围栏中的动物，包括为至少一些预定分类组提供不同的处理。所述不同的处理可包括给予植入物的不同。所述不同的处理可包括饲料分配的不同。
本发明的实例可包括下述优点的任一个或全部。动物管理系统可对一组动物作出分类决定。动物管理系统可提供较大量的动物，所述动物在市场上销售时价格折扣不很大(例如，通过控制活体重量，从而控制畜体重量，使过量脂肪最少，最可能获得肥瘦相间的肉，同时控制总体畜体脂肪等等)。动物管理系统可饲养各组，得到更一致的结果，即在畜体重量生产和畜体中脂肪和蛋白的比例方面获得更一致的结果。动物管理系统可管理动物屠宰终点(animalharvest endpoint)，以控制畜体产生的价值。动物管理系统可将围栏中的饲养场动物分成屠宰组，以提高畜体重量的一致性、管理畜体脂肪和减少因不理想的畜体而造成的价格折扣。动物管理系统可提供较好的饲料效率和低生产成本。
本发明一个或多个实例的详细描述参见所附附图和下述说明。本发明的其他特征、目标和优点可从下述说明以及附图和权利要求书得到。
附图简述
图1描述了动物管理系统的一个实例。
图2描述了使用图1所示动物管理系统作出超声波测量的一个实例。
图3描述使用图1所示动物管理系统作出估计和预测的一个实例。
图4描述了使用图1所示动物管理系统作出估计和预测的另一个实例。
在各幅附图中，相同的附图标记表示相同的元件。
详细说明
图1描述了用于在饲养场管理动物的系统100。所述系统100采用重量和超声波信息来作出分类决定，在分类时混合牛，以及给围栏中的单个动物分配饲料。通常，在一个优选实例中，所述系统100采用活体动物重量和超声波测量的组合来预测未来重量和身体组成，这样就可以在进行分类和决定屠宰日期时同时考虑到这两个因素。
将动物带到饲养场，并希望以后能从饲养场出货运到牛肉包装车间进行屠宰。每只动物在饲养场花费的额外时间长度通常在动物到达时是不进行预计的。而是，当它们在饲养场时，对特定的出货日进行预计，具体如下述。
动物以一个或多个到达组102到达饲养场。所述组102可以相同时间到达，或者基于生产需要和其它因素随时间分配。到达时，用耳标(ear tag)或一些其它形式标记对每只动物进行单独标记。每只动物也在到达时称重。所述重量可使用重量测量组件104进行，所述重量测量组件104包括天平，它受到身体检查控制件106的控制，所述身体检查控制件106也是所述系统100的一部分。所述标记和称重可在所述动物通过斜槽(chute)或其它设备处理时进行，所述斜槽或其它设备临时限制所述动物移动。这时，在系统中建立起单个动物的记录。
初始处理后，所述牛在某一时间段以组或群(lot)(例如在围栏中)的形式饲养。提供饲料，且基于围栏保持饲料记录。给每个围栏分配主要品种码(dominant breed code)。
饲养一段时间后，例如30天或更长后，所述动物进行进一步处理。所述动物用选定的药物或组合物(composition)“再植(reimplant)”。对每只动物也进行身体检查。首先，对动物再次称重。其次，使用超声波确定动物的内部特性。可使用超声波测量组件108进行超声波测量，所述超声波测量组件108受到身体检查控制件106的控制。
图2描述了使用超声波测量组件108进行超声波测量的实例。操作者200正在测量位于处理斜槽204中的动物202。所述操作者在动物202特定部位上施用手持式超声波传感器(transducer)206，以进行一次或多次测量。所述传感器206连接到超声波测量组件108上，所述超声波测量组件108记录所述系统100中所用的测量结果。
可使用超声波测量几个不同的特性。测量的例子包括背膘厚度测定、肋眼(ribeye)深度测定和肥瘦相间度评分测定。根据单个动物标记，将该信息存储在系统100中，且与单个动物的原始重量相关。
所述系统100包括基于单个动物测量进行计算的估价组件110。所述计算包括使用设计用于作出估计或预测的方程。具体而言，所述估计组件110可利用动物身体检查中的至少一种对每只动物作出未来重量估计和未来背膘估计。所述估计组件110可通过将身体检查结果插入方程来完成上述估计，所述方程设计用于对单个动物作出估计。即，所述估计和预测基于单个动物，而系统100中的动物管理则基于组。将所述动物基于下述计算分入几个分类组中的一个。当将动物捕获到处理斜槽204中时或之后，所述估计组件110执行计算。
估计组件110在计算时可用到的数据包括：初始重量、初始重量日期、当前重量、当前重量日期、销售该组的期望平均天数、超声波背膘、超声波肋眼深度、超声波肥瘦相间度和围栏品种码。估计组件110基于所述计算可产生的数据包括：饲养天数、平均日增重-日期(daiy gain to date)、估计的未来饲料摄入、估计的未来平均日增重、未来日期的估计重量和未来日期的估计背膘。所述计算的一个方面是使用当前重量和超声波测量估计活体动物的当前空腹脂肪(EBF)。将所述EBF的估计用于计算未来增重和重量。而且，也可对动物的肥瘦相间度进行估计。
由估计组件110产生的估计和预测中的一些或全部可用于系统100中的分类控制组件112中。由分类控制组件112执行如下操作：对所述估计和预测进行一系列逻辑测试，以作出分类决定。所述分类控制组件112提供了表示分类决定的信号。例如，所述分类决定可包括将每只动物分配到几个预定分类组114中的一个。
在该实例中，所述系统100包括五个分类组114A-E。每个分类组114可与至少一个独立围栏116相关，所述独立围栏116饲养属于所述分类组的动物。所述系统100将动物分成不同的分类组，以便于基于组管理动物。
每个分类组114与不同的预定出货日相关。例如：
将分类组114A命名为“超重组(X_Heavy)”，它统指特别重且分类后不久就要运走(ship)的动物。该组包括分组时非常重或者非常肥的牛(例如重量太大，背膘太多等等)。
将分类组114B命名为“提前组(Early)”，它是待指定的出货日早于基于平均值得到的标准出货日的动物，例如早20-40天。
将分类组114C命名为“缓慢组(Chronic)”，它是指不正常发育且在分类后不久就要出货的动物。该组包括增重慢得不正常的牛(例如，具有很低的平均日增重)。
将分类组114D命名为“延期组(Extended)”，它是指出货日晚于标准出货日的动物，例如晚30-50天。
将分类组114D命名为“正常组(Normal)”，它是指不属于其它分类组的范围，且将在标准出货日出货的动物。
因此，所述预定出货日可以是精确的，例如对于“正常组”动物来说就是标准出货日，或者是可变通的，例如对于“提前组”动物来说间隔20-40天。无论如何，各分类组与不同的出货日相关。
作出分类决定后，所述系统100基于预定的逻辑过程(logic)分配激素“植入(implant)”方案(regimen)，所述逻辑过程与具体的分类组和()植入物有关。通过系统100中的管理控制组件118给予所述植入物。例如，所述管理控制组件118具有植入模块118A，通过所述植入模块可鉴定各分类组的正确植入物类型和数量。所述植入模块118A可位于处理斜槽204中，这样可在作出分类决定后很短的时间内进行植入。
所述分类控制组件112基本上在动物离开所述处理斜槽204的同时执行分类。对于分成的5组，从一个围栏进入分类处理的单个动物可离开所述处理而进入5个围栏116中的一个。实践中，鉴定为超重组或者缓慢组的单个动物可进入相同的围栏，这是因为这两个组都会在分类后不久出货。在每个分类组114中，所述动物可与来自其它围栏的牛混合，所述其它围栏的动物也已经进行分类。所得的净效应(net effect)是，有意混合动物个体，而不是在整个饲养过程都与围栏中同组的动物呆在一起。
在另一个实例中，每个分类组114不与围栏116中之一相关。而是，已经分入一个分类组的动物可通过耳标进行标记，所有动物回到它们原来的围栏或者其它通用围栏中继续饲养。在接近屠宰时，基于耳标根据它们相应的分类组将所述动物分类。
所述管理控制组件118包括饲料分配模块118B，它管理每个分类组的饲料分配。对于所进行的所述混合，可使用给围栏中的单个动物分配饲料的常规方法。一种方法包括“Cornell”方法。对于单个动物的饲料分配可在每次牛称重时进行。当单个动物进入新围栏组，其个体计算饲料摄入可随之带走。具体而言，可使用超声波测量来预测活体牛的空腹脂肪(EBF)量，它可提高Cornell计算方法的精度。
下述是关于系统100的许多其它示例性细节。当一栏牛到达饲养场时，确定标准平均屠宰日(SHD)。所述SHD基于平均重量和类型的牛的历史平均值，且可使用饲养场-特异性规则(feedlot-specific formula)。第二次单独称重(早于分类决定)可在SHD之前60-120天完成。内部测量和当前重量可用来估计EBF量，例如将改变的所有权(proprietary modified)输入Guiroy等人公开的方程(2001，Journal of Animal Science 79：1983)，以根据畜体测量值估计EBF。单个牛可标准化成基于EBF的标准生长曲线(例如采用标准的公开方法)。
图3描述了估计组件110执行的估计和预测的一个实例。具体而言，图3描述了一种示例性方法300，它可作为系统100中的软件或其它计算机可执行指令执行。具体而言，所述方法可以在估计组件110中作为模块(下述)执行。所述方法300可以估计EBF量开始。为此，所述方法首先根据下述方程确定肋眼面积(REA)：
REA(厘米2)＝{7.594+(0.06885×MD)-0.199×BF}+(0.00387×WT2)-(0.244×BRD)}×6.45  (1)
其中MD＝超声波肌肉深度
BF＝超声波背膘
WT2＝再植重量
BRD＝主要品种码；英国种(English)＝3，印度种(Brahman)＝2，外来种(Exotic)＝1
方程(1)可作为REA模块302执行，所述REA模块302从下述模块得到数值：MD 304，BF 306，WT2308和BRD 310。所述MD 304和BF 306可从超声波测量组件108接收输入值。所述WT2308可从重量测量组件104接收输入值。所述BRD 310接收操作者输入所述系统100的输入值。
所述方法300如下确定脂肪量(FAT)：
FAT(厘米)＝BF/10  (2)
方程(2)可作为FAT 312执行，所述FAT 312从BF 306得到数值。所述方法300如下确定畜体重量(CWT)值：
CWT(千克)＝WT2×0.59×0.4536  (3)
方程(3)可作为CWT 314执行，所述CWT 314从WT2308得到数值。所述方法300接着如下确定EBF：
EBF＝17.76027+(4.68142×FAT)+(0.01945×CWT)+(0.81855×MBL)-(0.06754×REA)  (4)
其中MBL＝超声波肥瘦相间度
方程(4)可作为EBF 316执行，所述EBF 316从所述FAT 312、CWT 314、MBL 318和REA 302接收数值。所述MBL 318可从超声波测量组件108接收输入值。
然后，所述方法对所述动物估计调整的最终身体重量(AFBW)，其是在28％EBF的重量。为此，所述方法可如下开始估计动物的空腹重量(EBW)：
EBW＝WT2×0.4536×0.891(5)
方程(5)可作为EBW 320执行，所述EBW 320从WT2308接收数值。所述方法300接着如下确定AFBW：
AFBW(千克)＝[EBW+{(28-EBF)×14.26}]/0.891(6)
方程(6)可作为AFBW 322执行，所述AFBW 322从EBW 320和EBF 316接收数值。所述方法300然后预测干物质摄入百分数(DMI％)量，其由体重的百分数表示，所述DMI％预测如下：
DMI％＝9.876-(0.01914×MD)-(0.446×EBF)+0.06201×BRD)+0.234×BF)+(0.36×MBL)+0.002581×P1ADG×EBF)(7)
方程(7)可作为DMT％324执行，所述DMI％324从MD 304、EBF 316、BRD310、BF 306、MBL 318和P1ADG 326接收数值。所述P1ADG 326表示由初始重量和动物饲养后第二次称重之间的重量增加得到的平均日增重。所述P1ADG可从重量测量组件104和动物到达饲养场时的动物记录所示来接收数值。所述方法300如下确定干物质摄入(DMI)的量
DMI(磅)＝P2WT×DMI％×0.01(8)
其中P2WT＝(WT2+1380)/2，对于公牛(steer)
P2wt＝(WT2+1250)/2，对于小母牛(heifer)
方程(8)可作为DMI 328执行，所述DMI 328从P2WT 330和DMI％324接收数值。所述P2WT 330可从WT2308和动物是否公牛或小母牛的动物记录所示接收数值。
所述方法接着预测平均日增重。可将单个牛标准化到基于EBF的标准生长曲线，例如标准的公开方程。所预期的能量摄入可由预测的饲料摄入和食物能量密度计算得到。所述平均日增重可由刚才提及的公开的能量需求方程估计得到。所述增重中的脂肪量可由Tedeschii等人2004年公开的方程(Agricultural Systems 79：171-204)估计。这可及时估计未来时间点的EBF。在预测平均日增重的过程中，所述方法首先如下确定日常维持所需净能量的需求(NEmreq)：
NEmreq＝0.077×{(P2WT×0.4536)0.75}  (9)
方程(9)可作为NEmreq 332执行，所述NEmreq 332从P2WT 330接收数值。所述方法300如下确定日常维持所需的饲料(FFM)：
FFM＝NEmreq/NEm    (10)
其中NEm＝饲料的净能量维持含量，例如1.046
方程(10)可作为FFM 334执行，所述FFM334从NEmreq 332接收数值。所述方法300接着如下确定保留能量(RE)：
RE＝(DMI-FFM)×NEg(11)
其中NEg＝饲料的净能量增重含量，例如0.7284
方程(11)可作为RE 336执行，所述RE 336从DMI 328和FFM 334接收数值。所述方法300如下确定当量(EQWT)：
EQWT＝(478/AFBW)×P2WT    (12)
方程(12)可作为EQWT 338执行，所述EQWT 338从AFBW 322和P2WT 330接收数值。所述方法300接着如下从前面的第二次称重确定预测的日增重(P2ADG)：
P2ADG(磅)＝{13.91×(RE 0.9116)×(EQWT-0.6837)}/0.4536(13)
方程(13)作为P2ADG 340执行，所述P2ADG 340从RE 336和EQWT 338接收数值。所述方法300接着计算到出货的天数数值(P2Days)，其表示从当天到估计的完成日的天数和当天。P2Days取决于标准规则和平均值，例如SHD。这可作为P2Days 342执行。
根据P2ADG和估计的完成日，所述方法300如下计算最终预期重量(WTf)：
WTf＝WT2+(P2Days×P2ADG)  (14)
方程(14)可作为WTf 344执行，所述WTf 344从WT2308、P2Days 342和P2ADG 340接收数值。所述方法300接着确定标准平均日增重(ADG)。所述方法也可基于性别和初始重量确定标准最终重量。在确定ADG时，所述方法如下计算延长饲养后重量(WText)：
WText＝WT2+({P2Days+45}×P2ADG)  (15)
方程(15)可作为WText 346执行，所述Wtext 346从WT2308、P2Days 342和P2ADG 340接收数值。根据当天重量和预期的日增重，所述方法如下计算了达到临界体重的天数(天数-临界体重)：
天数-临界体重＝(临界Wt-WT2)/P2ADG    (16)
方程(16)可作为天数-临界体重348执行，所述天数-临界体重348从临界重量350、WT2308和P2ADG 340接收数值。临界体重350的数值可由系统的操作者输入，且目前是1460磅。
使用背膘生长方程估计未来日期的畜体脂肪。-种方程参见1999年9月28日授予Brethour的美国专利5,960,105(其名称为“Measurement ofintramuscular fat in cattle”(牛肌肉间脂肪的测定))和1995年3月14日授予Brethour的美国专利5,398,290(其名称为“System for measurement ofintramuscular fat in cattle”(牛肌肉间脂肪的测定系统))。所述方程可使用品种-特异性系数(breed-specific coefficient)进行调节。
可估计未来日期的畜体的肥瘦相间度。一种估计方法包括：使用5,960,105和5,398,290专利中所公开类型的肥瘦相间的肉的生长方程。所述方法可使用品种-特异性系数来调整。另一种方法是从预测的EBF估计肥瘦相间度。
可在所述系统100中定义背膘生长系数(Kfat)，所述背膘生长系数(Kfat)可作为所述方法300中的Kfat 352确定。所述Kfat 352的数值可由操作者依据组中动物的主要品种输入，所述组目前已经分类，且如表1所示：
表1
  主要品种   Kfat
  印度种   0.009
  英国种   0.01
  外来种   0.008
根据可应用的背膘生长系数，所述方法300使用下述指数方程计算出从当天起30天内的估计背膘(BF30)：
BF30＝BF×Exp(30×Kfat)  (17)
方程(17)可作为BF30354执行，所述BF30354从BF 306和Kfat 352接收数值。所述方法300使用另一个指数方程计算出出货时的背膘(BFf)：
BFf＝BF×Exp(P2Days×Kfat)(18)
方程(19)可由BFf 356执行，所述BFf 356从BF 306、P2Days 342和Kfat352接收数值。所述方法300采用另一种指数方程计算延期饲养后背膘(Bfext)：
BFext＝BF×Exp({P2Days+45}×Kfat)  (19)
方程(19)可作为BFext 358执行，所述BFext 358从BF 306、P2Days 342和Kfat 352接收数值。
施加到单个动物的方法300可在执行上述计算后结束。接着，可将所述方法使用另一动物的特定值重复应用于另一动物。对于每只动物，可采用所得估计或预测中的一个或多个将动物分入几个分类组中的任一个。例如，可如下述实例中所述使用天数-临界体重、BF30、BFf、WTf、BFext和P2AD6。
所述分类控制组件112由估计组件110得到各单个动物的数值。接着，所述分类控制组件112使这些数值中的一些或全部经过与相应分类组相关的一个或多个预定逻辑测试。当单个动物的数值第一次符合逻辑测试中的一个时，所述分类控制组件112决定将动物加入到分类组114中的一个中，所述分类组114中的这一分类组与所述测试有关。然后，所述分类控制组件112指导操作者打开和关闭围栏门，这样动物就从物理上进入所选定的分类组所属的围栏116中的一个中。在如下作出分类决定后将来自不同分类组的动物临时混合在一起的实例中，所述分类控制组件112可在系统100中记录属于该特定分类组的动物的标记(例如耳标编号)。
所述系统100可在其中限定标准，单个动物的数值在逻辑测试中与该标准进行比较。该标准可包括：
(i)ADGmin，鉴定具有慢的不正常的生长率的牛的标记。
(ii)CRITWThigh，屠宰时最大可接收活体重量。
(iii)CRITWTlow，屠宰时最小可接收活体重量。
(iv)CRITFAT，屠宰时最大可接收背膘厚度。
(v)WTstd，基于历史种群趋势的屠宰时预期重量。
下述是可采用的逻辑测试实例。首先，如果满足下述条件的话，则将动物加入到超重分类组114A：
(a)天数-临界体重小于31天
OR
(b)BF30大于对切割背膘(cut-out backfat)的预定限制(predefinedlimit)。
所述切割背膘限制可设定为任意值，而目前是0.7英寸(17.78毫米)。所述动物数值用于测试缓慢分类组114C。在这里，所述缓慢分类组具有两个测试，每一个限定所述分类组所具有的品质。首先，如果满足下述条件的话，则将所述动物加入到缓慢分类组114C中。
(c)初始重量小于750磅。
AND
(d)到该点的日增重小于1.25。
第二，如果满足下述条件的话，则将所述动物加入到缓慢分类组114C中：
(e)初始重量大于749
AND
(f)到该点的日增重小于1.50。
如果所述动物不满足超重或缓慢分类组所用测试的话，则将其值用于提前分类组114B所用的测试。
如果满足下述条件的话，则将所述动物加入到提前分类组114B中：
(g)天数-临界体重小于天数-出货
OR
(h)BFf大于切割背膘的预定限制
如果所述动物不满足提前分类组所用的任一测试，那么将其数值用于延期分类组114D所用的测试。在这里，延期分类组有三个测试，每一个都限定所需满足的品质。首先，如果满足下述条件的话，则将所述动物加入到延期分类组114D中：
(i)初始重量小于750
AND
(j)到该点的日增重大于1.25
AND
(k)WTf小于870
AND
(l)BFex小于切割背膘的预定限制
第二，如果满足下述条件的话，则将所述动物加入到延期分类组114D中：
(m)初始重量大于749
AND
(n)到该点的日增重大于1.50
AND
(o)WTf小于870
AND
(p)Bfext小于切割背膘的预定限制
第三，如果满足下述条件的话，则将所述动物加入到延期分类组114D中：
(q)到最后的日增重(P2ADG)大于2.0
AND
(r)预期重量大于870
AND
(s)Bfext小于切割背膘的预定限制
AND
(t)WText小于临界重量。
如果所述动物不满足延期分类组所用的测试中的任一个，将它自动加入到正常分类组114E中。由此，分类后，所述单个动物分配到所述分类组中的一个中。因此，所述系统100可以组为基础，在饲养周期直到出货日的剩余时间内管理相同分类组中的动物及其它。可使用更多或更少的预定分类组，且它们每一个可与一个或多个逻辑测试相关。
对于相应的分类组而言，不同的出货日由系统100中的出货控制组件120管理。例如，所述出货控制组件120启动处理，所述处理使围栏116A和116C中的动物在分类后短时间内出货。类似地，它可启动如下处理：在SHD之前一段时间将围栏116B中的动物出货，在SHD将围栏116E中的动物出货，在SHD之后的一段时间将围栏116D中的动物出货。
估计和分类方法另一个实例参照图4进行描述，图4描述了方法400。所述方法300中所述的一些方面与方法400中相同，在此不再描述。
所述方法400通过超声波测量估计空腹脂肪。在此，所述方法首先使用上述方程(1)确定REA。所述估计组件110可包括REA模块302，所述REA模块302从MD 304、BF 306、WT2308和BRD 310接收数值。所述方法400使用上述方程(2)确定FAT。所述估计组件110可包括FAT模块312。类似地，所述方法400使用上述方程(5)决定EBW，例如使用EBW 320。
当确定CWT时，所述方法400考虑EBW。例如，CWT可如下确定：
CWT(千克)＝(EBW-32.29)/1.36  (20)
因此，执行该计算的CWT 402可被实现。接着，所述方法400参照EBFu确定基于超声波的EBF：
EBFu＝17.76027+(4.68142×FAT)+(0.01945×CWT)+(0.81855×MBL)-(0.06754×REA)  (21)
方程(21)可使用EBFu 404执行，所述EBFu 404从FAT 312、CWT 402、MBL318和REA 302接收数值。所述方法400估计校正的空腹脂肪，以百分数表示。在此，所述方法首先如下确定校正因子：
校正因子＝0.736-(0.01107×EBFu)-(0.0324×MBL)-(0.001848×REA)-(0.06554×FAT)  (22)
方程(22)可作为校正因子406执行，所述校正因子406从EBFu 404、MBL318、REA 302和FAT 312接收数值。接着，所述方法如下确定EBF：
EBF＝EBFu-(EBFu×校正因子)  (23)
方程(23)可作为EBF 408执行，所述EBF 408可从EBFu 404和校正因子406接收数值。所述方法估计调整的最终体重(AFBW)，它为在28％EBF的重量。为此，所述方法400如下计算初始估计的AFBW(AFBWi)：
AFBWi(千克)＝[EBW+{(28-EBF)×14.26}]/0.891  (24)
方程(24)可作为AFBWi 410执行，所述AFBWi 410从EBW 320和EBF 408接收数值。接着，所述方法400如下确定AFBW：
AFBW(千克)＝AFBWi+植入调整(Implant Adj.)+Optaflexx调整. (25)
方程(25)可作为AFBW 412执行，所述AFBW 412从AFBWi 410、植入调整(Implant Adjustment)414和Optaflexx调整(Optaflexx Adjustment)416接收数值。用于植入调整414的数值可由操作者根据植入剂量输入。目前，所述植入调整414的值如下表2所示：
表2
  植入剂量   调整
  ＜20   0
  20-89.99   10
  90-139.99   20
  140-180   35
  ＞180   40
类似地，Optaflexx调整416所用的值可由操作者根据是否给予Optaflexx输入。目前，Optaflexx调整416的值如下表3所示。
表3
  Optaflexx   Optaflexx调整
  给予   150
  不给予   0
所述方法400也可预测干物质摄入(DMI)。为此，所述方法400如下确定DMI百分数量度(DMI％)：
DMI％＝2.691-(0.005719×WT2)+(0.004902×P1ADG×EBFu)+(0.001691×初始重量)+(0.000001855×{WT2^2})-(0.04951×BF)+(67.817×{EBFu/WT2})  (26)
方程(26)可作为DMI％418执行，所述DMI％418从WT2308、P1ADG 326、EBFu 404、初始重量420和BF 306接收数值。接着，所述方法400如下确定DMI：
DMI(磅)＝WT2×DMI％×0.01  (27)
方程(27)可作为DMI 422执行，所述DMI 422从WT2308和DMI％418接收数值。
基本上如图3所示地将确定的AFBW和DMI可用于随后的的计算中。例如，AFBW和DMI可用于预测P2ADG。背膘估计可如上述进行。
所述分类决定可基本上如上所述逻辑测试进行。在一些执行过程中，逻辑测试或者所用标准会有一些不同。例如，对于超重分类组114A和提前分类组114B的逻辑测试可与上述相同，但是对于缓慢分类组114C和延期分类组114D的测试可稍微不同。在这里，如果满足下述条件的话，则将所述动物加入到缓慢分类组中：
(aa)到该点的日增重(P1ADG)小于1.25。
如果所述动物不满足缓慢分类组114C所用逻辑测试的话，将其值用于延期分类组114D所用测试。如果满足下述条件的话，所述动物加入到延期分类组中：
(bb)P1ADG大于1.25
AND
(cc)P2ADG大于2.0
AND
(dd)BFext小于切割背膘的预定限制
AND
(ee.1)WText小于临界重量
OR
(ee.2)WTf小于MINWT。
其中MINWT＝950(对于公牛)，以及900(对于小母牛)。
因此，示例性方法300和400各自都可用于系统100中，所述系统100使用预定与不同出货日相关的分类组管理动物。而且，动物基于得自单动物方程的重量估计和背膘估计加入到相应的分类组中，所述单动物方程使用了每只单个动物的测量值。
尽管以上描述了本发明的实例，但是可以理解它们仅用于说明。例如，超声波肥瘦相间度限制可包括在一系列逻辑依据中，用来作出分类决定。本发明并不限于具体实例，可扩展到各种改进、组合和变化。

Claims (19)

1.一种管理动物的方法，所述方法包括：
接收在出货日从动物管理场所移走之前于动物管理场所饲养不确定时间的动物，所述动物组成几个到达组；
对每只动物作出未来重量估计和未来背膘估计，每个相应的估计使用所述动物的至少一个身体检查和设计用于对单个动物作出估计的方程作出；以及
基于未来重量估计和未来背膘估计，将每只动物分入几个预定分类组中的一个，以在动物管理场所单独管理，所述预定分类组不同于所述到达组，且与不同的预定出货日相关。
2.如权利要求1所述的方法，它还包括在动物管理场所单独管理预定的分类组。
3.如权利要求2所述的方法，其特征在于，所述单独管理包括对至少一些预定分类组提供不同的处理。
4.如权利要求3所述的方法，其特征在于，所述不同的处理包括给予植入物的不同。
5.如权利要求2所述的方法，其特征在于，所述单独管理包括根据使用预定运算方法确定的饲料分配给予饲料。
6.如权利要求5所述的方法，其特征在于，所述预定运算方法考虑估计的空腹脂肪量。
7.如权利要求6所述的方法，其特征在于，单个动物的估计的空腹脂肪量是使用超声波测量得到的。
8.如权利要求1所述的方法，其特征在于，作出未来背膘估计的身体检查包括选自下组的至少一种量：
(a)背膘厚度量；
(b)肋眼深度量；
(c)肥瘦相间度评分量；和
(d)上述的组合。
9.如权利要求8所述的方法，它还包括使用所述测量来估计空腹脂肪量。
10.如权利要求9所述的方法，它还包括使用估计的空腹脂肪量估计未来肥瘦相间度。
11.如权利要求1所述的方法，其特征在于，基于平均动物重量和动物类型确定标准出货日，所述未来背膘估计包括选自下组的一种：
(a)从当前日期到预定时间的估计背膘量；
(b)在标准出货日的估计背膘量；
(c)标准出货日后的预定时间的估计背膘量；以及
(d)上述的组合。
12.如权利要求1所述的方法，其特征在于，所述未来重量估计包括在基于平均动物重量和动物类型确定的标准出货日的重量。
13.如权利要求1所述的方法，其特征在于，所述未来重量估计至少部分基于针对每只动物的估计的日增重-最终重量，所述估计的日增重-最终重量也直接用于分类。
14.如权利要求13所述的方法，其特征在于，所述分类也基于针对每只动物的估计的天数-临界重量，所述天数-临界重量可至少使用针对每只动物的估计日增重-最终重量和动物的预计临界重量进行估计。
15.一种动物管理系统，它包括：
对到达组中的动物执行身体检查的测量组件，所述动物在出货日从动物管理场所移走之前于动物管理场所饲养不确定时间；
对每只动物作出未来重量估计和未来背膘估计的估计组件，每个相应的估计使用动物的至少一个身体检查和用于对单个动物作出估计的方程作出；以及
几个预定分类组，以在动物管理场所进行单独管理，所述预定分类组不同于所述到达组，且与不同的预定出货日相关，所述系统基于未来重量估计和未来背膘估计将每只动物分入所述预定分类组中的一个。
16.如权利要求15所述的系统，其特征在于，所述系统提供了给予饲料用的饲料分配，所述饲料分配使用预定运算方法确定，所述预定运算方法考虑使用超声波测量得到的估计空腹脂肪量。
17.如权利要求15所述的系统，其特征在于，所述系统单独管理几个围栏中的动物，包括对至少一些预定分类组提供不同的处理。
18.如权利要求17所述的系统，其特征在于，所述不同的处理包括给予植入物的不同。
19.如权利要求17所述的系统，其特征在于，所述不同的处理包括饲料分配的不同。
CNA2005800408166A 2004-11-29 2005-11-29 动物管理系统 Pending CN101120376A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US63146904P 2004-11-29 2004-11-29
US60/631,469 2004-11-29

Publications (1)

Publication Number Publication Date
CN101120376A true CN101120376A (zh) 2008-02-06

Family

ID=36498624

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2005800408166A Pending CN101120376A (zh) 2004-11-29 2005-11-29 动物管理系统

Country Status (9)

Country Link
US (1) US20080255906A1 (zh)
EP (1) EP1854054A4 (zh)
CN (1) CN101120376A (zh)
AU (2) AU2005309387A1 (zh)
BR (1) BRPI0516644A (zh)
CA (1) CA2596837A1 (zh)
NZ (1) NZ555479A (zh)
WO (1) WO2006058325A2 (zh)
ZA (1) ZA200705163B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019119547A1 (zh) * 2017-12-19 2019-06-27 深圳市沃特沃德股份有限公司 奶牛分类方法和装置
CN114746889A (zh) * 2019-12-02 2022-07-12 艾酷帕克株式会社 畜产信息管理系统、畜产信息管理服务器、畜产信息管理方法、以及畜产信息管理程序

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130034624A1 (en) * 2008-01-10 2013-02-07 Cargill, Incorporated Animal management
KR102286349B1 (ko) * 2020-09-17 2021-08-06 대원기계(주) 돼지 중량에 맞도록 적정전압이 공급되는 맞춤형 전살장치

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5576949A (en) * 1991-08-30 1996-11-19 C-Scan, Llc System for animal evaluation through image acquisition
US5960105A (en) * 1993-05-03 1999-09-28 Kansas State University Research Foundation Measurement of intramuscular fat in cattle
US5474085A (en) * 1994-02-24 1995-12-12 University Of Prince Edward Island Remote thermographic sensing of livestock
US5673647A (en) * 1994-10-31 1997-10-07 Micro Chemical, Inc. Cattle management method and system
US6123451A (en) * 1997-03-17 2000-09-26 Her Majesty The Queen In Right Of Canada, As Represented By The Administer For The Department Of Agiculture And Agri-Food (Afcc) Process for determining a tissue composition characteristic of an animal
US6170335B1 (en) * 1997-07-25 2001-01-09 Robert P. Clinton Method and apparatus for measuring the characteristics of meat
US6084407A (en) * 1998-09-10 2000-07-04 Pheno Imaging, Inc. System for measuring tissue size and marbling in an animal
US20040019434A1 (en) * 2002-07-17 2004-01-29 Cornell Research Foundation, Inc. Method and system for individual cattlem management
US6974373B2 (en) * 2002-08-02 2005-12-13 Geissler Technologies, Llc Apparatus and methods for the volumetric and dimensional measurement of livestock
US7039220B2 (en) * 2002-08-14 2006-05-02 C-Scan, L.L.P. Methods and apparatus for the dimensional measurement of livestock using a single camera
DE10239674A1 (de) * 2002-08-26 2004-03-11 Hölscher & Leuschner GmbH & Co Verfahren zur Überwachung von Mastschweinen auf Vermarktungsreife

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019119547A1 (zh) * 2017-12-19 2019-06-27 深圳市沃特沃德股份有限公司 奶牛分类方法和装置
CN114746889A (zh) * 2019-12-02 2022-07-12 艾酷帕克株式会社 畜产信息管理系统、畜产信息管理服务器、畜产信息管理方法、以及畜产信息管理程序

Also Published As

Publication number Publication date
NZ555479A (en) 2010-12-24
EP1854054A2 (en) 2007-11-14
WO2006058325A3 (en) 2007-10-04
BRPI0516644A (pt) 2008-09-16
ZA200705163B (en) 2008-07-30
US20080255906A1 (en) 2008-10-16
AU2005309387A1 (en) 2006-06-01
EP1854054A4 (en) 2009-11-11
CA2596837A1 (en) 2006-06-01
AU2011202099A1 (en) 2011-05-26
WO2006058325A2 (en) 2006-06-01

Similar Documents

Publication Publication Date Title
CA2627835C (en) Cattle management method and system
Rolfe et al. Genetic and phenotypic parameter estimates for feed intake and other traits in growing beef cattle, and opportunities for selection
Boettcher et al. Effects of interactions between type and milk production on survival traits of Canadian Holsteins
Mazza et al. Genetic correlations between type and test-day milk yield in small dual-purpose cattle populations: The Aosta Red Pied breed as a case study
Demeter et al. A multi-level hierarchic Markov process with Bayesian updating for herd optimization and simulation in dairy cattle
Van Der Merwe et al. Precision finishing of South African lambs in feedlots: a review
Pearson et al. Effect of female culling and age distribution of the dairy herd on profitability
Sessim et al. Efficiency in cow-calf systems with different ages of cow culling
CN101120376A (zh) 动物管理系统
Krupová et al. Methods for calculating economic weights of important traits in sheep
AU2005209587B2 (en) Method of monitoring the production history of consumable animal primal cuts
Melzer et al. Estimating lactation curves for highly inhomogeneous milk yield data of an F2 population (Charolais× German Holstein)
Cervo et al. Economic values for production, functional and fertility traits in milk production systems in southern Brazil.
Mazza et al. Factor analysis for genetic evaluation of linear type traits in dual-purpose autochthonous breeds
Safari et al. Comparative study of growth patterns for three Strains of broiler chickens using mathematical models
RU2313939C1 (ru) Способ определения и прогнозирования адаптивной племенной ценности особей, стад, молочных и молочно-мясных пород крупного рогатого скота
Armbruster et al. Sorting feedlot cattle by body weight
US8568975B2 (en) Sorting system for cattle
Ibrahim Estimation of co-variance components, genetic parameters and genetic trends of VIAscan carcass traits of New Zealand Romney lambs
Wright Key Performance Indicators of ewe productivity: importance of ewe body condition score and liveweight on pregnancy outcomes and lamb performance to weaning
Retallick Genetic variance and covariance compenents for feed intake, average daily gain, and postweaning gain and indices to improve feed efficiency in growing beef cattle
Wells Prediction of the growth performance of feedlot cattle using phenotypic and anthropometric measures
Stas Effect of sire line and selection index category on pig growth performance from weaning to harvest and carcass characteristics
Horimoto et al. Estimation of genetic parameters for a new model for defining body structure scores (frame scores) in Nellore cattle
Notter et al. Evaluation of Columbia, US Meat Animal Research Center Composite, Suffolk, and Texel rams as terminal sires in an extensive rangeland production system: VI. Measurements of live-lamb and carcass shape and their relationship to carcass yield and value

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20080206

RJ01 Rejection of invention patent application after publication