مروری بر فناوری‌های آینده در صنعت دامداری

چکیده
جمعیت رو به رشد دنیا که پیش بینی می شود تا نیمه قرن بیست و یکم به 7/9 میلیارد نفر برسد، نیاز به تولید غذا را بیش از پیش خواهد کرد. برای تامین امنیت غذایی جهان، پیش بینی می شود که تولید غذا تا آن زمان باید دو برابر شود. این در حالی است که سیستم های غذایی موجود ناپایدار هستند و حجم زیادی اتلاف مواد غذایی در حال حاضر وجود دارد. برای مقابله با چالش تامین غذا در آینده، استفاده از فناوری ها یکی از راهکارهای مهم محسوب می شود. به وضوح می توان گفت در آینده دیگر نمی‌توان تولید را به روش‌های قدیمی انجام داد. دیجیتالی شدن صنعت دامداری به بهینه‌سازی سیستم‌های کشاورزی، زنجیره‌ی ارزش و سیستم‌های غذایی منجر شود و نگرانی‌های پیرامون منابع اولیه‌ی مواد غذایی، وضعیت حیوانات در این صنعت و مسایل زیست‌محیطی را برطرف کند. کلان‌داده‌ها می‌توانند اطلاعات مناسبی درباره‌ی نیازهای غذایی، وضعیت تولید مثل و سلامت جانوران را در اختیار انسان قرار دهند. مدل‌های کلان‌داده اطلاعات مختلف را به کمک سنسورها به دست می‌آورند، آن‌ها را پردازش می‌کنند و سپس در میان انبوه داده‌ها به دنبال داده‌های نابهنجاری می‌گردند که از وجود مشکلاتی در وضعیت جانوران خبر می‌دهند. فناوری های آینده به گونه ای باید باشند که ضمن افزایش بهره وری تولید، آلودگی زیست محیطی را کاهش دهند.

نویسنده / نویسندگان : دکتر محسن طاهری دمنه

مقدمه

جهان آیندها‌ی پر جمعیت پیش رو دارد، به طوری که انتظار می‌رود کره زمین تا سال 2050 میلادی میزبان حدود 7/9 میلیارد نفر انسان باشد. روشن است که چنین جمعیت عظیمی به غذا نیاز خواهد داشت و بخش زیادی از این غذا باید از طریق فرآورده‌های حیوانی تأمین شود. به وضوح می توان گفت امروزه و در آینده دیگر نمی‌توان تولید را به روش‌های قدیمی انجام داد؛ زیرا مصرف‌کنندگان بیش از پیش به اثرات صنعت دامداری بر محیط زیست، سلامت جامعه و رعایت حال حیوانات اهمیت می‌دهند. همچنین امروزه منابع انرژی، آب و زمین محدود شده‌اند؛ از این رو فعالان صنعت دامداری باید همان طور که میزان تولید را افزایش می‌دهند، به فکر مدیریت منابع محدود زمین هم باشند (1). ناترازی جدی در منابع و مصارف نیاز به رفتن به سمت نقطه‌ی تعادل جدیدی در اقتصاد دارد که ضامن پایداری باشد. اما پرسش بنیادین اینجا است که چه چیزی می‌تواند اقتصاد و تولید در مقیاس جهانی را به آن نقطه تعادل پایدار سوق دهد.
پاسخ این پرسش فناوری است. فناوری جادویی است که آینده‌ی پایدار این کره خاکی را تضمین می‌کند و صد البته این دارندگان فناوری هستند که آینده را به دست خواهند آورد.
دیجیتالی شدن یکی از این فناوری‌ها یا شاید بهتر است بگوییم مهمترین این فناوری‌ها است. دیجیتالی شدن و به کارگیری فناوری‌های مختلف همان روشی است که می‌تواند این چالش‌ها را از میان بردارد و به همین دلیل انتظار می‌رود دیجیتالی شدن صنعت دامداری به بهینه‌سازی سیستم‌های کشاورزی، زنجیره‌ی ارزش و سیستم‌های غذایی منجر شود و نگرانی‌های پیرامون منابع اولیه‌ی مواد غذایی، وضعیت حیوانات در این صنعت و مسائل زیست‌محیطی را برطرف کند (2). روش‌های سنتی و قدیمی صنعت دامداری معمولاً زمان‌بر و پر هزینه هستند و اجرای آن‌ها به کار و تلاش زیادی نیاز دارد. همین مسئله هم باعث می‌شود دیجیتالی شدن بیش از پیش اهمیت پیدا کند. در ادامه برخی از جدیدترین نمودهای دیجیتالی شدن صنعت دامداری معرفی شده‌اند.

کلان‌داده‌ها (Big Data)

کلان‌داده‌ها می‌توانند اطلاعات مناسبی درباره‌ی نیازهای غذایی، وضعیت تولید مثل و سلامت جانوران را در اختیار انسان قرار دهند. مدل‌های کلان‌داده اطلاعات مختلف را به کمک سنسورها به دست می‌آورند، آن‌ها را پردازش می‌کنند و سپس در میان انبوه داده‌ها به دنبال داده‌های نابهنجاری می‌گردند که از وجود مشکلاتی در وضعیت جانوران خبر می‌دهند. این داده‌ها همچنین تا حدودی وضعیت آینده‌ی جانوران را پیش‌بینی می‌کنند تا واکنش و تصمیم‌گیری مسئولان به این رویدادها بهتر شود و فرصتی فراهم می‌کنند تا انسان بتواند حیوانات را بر اساس نیازهای آنها طبقه‌بندی کند. در این صورت منابع به صورت بهینه مورد استفاده قرار می‌گیرند (3). یکی از شرکت‌هایی که کلان‌داده‌ها را در صنعت دامداری به کار می‌گیرد، شرکت هلندی کانکترا (Connecterra) است که با استفاده از کلان‌داده‌ها، سنسور و یادگیری ماشینی ابری (sensors and cloud based machine learning) رفتار حیوانات شیرده را مورد بررسی قرار می‌دهد. شرکت اگری‌وب (AgriWebb) نیز با استفاده از یک نرم‌افزار ابری، داده‌ها را در کل زنجیر تامین غذا از مزرعه تا سفره مردم به یکدیگر پیوند می‌زند (1).
آلوده شدن منابع آب و زمین یکی دیگر از چالش‌های صنعت دامداری است؛ بنابراین باید نوعی فناوری در کار باشد که بدون آسیب زدن به میزان تولید، آلودگی را کاهش دهد. پلتفرم AgriBigCAT نوعی نرم‌افزار است که با استفاده از تحلیل کلان‌داده‌ها و جمع‌آوری داده‌های ژئوفیزیکی، اثر دامداری را بر محیط زیست می‌سنجد و با طراحی سناریوهای مختلف راه‌حلی برای کاهش آسیب این صنعت به محیط زیست پیدا می‌کند. این پلتفرم هم برای تصمیم‌گیری و هم برای تغییر در سیاست‌گذاری‌ها مناسب است (4). به طور کلی کلان‌داده‌ها به روش‌های مختلفی به صنعت دامداری کمک می‌کنند که شکل شماره 1 این موضوع را با جزئیات روشن کرده است.

کاربرد کلان‌داده‌ها در دامداری
شکل 1. کاربرد کلان‌داده‌ها در دامداری

بلاک‌چین (Blockchain)

بلاک‌چین مجموعه‌ای غیرمتمرکز از تراکنش‌هایی است که با هم گره‌هایی تشکیل می‌دهند و ثبت این گره‌ها باعث ایجاد بلوک‌های بلاک‌چین می‌شود. تمام این بلوک‌ها با یک کد غیرتکراری به یکدیگر متصل هستند و یک زنجیره را تشکیل می‌دهند. این فناوری برای صنعت خدمات مالی یا صنعت خدمات امنیت سایبری نامی آشناست، اما صنعت دامداری از این فناوری چه سودی می‌برد؟
بلاک‌چین شبکه‌ای است که می‌تواند در صنایع مختلف به کار رود؛ از این رو می‌توان به هر دام یک کد شناسایی غیرتکراری داد که در طول عمر حیوان با او می‌ماند؛ بنابراین انسان‌ها می‌توانند ببینند که هر حیوان در چه مزارعی بوده، چگونه از مزرعه به کشتارگاه ارسال شده، کدام دامپزشک پیش از دستور کشتار، سلامت حیوان را بررسی کرده، کیفیت گوشت دام پس از کشتار چگونه بررسی شده و به کدام خرده‌فروشی رسیده یا چگونه بسته‌بندی شده است. در این صورت تمام مراحل زندگی یک دام از ابتدا تا انتها در یک سیستم جامع گرد هم می‌آید که برای همه شفاف و قابل دسترسی است (1). امروزه مصرف‌کنندگان ترجیح می‌دهند از سرچشمه‌ی غذای خود با خبر باشند؛ اما زنجیره‌ی تأمین فرآورده‌های دامی چنان طولانی است که کمتر تولیدکننده‌ای می‌تواند این خواسته را برآورده کند. بلاک‌چین یکی از روش‌هایی است که برای حل این مشکل معرفی شده است. تمام تراکنش‌ها در بلاک‌چین غیر قابل تغییر هستند و زمانی که ثبت می‌شوند، دیگر قابلیت دستکاری ندارند؛ از این رو شفافیت درباره‌ی وضعیت دام در طول زنجیره‌ی تأمین حفظ می‌شود. استفاده از بلاک‌چین در طول زنجیره‌ی تأمین غذا مزایایی به همراه دارد؛ برای نمونه طی این روش اطلاعات در سطح زنجیره‌ی تأمین امن‌تر و قابل استنادتر هستند، ضرر اقتصادی و هدررفت غذا کاهش می‌یابد و دوام و شفافیت افزایش پیدا می‌کند.
البته به کارگیری بلاک‌چین چالش‌هایی نیز به همراه دارد؛ برای مثال، همه به این فناوری مهم که زیربنای فناوری‌های دیگری مانند اینترنت اشیاء، سنسورها، ربات‌ها و کلان‌داده‌ها است، دسترسی ندارند. همچنین بلاک‌چین می‌تواند قربانی کلاهبرداری شود و اطلاعات اشتباه به زنجیره‌ی تأمین راه پیدا کنند. در این صورت باید استانداردی در کار باشد که نشان ‌دهد داده‌ها نه تنها قابل تغییر هستند، بلکه باید دقیق و درست نیز باشند (5). شکل شماره 2 شمایی از جایگاه بلاک‌چین در صنعت دامداری را به تصویر کشیده است.

بلاک‌چین در صنعت دامداری
شکل 2. بلاک‌چین در صنعت دامداری

اینترنت اشیاء (Internet of Things)

اینترنت اشیاء در دنیای دامداری محبوبیت بسیاری دارد. در این فناوری، سنسورها داده‌های مربوط به محیط و دام‌ها را دریافت کرده و از طریق فضای ابری به دست دامداران می‌رسانند. سنسورهای اینترنت اشیاء بدین شکل داده‌های بسیاری را به دست می‌آورند و در پایگاه داده های فضای ابری ذخیره می‌کنند. هوش مصنوعی نیز می‌تواند داده‌ها را تحلیل کرده و آن‌ها را به اطلاعات ساده و با ارزش تبدیل کند. سپس شرایط فضا و دام‌ها با توجه به این داده‌ها تنظیم می‌شوند. برای مثال اگر سنسورها تشخیص دهند که دمای بدن دام‌ها افزایش یافته است، هوش مصنوعی به صورت خودکار تهویه‌ی هوا را روشن می‌کند. در این صورت تشخیص زودهنگام بیماری نیز راحت‌تر صورت می‌گیرد و در صورتی که سنسورها علائمی مانند افزایش دمای بدن و کاهش فعالیت را گزارش دهند، مسئولان سریع‌تر از پیشرفت بیماری جلوگیری می‌کنند. شکل شماره 3 بیانگر همین موضوع است (6).

 

شمای کلی سیستم نظارت بر دام با استفاده از اینترنت اشیاء
شکل 3. شمای کلی سیستم نظارت بر دام با استفاده از اینترنت اشیاء

چالش‌های فناوری‌ها در صنعت دامداری

فناوری‌هایی مانند سنسورها، بلاک‌چین، اینترنت اشیاء و کلان‌داده‌ها تا حد زیادی به سلامت جانوران و کاهش آسیب به محیط زیست کمک می‌کنند. بنابراین، در این مرحله تنها کافیست زیرساخت‌های مورد نیاز این فناوری‌ها فراهم شوند. برای نمونه سنسورها که بخش مهمی از فناوری اینترنت اشیاء هستند، به یک شبکه‌ی وایرلس نیاز دارند که داده‌ها را از محل زندگی حیوانات به محل قرار گرفتن رایانه‌ها منتقل کند. اما همه چیز به این سادگی اتفاق نمی‌افتد. بسیاری از مهندسانی که این فناوری‌ها را به مزارع می‌آورند، هرگز از نزدیک با دنیای دامداری و حیوانات در ارتباط نبوده‌اند؛ بنابراین سنسورهایشان در این حوزه کاربردی نیستند. در این شرایط مهندسان زیستی، دامداران، دانشمندان علوم جانوری و دیگر متخصصان باید با یکدیگر همکاری کنند تا فناوری‌های مربوطه در بلندمدت و در محیط دامداری به فعالیت خود ادامه دهند. همچنین، این فناوری‌ها هنوز در حوزه‌ی دامداری نوپا هستند، بنابراین لازم است که نیروی کار آینده در این زمینه آموزش ببیند و به تخصص لازم دست یابند.
مزارع مختلف هم می‌توانند داده‌هایی را که از این فناوری‌ها به دست آورده‌اند، با مزارع دیگر به اشتراک بگذارند تا سلامت حیوانات، محصولات و محیط زیست در سطح منطقه‌ای حفظ شود. البته در این میان ممکن است با مشکل امنیت داده روبرو شویم که باعث می‌شود دامداران نخواهند داده‌هایشان را با دیگران به اشتراک بگذارند. بسیاری از دامداران هم ممکن است به فناوری‌های جدید روی خوش نشان ندهند؛ چرا که نگرانند این فناوری‌ها باعث استثمار حیوانات شوند. همچنین این نگرانی وجود دارد که فناوری‌ها در دامداری‌ها تبعیض و اختلاف طبقاتی به وجود بیاورند؛ چنان که ممکن است کارگران آشنا به فناوری به کارگران عادی ترجیح داده شوند و دامداری‌های مناطق روستایی به دلیل کمبود فناوری از دیگر مناطق عقب بمانند (1). همه‌ی این موارد و موارد بسیار زیاد دیگر چالش‌هایی هستند که پیش روی ورود فناوری به صنعت دامداری قرار گرفته‌اند. اما در نهایت اگر این صنعت به دنبال بقا و رشد باشد، چاره‌ای جز باز کردن درها و خوش آمدگویی به فناوری ندارد. هرچه جمعیت افزایش پیدا می‌کند و نیاز جهان به غذا بیشتر می‌شود، اهمیت روش‌های کارآمد برای مدیریت دام نیز افزایش می‌یابد. فناوری‌های مختلف قابلیت آن را دارند که با دیجیتالی کردن دامداری، بسیاری از چالش‌های روش‌های سنتی را از میان بردارند. بنابراین اگر به عنوان یک فعال صنعت دامداری به آینده‌ی این صنعت فکر می‌کنید، اجازه دهید تا عنوان قصه‌ی آینده‌ی صنعت دامداری را برای شما فاش کنیم: دامداری دیجیتال

منابع

  1. Neethirajan, S., & Kemp, B. (2021). Digital livestock farming. Sensing and Bio-sensing Research, 32, 100408.
  2. Klerkx, L., Jakku, E., & Labarthe, P. (2019). A review of social science on digital agriculture, smart farming and agriculture 4.0: New contributions and a future research agenda. NJAS Wageningen Journal of Life Sciences, 90–91(1), 1–16.
  3. Koltes, J. E., Cole, J. B., Clemmens, R., Dilger, R. N., Kramer, L., Lunney, J. K., McCue, M. E., McKay, S., Mateescu, R. G., Murdoch, B. M., Reuter, R. R., Rexroad, C. E., Rosa, G. J. M., Serão, N. V. L., White, S. N., Woodward-Greene, M. J., Worku, M., Zhang, H., & Reecy, J. M. (2019). A vision for development and utilization of high-throughput phenotyping and big data analytics in livestock. Frontiers in Genetics, 10.
  4. Kamilaris, A., Anton, A., Blasi, A. B., & Prenafeta-Boldú, F. X. (2018). Assessing and mitigating the impact of livestock agriculture on the environment through geospatial and big data analysis. International Journal of Sustainable Agricultural Management and Informatics, 4(2), 98.
  5. Kampan, K., Tsusaka, T. W., & Anal, A. K. (2022). Adoption of blockchain technology for enhanced traceability of livestock-based products. Sustainability, 14(20), 13148.
  6. Iwasaki, W., Morita, N., & Nagata, M. P. B. (2019). IoT sensors for smart livestock management. In Elsevier eBooks (pp. 207–221).

دریافت اشتراک

دریافت خودکار مقالات علمی و نسخ فصلنامه دانش دامپروری

تمامی حقوق برای گروه پژوهشی توسعه دانش تغذیه دام و طیور سپاهان محفوظ است.